أكثر

خطأ هندسي غير صالح بعد ST_ConvexHull

خطأ هندسي غير صالح بعد ST_ConvexHull


لديّ جدول Postgis بحوالي 80000 نقطة وأريد أن أكون قادرًا على ملء جدول ثانٍ يلخص البيانات بهياكل محدبة بناءً على نقاط ذات سمة مشتركة.

على سبيل المثال ، تحتوي البيانات على مقسم الهاتف الذي ترتبط به كل نقطة - أريد إنشاء بدن محدب لجميع النقاط في كل مقسم هاتف. يجب إنشاء حوالي 1000 مضلع متداخل.

حاولت استخدام البرنامج المساعد QGis ftools convex hull الإضافي الممتاز مع خيار إنشاء أجسام استنادًا إلى حقل إدخال لكن جهاز الكمبيوتر الخاص بي قضى 6 ساعات في زيادة 3 من النوى الأربعة قبل تعطل QGis.

وقد حاولت القيام بذلك مباشرة في SQL:

INSERT INTO new_table (exchange_name، the_geom)
حدد اسم التبادل ، ST_ConvexHull (ST_Collect (the_geom)) باسم the_geom
من الجدول الأول
GROUP BY exchange_name

لكن هذا يشكو من الهندسة غير الصالحة - لقد جربت القيود الهندسية لـ "MULTIPOLYGON" و "GeOMETRY" العامة لذا لست متأكدًا من سبب حدوث ذلك - يتم تحميل الجدول المصدر بشكل مثالي في QGis.

أداة Grass "v.hull" تنشئ فقط بدنًا محدبًا لجميع النقاط ولا تستند إلى سمة.

أي نصائح أو اقتراحات ستكون موضع ترحيب كبير!


أظن أنك تحصل على مضلعات غير صالحة لأن مجموعة واحدة أو أكثر تحتوي على نقطة أو نقطتين فقط. لا يمكن أن يصنع مضلعًا محدبًا.

إذا كانت هذه هي المشكلة ، يمكنك استبعاد المجموعات الإشكالية بشيء مثل

INSERT INTO new_table (exchange_name، the_geom) حدد exchange_name ، ST_ConvexHull (ST_Collect (the_geom)) باعتبارها the_geom FROM first_table GROUP BY exchange_name التي تحتوي على عدد (*)> = 3 ؛

إذا كانت هناك صفوف في الجدول الأصلي ذات نقاط متعددة ، فستحتاج إلى حساب النقاط في المجموعة بدلاً من ذلك:

INSERT INTO new_table (exchange_name، the_geom) حدد exchange_name ، ST_ConvexHull (ST_Collect (the_geom)) باعتبارها the_geom FROM first_table GROUP BY exchange_name التي تحتوي على st_npoints (st_collect (the_geom))> = 3 ؛

أنا لست من محترفي الكمبيوتر للمحاولة ، لكنني أعتقد أنه يجب أن يعمل.

HTH نيكلاس


هل حاولت تشغيل بيانات الإدخال مقابل ST_IsValid؟

مثال: حدد exchange_name من first_table حيث ST_IsValid (the_geom) = false

إذا تم إرجاع أي صفوف ، فلديك أشكال هندسية غير صالحة وعليك إما إصلاحها أو استبعادها من الاستعلام أعلاه.


علم

علم (من الكلمة اللاتينية علم، تعني "المعرفة") [1] هي مؤسسة منهجية تبني المعرفة وتنظمها في شكل تفسيرات قابلة للاختبار وتنبؤات حول الكون. [2] [3] [4]

يمكن إرجاع أقدم جذور العلم إلى مصر القديمة وبلاد ما بين النهرين في حوالي 3000 إلى 1200 قبل الميلاد. [5] [6] دخلت مساهماتهم في الرياضيات وعلم الفلك والطب وشكلت الفلسفة الطبيعية اليونانية للعصور القديمة الكلاسيكية ، حيث بذلت محاولات رسمية لتقديم تفسيرات للأحداث في العالم المادي بناءً على الأسباب الطبيعية. [5] [6] بعد سقوط الإمبراطورية الرومانية الغربية ، تدهورت المعرفة بالمفاهيم اليونانية عن العالم في أوروبا الغربية خلال القرون الأولى (400 إلى 1000 م) من العصور الوسطى ، [7] ولكن تم الحفاظ عليها في المسلمين العالم خلال العصر الذهبي الإسلامي. [8] استعادة واستيعاب الأعمال اليونانية والاستفسارات الإسلامية في أوروبا الغربية من القرن العاشر إلى القرن الثالث عشر أحيا "الفلسفة الطبيعية" ، [7] [9] والتي تحولت لاحقًا بسبب الثورة العلمية التي بدأت في القرن السادس عشر [10] ] حيث انحرفت الأفكار والاكتشافات الجديدة عن المفاهيم والتقاليد اليونانية السابقة. [11] [12] [13] [14] سرعان ما لعبت الطريقة العلمية دورًا أكبر في تكوين المعرفة ولم تبدأ حتى القرن التاسع عشر في تشكيل العديد من السمات المؤسسية والمهنية للعلم [15] [16] ] [17] جنبًا إلى جنب مع تغيير "الفلسفة الطبيعية" إلى "العلوم الطبيعية". [18]

ينقسم العلم الحديث عادةً إلى ثلاثة فروع رئيسية [19] تتكون من العلوم الطبيعية (مثل علم الأحياء والكيمياء والفيزياء) ، والتي تدرس الطبيعة بمعناها الواسع العلوم الاجتماعية (مثل الاقتصاد وعلم النفس وعلم الاجتماع) ، التي تدرس الأفراد والمجتمعات [20] [21] والعلوم الرسمية (مثل المنطق والرياضيات وعلوم الكمبيوتر النظرية) ، والتي تتعامل مع الرموز التي تحكمها القواعد. [22] [23] هناك خلاف ، [24] [25] [26] ومع ذلك ، حول ما إذا كانت العلوم الرسمية تشكل بالفعل علمًا لأنها لا تعتمد على الأدلة التجريبية. [27] [25] التخصصات التي تستخدم المعرفة العلمية الحالية لأغراض عملية ، مثل الهندسة والطب ، توصف بأنها علوم تطبيقية. [28] [29] [30] [31] [32]

يتم تطوير المعرفة الجديدة في العلوم من خلال البحث من العلماء الذين يحفزهم الفضول حول العالم والرغبة في حل المشكلات. [33] [34] البحث العلمي المعاصر هو بحث تعاوني للغاية ويتم إجراؤه عادة بواسطة فرق في المؤسسات الأكاديمية والبحثية ، [35] الوكالات الحكومية والشركات. [36] [37] وقد أدى التأثير العملي لعملهم إلى ظهور سياسات علمية تسعى للتأثير على المؤسسة العلمية من خلال إعطاء الأولوية لتطوير المنتجات التجارية والأسلحة والرعاية الصحية والبنية التحتية العامة وحماية البيئة.


1 المقدمة

غالبًا ما تتطلب الطبيعة متعددة التخصصات للبحوث الحديثة في علم البيئة المرضية كميات هائلة من البيانات التي تختلف من حيث الموضوع والبنية وتنتجها. إن تحدي إدارة البيانات كبير وغالبًا ما يكون باهظ التكلفة. تنشأ البيانات من العديد من المصادر وتحدث في أشكال مكانية صريحة أو مكانية مع الهياكل المصاحبة. نادرًا ما تكون هذه البيانات مصحوبة ببيانات وصفية متماسكة وجوديًا ضرورية لتسهيل التعاون والتعاون. اقترح الخطاب الأخير في دراسات علم بيئة الأمراض المعدية الحاجة إلى التأكيد على دور ديناميكيات تغيير الفضاء والغطاء الأرضي في وصف تفاعلات الأمراض مع العمليات البيئية (Ostfeld et al. 2008). لذلك ، تتطلب المشاركة الفعالة في أبحاث بيئة المرض القدرة على الوصول إلى هذه البيانات شديدة التنوع وتفسيرها ودمجها بشكل صحيح (Shekhar and Chawla 2003 Watson 2004 Longley 2005).

في أوائل عام 1990 & # x02019 ، كان هناك قدر كبير من الأبحاث المتعلقة بتوسيع أنظمة إدارة قواعد البيانات التقليدية (DBMS) لدمج وظائف التعامل مع أنواع البيانات المكانية الصريحة (Stonebraker and Moore 1996 Shekhar and Chawla 2003). تعتبر أنظمة DBMS التقليدية ذاتية الوصف حيث يتم تخزين تعريفات البيانات في كتالوج ، جنبًا إلى جنب مع البيانات الأولية ، دون الحاجة إلى تخزين ملفات وصفية منفصلة. هذه وسيلة فعالة للغاية لإدارة والوصول إلى كميات كبيرة من البيانات. تعمل قواعد البيانات على تحسين قدراتنا على التفاعل مع البيانات من خلال إنشاء الفهارس والاستعلام عنها ، والتي تعمل بمثابة خارطة طريق للبيانات المخزنة على الوسائط المادية. نادراً ما تتفاعل أطر قواعد البيانات المبكرة بشكل مباشر مع البيانات المكانية (Egenhofer 1994 Stonebraker and Moore 1996). ولكن مع التقدم التكنولوجي ، ولا سيما تطوير منصات ساتلية للاستشعار عن بعد ، تم توليد كميات كبيرة من البيانات ، مما استلزم تطوير قدرات نظام إدارة قواعد البيانات (DBMS) على وجه التحديد لتسهيل التعامل مع البيانات المكانية.

SQL ، لغة الاستعلام القياسية ، تم اعتمادها رسميًا في عام 1986 من قبل المعهد الوطني الأمريكي للمعايير ، مثل SQL-86 ، وهي لغة ترتيب قواعد البيانات الأكثر استخدامًا (Lans 2007). قدم إطار عمل لغة SQL بنية منطقية للاستعلام عن المعلومات المخزنة في نظم إدارة قواعد البيانات. ومع ذلك ، لم تستطع الإصدارات الأولى من SQL معالجة هياكل البيانات المكانية بشكل صريح. تم اقتراح العديد من امتدادات SQL بما في ذلك GEOQL و SAND و GEO-Kernel و PSQL ولكن الامتداد الذي أثبت أنه الأكثر تأثيرًا وتم اعتماده في النهاية هو Egenhofer & # x02019s Spatial SQL (Egenhofer 1994 Adam and Gangopadhyay 1997). وسعت SQL المكانية المجال لتشمل العوامل والسمات المكانية. قام Egenhofer (1994) بتعريف لغة العرض الرسومية (GPL) ، وهي مجموعة من الأدوات التي يمكن من خلالها معالجة نتائج الاستعلام المكاني. عزز اتحاد GIS المفتوح (OGIS) الوظائف المكانية من خلال التوصية بمجموعة من الإصلاحات الحاسمة في SQL ، وخاصة اعتماد نموذج التجريد المكاني Egenhofer & # x02019s ، والذي قدم GEOMETRY كفئة أساسية للأشياء المكانية (Egenhofer 1994 OGIS 1999 Shekhar and Chawla 2003) تم اعتماد هذه التوصيات بالكامل في عام 1999 مع إصدار SQL3 (OGIS 1999 Lans 2007).

تعد مشاركة البيانات أحد الاعتبارات الهامة لمجموعة البحث الخاصة بنا حيث نحافظ على التعاون مع المؤسسات والباحثين في جميع أنحاء الولايات المتحدة وشرق إفريقيا ، لكن أكبر مشكلة نواجهها كمجموعة هي القدرة على مشاركة البيانات والتحليل. نحن بحاجة إلى وسيط جديد يسهل هذا التدفق للمعلومات دون الحاجة إلى نقل البيانات فعليًا بين المؤسسات. نظم المعلومات الجغرافية وخوادم البيانات المستندة إلى الإنترنت هي أحد الحلول التي نستخدمها للسماح بالتفاعل المتزامن وتحليل البيانات. ظهرت نظم المعلومات الجغرافية المستندة إلى الإنترنت مع إطلاق مشروعين ، GeoChange (Drew and Ying 1996) ومكتبة الإسكندرية الرقمية (Smith and Frew 1995). GeoChange على وجه الخصوص ، حدد المعيار من حيث الوظائف وقابلية الاستخدام مع واجهة تدعم معالجة الدُفعات ، والاستيراد / التصدير ، وتوليد البيانات الوصفية تلقائيًا (Adam and Gangopadhyay 1997). أصبحت مكتبة بيانات الإسكندرية ، على الرغم من كونها احتياطية فيما يتعلق بالتغيير الجغرافي ، معتمدة على نطاق واسع من قبل نظام جامعة كاليفورنيا للمشاركة الداخلية للبيانات المكانية الخاصة ، واليوم ، على الرغم من التحسينات في الوظائف ، لا تزال معظم قواعد البيانات المكانية تفتقر إلى القدرة على التعامل بكفاءة مع البيانات المكانية. هيكل البيانات النقطية: يعد مشروعان جاريان بإحضار هذه الوظيفة إلى نظم إدارة قواعد البيانات المكانية (SDBMSs) في عام 2010. ومما يثير اهتمامنا بشكل خاص مشروع WKTRaster ، وهو مشروع مفتوح المصدر يدعمه المجتمع من قبل مؤسسة Open Source Geospatial Foundation (OSGEO). يوسع WKTRaster وظائف مكتبة PostGIS لتنفيذ فئة نوع RASTER بنفس الطريقة التي تم بها هندسة الهندسة من أجل دعم المعالجة المكانية الصريحة لبيانات المتجه (Stonebraker and Moore 1996). WKTRaster ، عند تنفيذه بالكامل ، سيسهل الاتساق في معالجة البيانات لجميع أنواع البيانات المكانية وغير المكانية ، على غرار الطريقة التي تدار بها البيانات المكانية مع أداة تحميل georaster المضمنة في حزمة Oracle Spatial 11g.

بينما ساعدت التطورات في الفهم العلمي والتقنيات الجديدة في الحد من انتشار الأمراض المعدية في العالم المتقدم ، لا يمكن قول الشيء نفسه عن العالم النامي. مع انخفاض معدل الإصابة بالأمراض المعدية في العالم المتقدم ، تم تخصيص موارد واهتمام أقل لمكافحة هذه الأمراض في العالم النامي ، مما ساهم في زيادة انتشار العديد من الأمراض هناك (Cohen 2000). من أجل تطوير استراتيجيات أفضل لمكافحة المرض ، نحتاج إلى تعزيز فهمنا للظروف البيئية الأساسية التي تساهم في ظهور الأمراض وتقديم حلول عملية في سياقات العالم النامي (Ostfeld et al. 2008). لا تعتبر بيئة المرض عمومًا تخصصًا في حد ذاتها ، ولكنها تسعى إلى فهم العلاقة بين وبائيات المرض والمناظر الطبيعية (المناخ ، والفيزيائي ، والبشري) (Sutherst 2004 Keesing et al. 2006 Tatem et al. 2006 Johnson and Thieltges 2010). تخلق الطبيعة متعددة التخصصات للمجال مجموعة فريدة من المشكلات ، يتعلق العديد منها باستخدام البيانات مع الحفاظ على المعايير الصارمة التي تفرضها مجالس المراجعة المؤسسية ، و HIPAA ، ومعايير البحث والخصوصية الدولية. تم نشر القليل جدًا الذي يستكشف بشكل مباشر هذه الأنواع من مشاكل الإدارة في أدبيات علم بيئة المرض. بشكل روتيني ، تظهر قضايا قابلية التوسع والموثوقية والأمان التي تعيق النشر الفعال للبيانات والنماذج الممولة اتحاديًا. يجب أن يؤدي تخزين كميات كبيرة من البيانات على الأقل إلى تسهيل نطاق التطبيقات التي تتطلبها الأسئلة المطروحة في بيئة المرض. البيانات قابلية التوسع يتحدث عن قدرة الباحثين على معالجة الأسئلة على مستويات متعددة من الدقة المكانية أو الزمنية ، اعتمادًا على السؤال المطروح ، يجب أن يسهل تخزين هذه البيانات الوصول السريع والمتزامن إلى البيانات وتكاملها عبر قرارات مختلفة (Shekhar and Chawla 2003) . الموثوقية يتطلب آليات لضمان تحديد أو منع عدم تطابق البيانات أو الأساليب التحليلية غير الملائمة (شي وآخرون .2002 Devillers and Jeansoulin 2006). علاوة على ذلك ، فإن موثوقية البيانات ، خاصة مع الاستخدام المتزامن وتعديل البيانات ، تتطلب آليات لضمان سلامة البيانات الأساسية بمرور الوقت (شي وآخرون 2002 أولسون 2003). أخيرا، الأمان تنشأ المشكلات عند التفاعل مع البيانات البشرية التي يمكن تحديدها بشكل فردي أو بيانات المجتمع الحساسة المخزنة أو التي تم إنشاؤها داخل DBMS (Olson 2003). في حين أن المبادئ التوجيهية المؤسسية وقوانين الخصوصية قد تقيد الوصول إلى البيانات للمستخدمين المعتمدين مسبقًا ، يجب ألا تمنع القيود المستخدمين غير المتميزين من طرح أسئلة أوسع ، والتي قد تتفاعل مع البيانات الأساسية عند تجميعها لإزالة البيانات التي يمكن تحديدها أو المعلومات الأخرى التي قد أن تكون مقيدة بمبادئ توجيهية أو قوانين مؤسسية (مثل الهوية العرقية عند الكثافة المنخفضة في بيانات مجموعة التعداد السكاني). أخيرًا ، يجب أن تكون قيود الخصوصية قابلة للتطوير ، وتتغير ديناميكيًا مع المستخدم وحجم القرار المطلوب.

بالتعاون مع المعهد الدولي لبحوث الثروة الحيوانية في كينيا (ILRI) ، قمنا بتجميع حجم غير عادي من البيانات الخاصة بكينيا. بغض النظر عن الموضوع ، غالبًا ما يطرح التعاون الدولي مشاكل فريدة من حيث إدارة وتبادل ونشر البيانات اللازمة لإجراء التحليلات. يعد إطار عملنا لنظام إدارة البيانات حلاً جديدًا للنمذجة المكانية في بيئة المرض واستخدام برامج مفتوحة المصدر يجعل هذا حلاً فعالاً من حيث التكلفة للمشاركة مع المتعاونين الدوليين والمنظمات ذات الميزانيات المحدودة. تم تصميم المجموعة الكاملة من البيانات والنماذج ليتم تعبئتها إلكترونيًا أو على محرك أقراص محمول لتسهيل النقل الإلكتروني أو النقل المادي.

يُعد إطار عمل إدارة البيانات المدرك لهذه المشكلات والمرن في استخدام القيود حلاً مثاليًا للعمل مع أنواع البيانات المميزة للبحث في بيئة المرض. كجزء من المعاهد الوطنية للصحة & # x0201cRoadmap & # x0201d البرنامج ومع دعم المعاهد الوطنية للعلوم الطبية العامة للصحة ، نقوم بتطوير نموذج تنبؤي متعدد المقاييس يحدد العلاقة بين تغير المناخ واستخدام الأراضي وتغير الغطاء الأرضي والاجتماعي ، وتوزيع ذباب تسي تسي ومرض النوم عبر كينيا (ميسينا وآخرون ، 2007). نقدم هنا دراسة حالة لتنفيذ إطار عمل DBMS لبيئة المرض القابلة للتعميم والذي يوفر قابلية التوسع والموثوقية والأمان لتحسين التفاعلات بين المستخدمين والبيانات.

1.1 دراسة حالة: نموذج لداء المثقبيات الأفريقي في كينيا

داء المثقبيات الأفريقي (AT) ، أو مرض النوم ، هو تهديد كبير لصحة الإنسان في جميع أنحاء أفريقيا ، وخاصة بين الشعوب الفقيرة (Brun et al. 2010 Gyapong et al. 2010). يعتبر عادةً مرضًا من الماضي ، فقد زاد انتشاره في السنوات الأخيرة ، لا سيما في شرق إفريقيا ، بسبب انخفاض التركيز على الاصطياد والتحكم ، والمناخ ، والعوامل البشرية (Bauer et al. 1992 World Health Organization 2005 Batchelor et al. 2009). على الرغم من تحسن الرصد ، إلا أن مدى تأثير التكنولوجيا المُعينة على شرق إفريقيا غير معروف إلى حد كبير. انخفضت المساهمات الأخيرة من قبل البلدان الأجنبية ومنظمات المعونة الموجهة نحو معالجة AT بشكل كبير على عكس الاهتمام المتزايد بمرض الإيدز والملاريا والأمراض الأخرى (منظمة الصحة العالمية 2001 Siringi 2003). استجابت منظمة الصحة العالمية من خلال تصنيف AT على أنه مرض استوائي مهمل (Kennedy 2005 World Health Organization 2006 Brun et al. 2010). قد يؤدي عدم الفهم الكامل للعمليات البيئية التي تساهم في انتشار التكنولوجيا المُعينة إلى التطبيق غير الفعال لأنظمة التحكم وسوء تخصيص الموارد ، مما يؤدي إلى إعاقة جهود الاتحاد الأفريقي لمكافحة والسيطرة على AT (Cox 2004). مع زيادة انتشار داء المثقبيات ، كان التأثير على الإنسان والحيوان كبيرًا ، مما أدى إلى صعوبات اقتصادية شديدة للأسر الريفية في جميع أنحاء شرق إفريقيا (كامبل وآخرون ، 2000 كامبل وآخرون ، 2004).

ذباب تسي تسي Glossinidae الأسرة ، هي الناقلات الأولية للانتقال الدوري لداء المثقبيات الأفريقي. تم توضيح التوزيع العام لذبابة التسي تسي من حيث المدى الفيزيائي الحيوي ووجود مضيفات مناسبة (KETRI 1996 Cecchi et al. 2008). ومع ذلك ، فإن الحدود الدقيقة ، التاريخية والمعاصرة ، لم يتم صياغتها بشكل تجريبي (Wint 2001). علاوة على ذلك ، تعكس أحزمة التوزيع الحالية البيانات والمنهجيات القديمة (منظمة الأغذية والزراعة 1979 Wint 2001 Muriuki et al. 2005). من خلال الدراسات السابقة ، تمكنت مجموعتنا البحثية من وصف عدم دقة حدود التوزيع هذه ، لا سيما فيما يتعلق بالتغيرات الموسمية (DeVisser and Messina 2009 Moore and Messina 2010). علاوة على ذلك ، يعمل تغير المناخ العالمي على تغيير موائل ذبابة التسي تسي ، على الرغم من أن درجة حدوث ذلك غير معروفة (Sutherst 2004).

لفهم الآليات الكامنة وراء زيادة حدوث التكنولوجيا المساعدة بشكل مناسب ، من المهم النظر في مجموعة متنوعة من المدخلات من الأبعاد الاجتماعية والمادية والمناخية وحتى السياسية. يتطلب نطاق التخصصات والمنهجيات العلمية المطلوبة إنشاء حجم كبير من البيانات وجمعها وصيانتها. أثبتت إدارة أحجام وأنواع البيانات ، ماديًا ولوجستيًا ، أنها تمثل تحديًا كبيرًا وهو التحدي الذي نتناوله في هذه الورقة. وبالتالي نقدم نموذجًا مفاهيميًا لبيئة حوسبة شاملة مفتوحة المصدر تعزز التنظيم الفعال والتخزين واسترجاع البيانات المتباينة. علاوة على ذلك ، نقوم بتوسيع مناقشة قواعد البيانات المكانية من خلال تقديم إطار نموذجي لنظام DBMS المكاني الذي يدير بشكل صارم ومتسق البيانات المكانية وغير المكانية.

1.2 مقتنيات البيانات والاستحواذ

لقد جمعنا جميع البيانات المتاحة للجمهور وجزءًا كبيرًا من البيانات المكانية المعروفة الخاصة ببيئة مرض AT في كينيا. تندرج البيانات في مخطط تصنيف ، محدد من خلال التضاريس والتربة والغطاء النباتي والمناخ والتنوع البيئي وموارد المياه والعوامل البشرية المعروفة للتحكم أو التأثير في العمليات البيئية التي تدفع توزيعات ذبابة التسي تسي عبر الزمان والمكان (انظر الجدول 1 للحصول على ملخص) . تتكون البيانات غير المكانية بشكل أساسي من التقارير الحكومية وداخل الوكالات التي تم الحصول عليها من خلال المكتبات الخاصة في كينيا. تركز التقارير التي تم جمعها على السياسات وبرامج الرقابة الحكومية / المجتمعية والاستئصال. في الوقت الحالي ، لا يتم فهرسة هذه التقارير أو فهرستها ، مما يحد من الاستخدام الفعال لأي معلومات قد تحتوي عليها.

الجدول 1

ملخص لمكتبة البيانات لدينا مجمعة حسب الموضوع الرئيسي

فيزياء حيويةاجتماعيالجغرافي
مجاميع الهطولالكثافة السكانيةاستخدامات الأرض / الغطاء الأرضي
درجات الحرارة الشهريةالتنبؤات السكانيةتوقعات استخدامات الأراضي
التبخرالسكان التاريخيونصور الأقمار الصناعية
سيناريوهات درجة الحرارةمواقع المدينةبحيرات
سيناريوهات هطول الأمطاربيانات تعداد المنطقةالأنهار
بيانات المناخ التاريخيةالماشيةأحواض الأنهار
المناطق الزراعية المناخيةالحيوانات البريةالطرق
المناطق الزراعية البيئيةإنتاج زراعيالمتنزهات الوطنية
الليثولوجيافقرسكك حديدية
التربةبيانات مساحية مختلفةالحدود الوطنية
التضاريسعلم الحشراتالمناطق الإدارية
مدى الغاباتتوزيع ذبابة التسي تسيارتفاع
الأراضي الرطبةملاءمة موطن ذبابة التسي تسيالخرائط الطبوغرافية (على مستوى الدولة)

تشكل بيانات الصور المستشعرة عن بعد الغالبية من خلال حجم الملف الفعلي لجمع البيانات لدينا. نحن نمتلك غالبية الصور الجوية المعروفة والمتاحة للجمهور لكينيا من منصات Landsat و MODIS و PALSAR و ASTER بما في ذلك عدد من منتجات الصور التي تلخص تصنيف استخدام الأراضي (أنواع MODIS 1-5 للفترة من 2001 إلى 2005 ومشتق Landsat MSS من كيلومتر واحد لعام 1980) ، ودرجة حرارة سطح الأرض (MODIS LST) ، وهطول الأمطار (متوسط ​​المناخ العالمي 30 عامًا عند 1 كم) ، ومؤشرات الغطاء النباتي 1 (NDVI من 2001 إلى 2008 كل 16 يومًا ، بدقة 250 مترًا). يتم توفير مصادر إضافية لاستخدام الأراضي ومعلومات الغطاء الأرضي مع أفريكوفر كأنواع بيانات متجه أو نقطية ، و GLC2000 ، وغطاء CLIP 1 ، والغطاء الأرضي العالمي UMD. لدينا بيانات الارتفاع من ASTER و SRTM والخرائط الطبوغرافية الرقمية (30 مترًا و 90 مترًا و 250 مترًا بدقة مكانية ، على التوالي). فيما يتعلق بتوزيع ذبابة التسي تسي ، فإننا نمتلك توزيعات نواقل ونقطية رقمية لأحزمة الطيران لكينيا للأعوام 1967 و 1973 و 1996 و 2000 2. أخيرًا ، هناك تقديرات نقطية لكثافة الثروة الحيوانية (# لكل كيلومتر مربع) لعام 2007 (ILRI 3). باستخدام هذه البيانات ، DeVisser et. آل. (2010) طور نموذج TED للتنبؤ بتوزيع ذبابة التسي تسي في كينيا. يوضح الشكل 1 النطاق الأدنى المتوقع (المناطق التي تستمر فيها ذبابة التسي تسي طوال العام) بين عامي 2002 و 2009. لاستعادة قيمة البيانات والحفاظ عليها بفعالية وكفاءة ، نحتاج إلى حل لا يوفر فقط التخزين الفعال واسترجاع البيانات ، ولكنه يسمح أيضًا بإنشاء البيانات الوصفية تلقائيًا.

أقصى مدى لتوزيعات ذبابة التسي تسي التي تنبأ بها نموذج TED بين بداية عام 2002 ونهاية عام 2009. كما هو موضح في DeVisser et al. (2010) ، يستخدم نموذج TED خمسة مشاهد من MODIS للغطاء الأرضي السنوي بطول 1 كم ، و 207 مشاهد من MODIS 250m لفهرس الغطاء النباتي (NDVI) ، و 207 مشاهد من MODIS 1 كم نهارًا / ليلًا درجة حرارة سطح الأرض (LST) المنتجات للتنبؤ الأساسي مكانة تسي تسي في كينيا ، ونموذج حركة الذبابة للتنبؤ بتوزيعات ذبابة التسي تسي أو تحقيق مكانة مناسبة لأنواع ذبابة التسي تسي ذات الأهمية تمت كتابة نموذج TED بلغة البرمجة النصية Python ويتم تشغيله داخل ArcGIS 9.2 (أو الإصدارات الأحدث من ArcGIS). تشمل مجموعات البيانات الأخرى المستخدمة في إنشاء الخريطة ملفات أشكال الطرق الرئيسية / الطرق السريعة / المدن / الأنهار في كينيا ، والمسطحات المائية / البحيرات الكينية ، والحدود السياسية للدولة الأفريقية. لإنشاء خريطة التضاريس الطبوغرافية في الخلفية ، تم استخدام المكوك RADAR Topographic Mission (SRTM) 90 مترًا من نموذج الارتفاع الرقمي (DEM) لإنشاء منتج تظليل شبكي ، وتم دمج مشهد NDVI للموسم الجاف مع SRTM DEM لإنشاء ارتفاع / غطاء نباتي نظام الألوان.

نمتلك 103 مجموعة بيانات مكانية للتقييمات الاجتماعية والاقتصادية والديموغرافية لكينيا بين عامي 1971 و 2008. وقد تم توفير جزء من هذه البيانات من خلال مجموعة البيانات الدولية المتكاملة للاستخدام العام (IPUMS) لكينيا 4 وتنشأ من تعداد كينيا 1989 و 1999 تم جمعها من قبل المكتب الوطني الكيني للإحصاء. بيانات IPUMS هي عينة منهجية من كل عشرين أسرة ، والتي تمثل جزءًا من أخذ العينات بنسبة 5 ٪ وعامل توسع يساوي 20 استبيانًا طويلاً تم تنفيذه لمسح الأفراد داخل الأسر. تقتصر بيانات الموقع لكل فرد على المستجيب & # x02019 المقاطعة والمنطقة ، المستويين الإداري الأول والثاني على التوالي ، من خمسة مستويات محتملة لكل منها بمقياس مكاني أكثر دقة. لا تتوفر البيانات بمقاييس مكانية دقيقة كجزء من مكتب الإحصاء الكيني وجهود # x02019 للحفاظ على الخصوصية. كان التعقيد الإضافي هو التغيير في عدد المقاطعات في كينيا من 42 في عام 1989 إلى 69 مقاطعة في عام 1999 ، ومع ذلك ، تم إجراء هذا التغيير عن طريق تقسيم المقاطعات القائمة مما سمح بإجراء مقارنات تقريبية بين المناطق المرتبطة. توفر عينة IPUMS 97 متغيرًا منزليًا وفردًا ، وأهمها المعلومات الجغرافية (الوضع الحضري-الريفي ، المقاطعة ، المنطقة) ، والمرافق (الكهرباء ، وإمدادات المياه ، ونوع الصرف الصحي ، ونوع وقود الطهي) ، والمسكن (عدد الغرف ، والمرحاض) النوع والأرضية والجدار والسقف). تشمل البيانات الأخرى ذات الصلة المتغيرات الفردية التي تصف وضع الأسرة ، والخصائص الديموغرافية ، والتعليم ، والتوظيف ، والهجرة ، والإعاقة (انظر الجدول 2 للحصول على عينة). هناك ما مجموعه 074،048 إدخالاً فرديًا لتعداد عام 1989 و 1،407،597 لعينات تعداد 1999.

الجدول 2

عينة من مجموعة فرعية من بيانات تعداد كينيا التي نحتفظ بها من التعداد الوطني لعام 1990

cntryعامعينةمسلسلالأشخاصمعفرعيgqفككأوبرانبروفكيdistkeownrshpdإلكترك
1404198940411000420.0000261002110102162
2404198940411000420.0000261002110102162
3404198940411000420.0000261002110102162
4404198940411000420.0000261002110102162
5404198940412000120.0000761002110102161
6404198940413000420.000021002110102161
7404198940413000420.000021002110102161
8404198940413000420.000021002110102161
9404198940413000420.000021002110102161
10404198940414000120.0000921002110101402
11404198940415000120.0000811002110102161
124041989404160001220.000051002110102161
134041989404160001220.000051002110102161
144041989404160001220.000051002110102161

غالبًا ما تتعارض القرارات المتعلقة بإدارة البيانات أثناء البحث التعاوني ، مما يؤدي إلى عدم وجود استراتيجية متماسكة لإدارة البيانات وعدم القدرة على مشاركة هذه البيانات بشكل فعال. بينما يتمتع زملاؤنا في كينيا بالمهارات التكنولوجية للعمل مع البيانات المكانية ، فإن شبكة الاتصالات السلكية واللاسلكية غير كافية لتوفير النطاق الترددي الضروري أو الموثوقية للحصول على البيانات عبر النقل المباشر عبر بروتوكول نقل الملفات أو بروتوكول آخر مشابه. للتغلب على هذه المشكلة على المدى القصير ، من الضروري بالنسبة لنا أن نحمل البيانات إلى الدولة على وسائط مادية ، وأن تكون مصحوبة بنظام إدارة البيانات الذي يمكن أن يسهل التفاعل مع الكمية الكبيرة من البيانات. وبالتالي ، تعد الكفاءة وإمكانية النقل من الاهتمامات الهامة.


26 أكتوبر 2017

المؤتمر الإلكتروني الدولي الثاني للاستشعار عن بعد & # 8211 22 مارس & # 8211 5 أبريل 2018

يسعدنا أن نعلن أن المؤتمر الإلكتروني الدولي الثاني للاستشعار عن بعد (ECRS-2) سيعقد عبر الإنترنت في الفترة ما بين 22 مارس و 5 أبريل 2018.

اليوم ، تم التعرف على الاستشعار عن بعد كأداة مهمة لرصد كوكبنا وتقييم حالة بيئتنا. من خلال توفير ثروة من المعلومات التي تُستخدم لاتخاذ قرارات سليمة بشأن القضايا الرئيسية للإنسانية مثل تغير المناخ ومراقبة الموارد الطبيعية وإدارة الكوارث ، فإنها تغير عالمنا وتؤثر على طريقة تفكيرنا.

ومع ذلك ، فمن الملهم للغاية أننا ما زلنا نشهد نموًا مستمرًا للتطبيقات والمنتجات والخدمات الجديدة المذهلة في مختلف المجالات (مثل علم الآثار والزراعة والغابات والبيئة وتغير المناخ والمخاطر الطبيعية والبشرية والطقس والجيولوجيا والتنوع البيولوجي والسواحل والمحيطات ورسم الخرائط الطبوغرافية والأمن القومي والمساعدات الإنسانية) التي تستند إلى استخدام بيانات الأقمار الصناعية وغيرها من بيانات الاستشعار عن بعد. يمكن أن يُعزى هذا النمو إلى ما يلي: عدد كبير (أكبر من أي وقت مضى) من الأنظمة الأساسية المتاحة للحصول على البيانات ، وأجهزة الاستشعار الجديدة ذات الخصائص المحسنة ، والتقدم في تكنولوجيا الكمبيوتر (الأجهزة ، والبرمجيات) ، وتقنيات تحليل البيانات المتقدمة ، والوصول إلى أحجام ضخمة بيانات الاستشعار عن بعد المجانية والتجارية والمنتجات ذات الصلة.

بعد نجاح المؤتمر الإلكتروني الدولي الأول للاستشعار عن بعد (http://sciforum.net/conference/ecrs-1) ، يهدف ECRS-2 إلى تغطية جميع التطورات والتطورات الأخيرة المتعلقة بهذا المجال المثير والمتغير بسرعة ، بما في ذلك الابتكار التطبيقات والاستخدامات.

نحن على ثقة من أن المشاركين في هذا الحدث الفريد متعدد التخصصات ستتاح لهم الفرصة للمشاركة في المناقشات حول الجوانب النظرية والتطبيقية للاستشعار عن بعد والتي ستساهم في تشكيل مستقبل هذا التخصص.

يتم استضافة ECRS-2 (http://sciforum.net/conference/ecrs-2) على sciforum ، وهي المنصة التي طورتها MDPI لتنظيم المؤتمرات الإلكترونية ومجموعات المناقشة ، وهي مدعومة من قبل رؤساء الأقسام ولجنة علمية مكونة من شخصيات مرموقة خبراء من الأوساط الأكاديمية.

وتجدر الإشارة إلى أنه لا توجد تكلفة للمشاركة النشطة وحضور هذا المؤتمر الافتراضي. يتم تشجيع الخبراء من مختلف أنحاء العالم على تقديم أعمالهم واغتنام الفرصة الاستثنائية لعرضها على مجتمع الاستشعار عن بعد.

لدي وجهة نظر أقل سخاءً للاستشعار عن بُعد ، حيث أرى أنه يستخدم لمزيد من استغلال / تدهور البيئة ، والتلاعب بالعمليات التنظيمية ، وإلحاق الضرر بشكل عام بمن ليس لديهم مهارة في استخدامه.

إن إدراك آخر التطورات في مجال الاستشعار عن بعد هو الخطوة الأولى نحو تطوير قدرتك على طرح الأسئلة والدفاع عنها وحتى استخدامها لغاياتك الخاصة.

ECRS-2 (http://sciforum.net/conference/ecrs-2) هي فرصة عظيمة لتثقيف نفسك حول الاستشعار عن بعد. يتمتع!

بينما تفتقر المؤتمرات الإلكترونية إلى الطابع الاجتماعي الفوري للتجمعات المادية ، يتساءل المرء عن سبب عدم وجود المزيد من تقنيات البيانات & # 8217t عقد مؤتمرات إلكترونية؟ أفكار؟


يدعم BigQuery Standard SQL الآن العبارات التالية لإنشاء مجموعات البيانات وتكوينها وحذفها:

يدعم SQL القياسي في BigQuery الآن عامل التشغيل TABLESAMPLE ، والذي يتيح لك الاستعلام عن مجموعات فرعية عشوائية من البيانات من جداول BigQuery الكبيرة. لمزيد من المعلومات ، راجع أخذ العينات الجدول. هذه الميزة في المعاينة.

يدعم BigQuery Standard SQL الآن وظائف JSON التالية:

تتوفر الآن طرق عرض INFORMATION_SCHEMA لأقسام الجدول. هذه الميزة في المعاينة.

تتضمن طريقة العرض INFORMATION_SCHEMA.TABLES الآن عمود DDL الذي يمكن استخدامه لإعادة إنشاء الجدول. هذه الميزة في المعاينة.

يتوفر الدعم للنوع BigNumeric في BigQuery القياسي SQL الآن بشكل عام (GA).


الملفات

الملفات الجديدة موجودة في E: projects agglomeration

  • agglomeration.sql - ملف SQL رئيسي جديد لـ vcdb3
  • AgglomerationVcdb4.sql - أحدث ملف SQL رئيسي لـ vcdb4

محتويات الدليل الفرعي للكود القديم:

  • Agglomeration.SQL - كان هذا هو رمز الاستبدال الذي تم تشغيله عند إنشاء vcdb3. كان علينا العمل من خلالها لتحديث التهم. جاء من E: projects vcdb3 OriginalSQL Agglomeration.SQL
  • Agglomeration.sql - إصدار قديم يصنع بيانات Colevel لبرنامج نصي من Python. جاء من E: mcnair Projects Agglomeration
  • Analysis.sql - الإصدار القديم يبني من HCL إلى الأمام. جاء من E: mcnair Projects Agglomeration

الجدول التالي يصف المعلمات.

معامل وصف
اسم الاسم المخصص للاتصال.
سائق سائق الاتصال. اضبط هذه المعلمة على PostGIS.
الخادم عنوان IP لقاعدة البيانات أو نقطة نهاية الشبكة العامة لـ ApsaraDB لخدمة قاعدة البيانات العلائقية (RDS) أو مثيل PolarDB. يمكنك الحصول على نقطة النهاية من وحدة تحكم Alibaba Cloud.
ميناء رقم منفذ قاعدة البيانات. يمكنك الحصول على رقم المنفذ من وحدة تحكم Alibaba Cloud.
قاعدة البيانات اسم قاعدة البيانات المراد توصيلها.
المستعمل اسم المستخدم المستخدم لتسجيل الدخول إلى قاعدة البيانات.
كلمه السر كلمة المرور المستخدمة لتسجيل الدخول إلى قاعدة البيانات.


الجدول التالي يصف المعلمات.

معامل وصف
اسم الاسم المخصص للاتصال.
سائق سائق الاتصال. اضبط هذه المعلمة على PostGIS.
الخادم عنوان IP لقاعدة البيانات أو نقطة نهاية الشبكة العامة لـ ApsaraDB لخدمة قاعدة البيانات العلائقية (RDS) أو مثيل PolarDB. يمكنك الحصول على نقطة النهاية من وحدة تحكم Alibaba Cloud.
ميناء رقم منفذ قاعدة البيانات. يمكنك الحصول على رقم المنفذ من وحدة تحكم Alibaba Cloud.
قاعدة البيانات اسم قاعدة البيانات المراد توصيلها.
المستعمل اسم المستخدم المستخدم لتسجيل الدخول إلى قاعدة البيانات.
كلمه السر كلمة المرور المستخدمة لتسجيل الدخول إلى قاعدة البيانات.


Request failed with status 400 due to invalid cookie domain: Cookie 'domain' mismatch

I have removed node modules and restarted system ,installled again .Still facing issue.These step worked for me earlier but not now.Below are the versions of packages I am using.Chrome version on my system is 91.0.4472.114

── @babel/[email protected] ├── @babel/[email protected] ├── @babel/[email protected] ├── @babel/[email protected] ├── @wdio/[email protected] ├── @wdio/[email protected] ├── @wdio/[email protected] ├── @wdio/[email protected] ├── @wdio/[email protected] ├── @wdio/[email protected] ├── @wdio/[email protected] ├── @wdio/[email protected] ├── [email protected] ├── [email protected] ├── [email protected] ├── [email protected] ├── [email protected] ├── [email protected] ├── [email protected] ├── [email protected] ├── [email protected] ├── [email protected] ├── [email protected] ├── [email protected] ├── [email protected] ├── [email protected] ├── [email protected] └── [email protected]


شاهد الفيديو: 08 Convex Hulls - Divide and Conquer