Daha çox

ArcGIS 10.1-də bir rasterdə təsnifat tipinə görə hüceyrələrin ümumi miqdarı necə əldə edilir?


Bu su hövzəsi üçün nəzarətli bir təsnifat etdim. Atribut cədvəlində hər bir təsnifat üçün xananın ümumi sayının sayı yoxdur. 'Uzun' tipli 'Say' başlıqlı bir sahə yaratdım, ancaq onu necə dolduracağımı düşünmədim. Fotoşəkil nə etməyə çalışdığımı daha yaxşı təsvir etmək üçündür.

-ArcGIS 10.1 istifadə

-Çox bantlı Landsat7 şəkillərində aparılmış təsnifat. Bilmirəm niyə masada qırmızı, yaşıl və mavi sütun var


Orijinal rasterinizin niyə əhalinin sayılma sahəsinə malik olmadığını izah edə bilmirəm - bunun tam olaraq rasterlər üçün standart olaraq göründüyünü düşünürdüm.

Hər halda, bu dəyərləri əldə edə bilərsiniz:

  1. İnt istifadə edərək orijinaldan yeni bir tam raster yaradın. Bu, dəyər və say sahələri ilə rasterin bir nüsxəsini yaradacaqdır.
  2. Hər birindəki dəyər sahələri əsasında yeni rasteri yenidən orijinal rasterə qoşun.

Raster verilənlər bazası atribut cədvəlləri

Atribut cədvəllərini ehtiva edən raster məlumat dəstləri, adətən bir sinfi, qrupu, kateqoriyanı və ya üzvlüyü təmsil edən və ya təyin edən hüceyrə dəyərlərinə malikdir. Məsələn, peyk şəkli, torpaqdan istifadəni təyin edən bir raster verilənlər bazası yaratmaq üçün bir təsnifat analizindən keçmiş ola bilər. Torpaq istifadə təsnifatındakı bəzi siniflər meşə, sulak, əkinçilik və şəhər ola bilər. Aşağıdakı rəqəmlər, raster verilənlər bazasında hansı hüceyrə dəyərinin torpaq istifadəsini təyin edəcəyini göstərə bilər:

Bir raster atribut cədvəli quraraq, bu cədvəlin atribut məlumatlarını bu təsnif edilmiş raster verilənlər bazası ilə saxlaya və həmçinin orada saxlanacaq əlavə sahələri təyin edə bilərsiniz. Məsələn, bu siniflərlə əlaqəli xüsusi kodlar və ya bu siniflərin təmsil etdiklərinin daha da təsviri ola bilər. Cədvəldəki məlumatlar üzərində hesablamalar aparmaq istəyə bilərsiniz. Məsələn, hər bir hüceyrənin təmsil etdiyi sahəyə vurulan hüceyrələrin sayını hesablayaraq bu siniflərin təmsil etdiyi ümumi sahənin qeydlərini aparmaq istəyə bilərsiniz. Raster atribut cədvəlini digər cədvəllərə qoşula bilərsiniz.

Aşağıdakı qrafik atribut cədvəli olan bir raster verilənlər bazasını göstərir. Rastr atribut cədvəlində NoData dəyərlərinin hesablanmadığını görə bilərsiniz. Varsayılan olaraq hesablanan üç sütunu görə bilərsiniz, digər sütunlar ayrıca və ya birləşdirmə əməliyyatı istifadə edərək əlavə edilə bilər.

Bir raster atribut cədvəli yaradıldıqda, cədvəldə üç defolt sahə yaradılmışdır: OID, VALUE və COUNT. Bu sahələrdəki məzmunu düzəltmək mümkün deyil. ObjectID (OID) cədvəldəki hər satır üçün bənzərsiz, sistem tərəfindən təyin edilmiş, obyekt identifikator nömrəsidir. VALUE, raster məlumat dəstlərindəki hər bir unikal hüceyrə dəyərinin siyahısıdır (şəbəkədə, bu bir tamdır). COUNT, VALUE sütunundakı xana dəyəri olan raster verilənlər dəstindəki hüceyrələrin sayını əks etdirir. NoData ilə təmsil olunan hüceyrə dəyərləri raster atribut cədvəlində hesablanmır.

Bir geodatabase xaricində, bir fayl əsaslı raster verilənlər bazası üçün, raster atribut cədvəli, eyni qovluqda və ya raster ilə eyni adda istifadə edərək və .vat.dbf uzantısını əlavə edərək, raster ilə eyni qovluq səviyyəsində qeyd olunur. Məsələn, raster SanDiego.tif üçün raster atribut cədvəli SanDiego.tif.vat.dbf olacaqdır. Bir geodatabase daxilində raster atribut cədvəli raster verilənlər bazasında saxlanılır və istifadəçidən gizlədilir. Bir şəbəkə daxilində, raster atribut cədvəli, grid qovluğunun içərisində bir vat.sdf faylı olaraq qeyd olunur.

Izgaralar üçün, rasterdəki dəyərlər diapazonu 100,000-dən az olduqda və ya rasterdəki unikal dəyərlərin sayı 500-dən az olduqda bir ifadə ilə nəticələnən hər hansı bir tam şəbəkə üçün raster atribut cədvəli qurulur. 100.000-dən azdır, rasterdəki unikal dəyərlərin sayı 100.000-ə qədər ola bilər. Aralıq 100.000-dən böyükdürsə, unikal dəyərlərin sayı 500-dən az olduqda, hələ də bir raster atribut cədvəli yaradılacaqdır. Dəyərlər diapazonu 100.000-dən çox və unikal dəyərlərin sayı 500-dən çox olarsa, bir raster atributu masa avtomatik olaraq qurulmur.

Varsayılan olaraq, bir raster atribut cədvəlinin ölçüsü 65.535 unikal dəyərlə məhdudlaşır. Rastr nişanındakı Raster Attribute Table nişanını vuraraq Seçimlər informasiya qutusunda bu rəqəmi artıra bilərsiniz.

Bir raster atribut cədvəli ilə bir raster verilənlər bazasının surətini çıxararsanız, kopyalanan raster verilənlər bazasında raster atribut cədvəli saxlanılır. Buna görə bir atribut cədvəli olan bir şəbəkəni kopyalayırsınızsa, .img faylı kimi yeni raster verilənlər bazasına kopyalanacaqdır.

ArcCatalogda önizləmə və ArcMap-da redaktə etmək kimi adi cədvəllərə bənzər bir raster atribut cədvəlləri ilə işləyə bilərsiniz. Digər cədvəlləri onlara qoşa, sahələri hesablaya, sahələri sıralaya və ixrac edə bilərsiniz.


Görüntü qatının müəyyən etdiyi bir server tərəfindəki raster funksiyası şablonunu tətbiq edir (şəkil xidməti) Rastr funksiyası şablonunun adı görüntü qatının xassələrində mövcuddur.rasterFunctionInfos.

Funksiya arqumentləri isteğe bağlı arqument adlarıdır və standart dəyərlər raster funksiyası şablonunun müəllifi tərəfindən yaradılır və API vasitəsilə bilinmir. Bir müştəri sadəcə raster funksiyası şablonunun adını təmin edə bilər və ya istəyə görə, standart dəyərlərin üzərinə yazmaq üçün arqumentlər təqdim edə bilər. Server tərəfində raster funksiyası şablonlarının hazırlanması barədə daha çox məlumat üçün & lta href = ”http://server.arcgis.com/en/server/latest/publish-services/windows/server-side-raster-functions.htm” & gtServer - raster funksiyaları & lt / a & gt.

raster - giriş raster və ya görüntü qat

fn_name - server tərəfində raster funksiyası şablonunun adı, Təsəvvür qatına baxın.rasterFunctionInfos

kwargs - tip daxil olmaqla raster funksiyası şablonunun standart dəyərlərini ləğv etmək üçün açar söz arqumentləri


Sintaksis

Analiz pəncərəsindəki hər bir hüceyrə üçün statistik hesablanacaq giriş rastrlarının siyahısı.

Bir nömrə giriş olaraq istifadə edilə bilər, ancaq hüceyrə ölçüsü və dərəcəsi əvvəlcə mühitdə təyin olunmalıdır.

Hesablanacaq statistik tip.

  • MEAN - Girişlərin orta (orta) hesablayır.
  • ÇOXLUQ - Girişlərin əksəriyyətini (ən çox meydana gələn dəyər) təyin edir.
  • MAKSİMUM - Girişlərin maksimumunu (ən böyük dəyəri) müəyyənləşdirir.
  • MEDIAN - Girişlərin orta hesablayır.
  • MİNİMUM - Girişlərin minimum (ən kiçik dəyəri) təyin edir.
  • KİÇİKLİK - Girişlərin azlığını (ən az baş verən dəyər) təyin edir.
  • RANGE - Girişlərin aralığını (ən böyük və ən kiçik dəyər arasındakı fərq) hesablayır.
  • STD - Girişlərin standart sapmasını hesablayır.
  • SUM - Girişlərin cəmini (bütün dəyərlərin cəmi) hesablayır.
  • VARIETY - Girişlərin müxtəlifliyini (unikal dəyərlərin sayını) hesablayır.

Varsayılan statistik növü Ortadır.

NoData dəyərlərinin statistik hesablama ilə laqeyd edilməməsini bildirir.

  • VERİ - Statistik dəyərin müəyyənləşdirilməsində yalnız məlumat dəyərləri olan hüceyrələrdən istifadə ediləcək, əgər müəyyən bir yerdə NoData dəyəri varsa, NoData dəyəri nəzərə alınmayacaq. Çıxışı təyin edərkən yalnız məlumat dəyərlərinə sahib olan hüceyrələrdən istifadə ediləcəkdir. Bu, standartdır.
  • NODATA - Statistikanın təyin edilməsində NoData dəyəri olanlar da daxil olmaqla hər yerdəki bütün giriş hüceyrələrindən istifadə ediləcəkdir.

Qaytarma Dəyəri

Qiymət göstərilən statistik tipi giriş rasterlərinə tətbiq etməklə müəyyən edilir.


___

ArgMax metodunda, hər bir giriş rasterindəki bütün raster zolaqlara, aşağıdakı cədvəldə göstərildiyi kimi əvvəlcə giriş raster indeksi ilə, sonra isə hər bir giriş rasterindəki nisbi zəncir sırası ilə sifariş olunan 0 əsaslı artımlı zolaq indeksi verilir. .

rasters - bənd, məkan və müvəqqəti filtrlər tərəfindən süzülmüş görüntü qatları

təyin olunmamış_sınıf - int, tələb olunur

ona tətbiq olunan bu funksiya ilə çıxış rasteri


Mündəricat

"Coğrafi informasiya sistemi" ifadəsi, Roger Tomlinson tərəfindən 1963-cü ildə "Regional Planlama üçün Coğrafi İnformasiya Sistemi" adlı elmi məqaləsini dərc edərkən işlədilmişdir. [5] "CİS-in atası" kimi qəbul edilən Tomlinson, [6], 1963-cü ildə Kanada Coğrafi İnformasiya Sistemindəki işləri sayəsində ilk kompüterləşdirilmiş-CİS-in yaradılmasına imkan vermiş sayılır. Nəticədə Tomlinson bir verilənlər bazası üçün bir çərçivə yaratdı. Kanada hökumətinin Milli Torpaqdan İstifadə İdarəetmə Proqramını həyata keçirməsinə gətirib çıxaran çox sayda məlumatı saxlayaraq analiz edə bildi. [7] [6]

Mekansal analizin tətbiq olunduğu ilk bilinən hallardan biri, "Rapport sur la marche et les effets du choléra dans Paris et le département de la Seine" (1832) bölməsində epidemiologiya sahəsindən gəldi. [8] Fransız coğrafiyaşünas və kartoqraf Çarlz Piket, hər 1000 sakinə düşən vəba səbəbiylə bildirilən ölümlərin sayını əyani şəkildə göstərmək üçün yarım ton rəng qradiyentlərindən istifadə edərək Parisdəki qırx səkkiz bölgəni əks etdirən bir xəritə yaratdı.

Epidemioloq və həkim John Snow 1854-cü ildə, məkan analizindən istifadə edərək Londonda vəba epidemiyasının mənbəyini təyin edə bildi. Qar buna hər bir zərər çəkmiş şəxsin yaşadığı ərazinin xəritəsində, eləcə də yaxınlıqdakı su mənbələrini çəkməklə nail oldu. Bu nöqtələr qeyd olunduqdan sonra, o, epidemiyanın baş verməsinə cavabdeh olan su mənbəyini müəyyənləşdirə bildi. Bu, epidemiologiyada bir başlanğıc mənbəyini dəqiq müəyyənləşdirmək üçün bir coğrafi metodologiyanın ilk uğurlu istifadələrindən biri idi. Topoqrafiyanın və temanın əsas elementləri əvvəllər kartoqrafiyada mövcud olduğu halda, Snow-un xəritəsi yalnız təsvir etmək üçün deyil, həm də coğrafi baxımdan asılı hadisələrin qruplarını analiz etmək üçün kartoqrafik metodlardan istifadə etdiyi üçün unikal idi.

20-ci əsrin əvvəllərində fotozinkoqrafiyanın inkişafı görüldü və bu da xəritələrin təbəqələrə bölünməsinə imkan verdi, məsələn bitki örtüyü üçün bir təbəqə, su üçün digər təbəqə. Bu, xüsusilə konturların çapı üçün istifadə olunurdu - bunların çəkilməsi çox zəhmət tələb edən bir iş idi, lakin ayrıca bir qat üzərində olması, digər sənətkarları qarışdırmaq üçün digər qat olmadan işlənə biləcəyini ifadə etdi. Bu iş əvvəlcə şüşə lövhələrdə çəkilmişdi, lakin daha sonra plastik film təqdim olundu, üstünlükləri daha yüngül, daha az saxlama yerindən istifadə etmək və daha az kövrək olmaq kimi. Bütün təbəqələr bitdikdən sonra, böyük bir iş kamerası istifadə edərək bir görüntüyə birləşdirildi. Rəngli çap gəldikdən sonra təbəqələr fikri hər rəng üçün ayrıca çap plitələri yaratmaq üçün də istifadə edilmişdir. Qatların istifadəsi daha sonra çağdaş bir CİS-in əsas tipik xüsusiyyətlərindən biri halına gəlsə də, yeni təsvir olunan fotoqrafiya prosesi özü-özlüyündə bir CİS hesab edilmir - xəritələr sadəcə onları bağlaya bilən verilənlər bazası olmayan şəkillərdir.

CİS-in ilk günlərində iki əlavə inkişaf diqqət çəkir: Ian McHarg-ın nəşri "Təbiətlə dizayn " [9] və xəritələrin üst-üstə qoyulması metodu və bir küçə şəbəkəsinin ABŞ Sayım Bürosunun DIME (Dual Independent Map Encoding) sisteminə tətbiqi. [10]

Nüvə silahı araşdırmalarından qaynaqlanan kompüter avadanlığının inkişafı 1960-cı illərin əvvəllərində ümumi təyinatlı kompüter "xəritələşdirmə" tətbiqetmələrinə səbəb oldu. [11]

1960-cı ildə dünyanın ilk həqiqi əməliyyat CİSi Federal Meşə və Kənd İnkişafı Departamenti tərəfindən Ontario, Kanadanın Ottawa şəhərində hazırlanmışdır. Dr Roger Tomlinson tərəfindən hazırlanan Kanada Coğrafi İnformasiya Sistemi (CGIS) adlandı və Kanada Torpaq Envanteri üçün toplanan məlumatların saxlanılması, təhlili və manipulyasiyası üçün istifadə edildi - bu barədə məlumatları xəritəyə salmaqla Kanada kəndləri üçün ərazi qabiliyyətini müəyyənləşdirmək üçün bir səy göstərildi. torpaqlar, əkinçilik, istirahət, vəhşi həyat, su quşları, meşə təsərrüfatı və torpaq istifadəsi 1: 50,000 miqyasında. İcazə analizinə reytinq təsnifatı faktoru da əlavə edildi.

CGIS, üst üstə qoyma, ölçmə və rəqəmsallaşdırma / tarama üçün imkanlar təmin etdiyi üçün "kompüter xəritəsi" tətbiqetmələrində bir inkişaf oldu. Qitəni əhatə edən milli bir koordinat sistemini, həqiqi yerləşmiş topologiyaya sahib yay kimi kodlanmış xətləri dəstəklədi və atribut və yer məlumatlarını ayrı sənədlərdə saxladı. Bunun nəticəsi olaraq, Tomlinson, xüsusən də yaxınlaşan coğrafi məlumatların məkan təhlilini təbliğ etmək üçün üst-üstə qoymalarından istifadə etdiyi üçün "CİS-in atası" kimi tanındı. [12]

CGIS 1990-cı illərdə davam etdi və Kanadada böyük bir rəqəmsal torpaq mənbələri bazası qurdu. Federal və əyalət resurslarının planlaşdırılması və idarə edilməsinə dəstək olaraq əsas mərkəzə əsaslanan bir sistem kimi inkişaf etdirilmişdir. Güclü qrafik məlumatlarının qitə səviyyəsində təhlili idi. CGIS heç vaxt ticari olaraq mövcud deyildi.

1964-cü ildə Howard T. Fisher, Harvard Lisansüstü Dizayn Məktəbində (LCGSA 1965-1991) Kompüter Qrafika və Məkan Təhlili Laboratoriyasını qurdu, burada məkan məlumatlarının işlənməsində bir sıra mühüm nəzəri konsepsiyaların hazırlandığı və 1970-ci illərdə paylandığı bildirildi. SYMAP, GRID və ODYSSEY kimi seminal proqram kodu və sistemləri - sonrakı ticari inkişaf üçün mənbələr rolunu oynayan universitetlər, tədqiqat mərkəzləri və şirkətlər. [13]

1970-ci illərin sonlarına qədər iki ictimai GIS sistemi (MOSS və GRASS GIS) inkişaf mərhələsində idi və 1980-ci illərin əvvəllərində M & ampS Computing (daha sonra İnterqraf) və CAD platforması üçün Bentley Systems Incorporated, Ətraf Sistemləri Araşdırma İnstitutu (ESRI), CARIS (Kompüter Dəstəkli Resurs Məlumat Sistemi), MapInfo Corporation və ERDAS (Earth Resource Data Analysis System) bir çox CGIS xüsusiyyətlərini uğurla özündə cəmləşdirərək, məkan və atribut məlumatlarının ayrılmasına birinci nəsil yanaşmanı bir araya gətirərək CİS proqram təminatçısı kimi meydana çıxdı. atribut məlumatlarını verilənlər bazası strukturlarına təşkil etməyə nəsil yanaşma. [14]

1986-cı ildə Xəritəçəkmə Göstərmə və Analiz Sistemi (MIDAS), ilk masa üstü GIS məhsulu [15] DOS əməliyyat sistemi üçün buraxıldı. 1990-cı ildə Microsoft Windows platformasına köçürüldükdə Windows üçün MapInfo olaraq dəyişdirildi. Bu, GIS-in tədqiqat şöbəsindən iş mühitinə keçməsi prosesinə başladı.

20-ci əsrin sonlarına qədər müxtəlif sistemlərdəki sürətli böyümə nisbətən az sayda platformada birləşdirildi və standartlaşdırıldı və istifadəçilər məlumat formatı və ötürmə standartlarına ehtiyac duyan CBS məlumatlarını İnternet üzərindən izləməyə başladılar. Son zamanlarda, bir sıra əməliyyat sistemlərində işləyən çox sayda pulsuz, açıq mənbəli CİS paketləri və xüsusi tapşırıqları yerinə yetirmək üçün uyğunlaşdırıla bilər. Getdikcə daha çox yerleşim məlumatları və xəritələşdirmə tətbiqləri Ümumdünya Şəbəkəsi vasitəsi ilə istifadəyə verilir (bax CİS proqram təminatı siyahısı § GIS bir xidmət olaraq). [16]

Müasir CİS texnologiyaları müxtəlif rəqəmsal məlumatların yaradılması metodlarından istifadə olunan rəqəmsal məlumatdan istifadə edir. Məlumatların yaradılmasında ən yaygın metod rəqəmləşdirmədir, burada bir sənəd şəklində xəritənin və ya sorğu planının bir CAD proqramı və coğrafi istinad imkanları istifadə edilərək rəqəmsal mühitə köçürülür. Orto-düzəldilmiş görüntülərin (peyklərdən, təyyarələrdən, Helikitlərdən və PUA-lardan) geniş mövcudluğu ilə baş-başa rəqəmsallaşdırma coğrafi məlumatların çıxarıldığı əsas prospektə çevrilir. Başı yuxarı rəqəmsallaşdırma, coğrafi formanı ayrı bir rəqəmsallaşdırma tabletində izləmək üçün ənənəvi metod əvəzinə birbaşa hava görüntülərinin üstündə coğrafi məlumatların izlənməsini əhatə edir (başlar aşağı rəqəmsallaşdırma). Başdan aşağı rəqəmsallaşdırma və ya əl ilə rəqəmsallaşdırma, eyni, rəqəmsal xəritə yaratmaq üçün məlumatları kompüterə qidalandıran xüsusi bir maqnit qələm və ya qələm istifadə edir. Bəzi tabletlər qələm yerinə bir disk deyilən siçan kimi bir vasitə istifadə edir. [17] [18] Diskdə xırda tüklü kiçik bir pəncərə var ki, bu da daha dəqiq və dəqiq müəyyənləşdirilən xəritə xüsusiyyətlərinə imkan verir. Rəqəmsal rəqəmləşdirmə daha çox istifadə olunsa da, aşağıdan rəqəmləşdirmə hələ keyfiyyətsiz xəritələrin rəqəmləşdirilməsi üçün faydalıdır. [18]

Geoprosessinq məkan məlumatlarını manipulyasiya etmək üçün istifadə olunan CİS əməliyyatdır. Tipik bir geoprosessinq əməliyyatı giriş məlumat dəsti götürür, həmin verilənlər bazasında bir əməliyyat həyata keçirir və əməliyyatın nəticəsini çıxış məlumat dəsti kimi qaytarır. Ümumi geoprosessinq əməliyyatları coğrafi xüsusiyyət örtüyü, xüsusiyyət seçimi və təhlili, topoloji işləmə, raster işləmə və məlumatların çevrilməsini əhatə edir. Geoprosessinq qərar qəbul etmək üçün istifadə olunan məlumatların tərifinə, idarə olunmasına və analizinə imkan verir. [19]

Fərqli mənbələrdən məlumatları əlaqələndirin

CİS bütün digər məlumatlar üçün əsas indeks dəyişkənliyi kimi məkan-müvəqqəti (yer-zaman) yerdən istifadə edir. Mətn və ya rəqəmləri ehtiva edən bir əlaqəli verilənlər bazası ümumi açar göstərici dəyişkənlərindən istifadə edərək bir çox fərqli cədvəllə əlaqələndirə bildiyi kimi, GIS də əsas göstərici dəyişən olaraq yeri istifadə edərək başqa əlaqəli olmayan məlumatları əlaqələndirə bilər. Əsas yer və zamanın məkan və / və ya dərəcəsidir.

Məkan baxımından və getdikcə daha da müvəqqəti olaraq yerləşə bilən hər hansı bir dəyişənə bir CBS istifadə edərək istinad edilə bilər. Yer fəzasındakı yerlər və ya genişliklər meydana gəlmə tarixləri / saatları və sırasıyla uzunluğu, enliyi və yüksəkliyi təmsil edən x, y və z koordinatları kimi qeyd edilə bilər. Bu GIS koordinatları digər miqyaslı müvəqqəti-məkan referans sistemlərini təmsil edə bilər (məsələn, film çərçivəsi nömrəsi, axın ölçmə stansiyası, magistral mile-marker, sörveyer etalonu, bina ünvanı, küçə kəsişməsi, giriş qapısı, suyun dərinliyi səsləndirmə, POS və ya CAD təsviri mənşə / vahid). Qeydə alınan müvəqqəti-məkan məlumatlarına tətbiq olunan vahidlər geniş şəkildə dəyişə bilər (eyni məlumatları istifadə edərkən belə, xəritənin proqnozlarına baxın), lakin bütün Yer əsaslı məkan-müvəqqəti məkan və miqyaslı istinadlar, ideal olaraq, bir-biri ilə və nəticədə bir "real" fiziki yerləşmə və ya kosmosda zaman dərəcəsi.

Dəqiq məkan məlumatları ilə əlaqəli, inanılmaz bir real dünya və proqnozlaşdırılan keçmiş və gələcək məlumatlar təhlil edilə, şərh edilə və təmsil edilə bilər. [20] CİS-in bu əsas xüsusiyyəti, əvvəllər sistematik olaraq əlaqəli olmayan davranışlar və real dünya məlumatlarının nümunələri haqqında yeni elmi araşdırma yolları açmağa başlamışdır.

CİS qeyri-müəyyənliklərini düzəldin

CİS dəqiqliyi mənbə məlumatlarına və istinad olunan məlumatların necə kodlandığına bağlıdır. Torpaq tədqiqatçıları GPS-dən əldə edilmiş mövqelərdən istifadə edərək yüksək səviyyədə dəqiqlik təmin edə bildilər. [21] Yüksək çözünürlüklü rəqəmsal ərazi və hava görüntüləri, [22] güclü kompüterlər və Veb texnologiyası CİS-in cəmiyyətə geniş miqyasda xidmət göstərməsinin keyfiyyətini, faydalılığını və gözləntilərini dəyişdirir, lakin bununla birlikdə ümumi CİS-i təsir edən digər mənbələr də mövcuddur. Kağız xəritələr kimi dəqiqlik, lakin bunlar istənilən dəqiqliyi əldə etmək üçün məhdud istifadə ola bilər.

Bir CBS üçün rəqəmsal bir topoqrafik məlumat bazası hazırlanarkən, topoqrafik xəritələr əsas mənbəyidir və hava fotoqrafiyası və peyk görüntüləri məlumat toplamaq və miqyaslı bir yerin faksimilinin üstündə təbəqələrə uyğunlaşdırıla bilən atributları müəyyənləşdirmək üçün əlavə mənbələrdir. Xəritənin miqyası və coğrafi göstərmə sahəsinin təqdimetmə növü və ya xəritə proyeksiyası çox vacib cəhətlərdir, çünki məlumat məzmunu əsasən xəritənin təsvirlərinin miqyaslı dəsti və nəticədə yerləşməsindən asılıdır. Bir xəritəni rəqəmsallaşdırmaq üçün xəritə nəzəri ölçülər daxilində yoxlanmalı, sonra raster formatında skan edilməli və nəticədə raster məlumatlarına georeferans kimi tanınan bir rezin örtük / əyilmə texnologiyası prosesi ilə nəzəri bir ölçü verilməlidir.

Xəritələrin kəmiyyət təhlili dəqiqlik məsələlərini diqqət mərkəzinə gətirir. CİS üçün ölçmə aparmaq üçün istifadə olunan elektron və digər avadanlıqlar ənənəvi xəritə analiz maşınlarından daha dəqiqdir. Bütün coğrafi məlumatlar mahiyyətcə səhvdir və bu səhvlər CİS əməliyyatları ilə proqnozlaşdırılması çətin olan yollarla yayılacaqdır. [23]

Məlumat təqdimatı Redaktə edin

CİS məlumatları qarışığı təyin edən rəqəmsal məlumatlarla həqiqi obyektləri (yollar, torpaq istifadəsi, yüksəklik, ağaclar, su yolları və s.) Təmsil edir. Həqiqi obyektlər iki abstrakta bölünə bilər: ayrı obyektlər (məsələn, bir ev) və davamlı sahələr (yağış miqdarı və ya yüksəkliklər kimi). Ənənəvi olaraq, məlumatların CBS-də saxlanılması üçün istifadə olunan iki geniş metod mövcuddur: hər iki növ abstraktsiyanın eşleme referansı üçün: raster şəkillər və vektor. Nöqtələr, xətlər və çoxbucaqlar eşlenen yer atributu istinadlarının vektor məlumatlarını təmsil edir.

Məlumatların saxlanılmasının yeni bir hibrid üsulu, üç ölçülü nöqtələri hər nöqtədə RGB məlumatları ilə birləşdirən və "3B rəngli görüntü" qaytaran nöqtə buludlarını təyin etməkdir. GIS tematik xəritələri daha sonra göstərmək və müəyyənləşdirmək istədiklərini daha çox vizual olaraq təsvir edən hala gəlir.

Formalı sənədlər kimi populyar CİS formatlarının siyahısı üçün GIS fayl formatları § Populyar CİS fayl formatlarına baxın.

Məlumat toplama redaktə edin

Məlumat toplama - sistemə məlumat daxil olmaq - CİS praktiklərinin çox vaxtını sərf edir. Rəqəmsal formatda saxlandığı bir CBS-ə məlumat daxil etmək üçün istifadə olunan müxtəlif üsullar mövcuddur.

Kağız və ya PET film xəritələrində yazılmış mövcud məlumatlar rəqəmsallaşdırıla və ya rəqəmsal məlumatlar əldə etmək üçün skan edilə bilər. Rəqəmsallaşdırıcı bir operatorun xəritədən nöqtələri, xətləri və çoxbucaqlı sərhədləri izləməsi nəticəsində vektor məlumatları istehsal edir. Bir xəritənin taranması, vektor məlumatlarını istehsal etmək üçün daha da işlənə bilən raster məlumatları ilə nəticələnir.

Anket məlumatları birbaşa koordinat həndəsi (COGO) adlı bir texnika istifadə edərək anket alətləri üzərindəki rəqəmsal məlumat toplama sistemlərindən bir CİS-ə daxil edilə bilər. Qlobal Yerləşdirmə Sistemi kimi qlobal bir naviqasiya peyk sistemindən (GNSS) mövqelər toplanaraq daha sonra CİS-ə idxal edilə bilər. Məlumat toplama sahəsindəki mövcud bir tendensiya, istifadəçilərə simsiz əlaqələr və ya əlaqəsiz əlaqəli tənzimləmə seansları istifadə edərək canlı məlumatları düzəltmə qabiliyyəti olan sahə kompüterlərindən istifadə etmək imkanı verir. [24] Bu, real vaxt rejimində dekimetr dəqiqliyinə malik ucuz xəritələşdirmə səviyyəli GPS vahidlərinin mövcudluğu ilə artırılmışdır. Bu, sahə işləri toplandıqdan sonra ofisdəki məlumatların göndərilməsi, idxal edilməsi və yenilənməsi ehtiyacını aradan qaldırır. Bura lazer məsafədən istifadə edərək toplanan mövqeləri daxil etmək qabiliyyəti daxildir. Yeni texnologiyalar, eyni zamanda istifadəçilərə xəritələr yaratmaqla yanaşı birbaşa sahələrdə təhlillər apararaq layihələri daha səmərəli və xəritələşdirməni daha dəqiq edir.

Uzaqdan algılanan məlumatlar da məlumatların toplanmasında mühüm rol oynayır və bir platformaya bağlanmış sensorlardan ibarətdir. Sensorlara kameralar, rəqəmsal skanerlər və lidar daxildir, platformalar ümumiyyətlə təyyarə və peyklərdən ibarətdir. İngiltərədə 1990-cı illərin ortalarında helikitlər adlanan hibrid uçurtma / balonlar ilk dəfə havada yer alan coğrafi informasiya sistemləri olaraq kompakt havadakı rəqəmsal kameraların istifadəsinə öncülük etdi. Fotoşəkilləri bir-birinə bağlamaq və zəmini ölçmək üçün 0,4 mm-ə qədər dəqiq olan təyyarə ölçmə proqramı istifadə edilmişdir. Helikitlər ucuzdur və təyyarələrdən daha dəqiq məlumatlar toplayırlar. Helikitlər insansız hava vasitələrinin (PUA) qadağan olunduğu yollar, dəmir yolları və qəsəbələrdə istifadə edilə bilər.

Son zamanlar miniatür PUA və pilotsuz təyyarələrlə hava məlumatları toplanması daha əlçatan oldu. Məsələn, Aeryon Scout, torpaq sahəsi nümunəsi məsafəsi 1 düym (2.54 sm) olan 50 hektarlıq ərazini yalnız 12 dəqiqədə xəritələşdirmək üçün istifadə edilmişdir. [25]

Rəqəmsal məlumatların əksəriyyəti hazırda hava fotoşəkillərinin şərhindən əldə edilir. Yumşaq surətdə işləyən stansiyalar xüsusiyyətləri birbaşa rəqəmsal fotoşəkillərin stereo cütlərindən rəqəmləşdirmək üçün istifadə olunur. Bu sistemlər fotoqrammetriya prinsiplərindən istifadə edərək birbaşa stereo cütdən ölçülən yüksəkliklərlə məlumatların iki və üç ölçüdə alınmasına imkan verir. Analog hava fotoşəkilləri yumşaq surət sisteminə daxil edilmədən əvvəl taranmalıdır, yüksək keyfiyyətli rəqəmsal kameralar üçün bu addım atlanır.

Peykdən uzaqdan zondlama başqa bir mühüm məkan məlumat mənbəyi təmin edir. Burada peyklər elektromaqnit spektrinin hissələrindən və ya radar kimi aktiv bir sensordan göndərilən radio dalğalarından yansıtma qabiliyyətini passiv olaraq ölçmək üçün fərqli sensor paketlərindən istifadə edirlər. Uzaqdan zondlama, torpaq örtüyü kimi obyektləri və maraq siniflərini müəyyənləşdirmək üçün fərqli zolaqlar istifadə edərək daha da işlənə bilən raster məlumatları toplayır.

Veb mədəni məkan məlumatları toplamaq üçün yeni bir üsuldur. Tədqiqatçılar, vebdən lazımi məkan məlumatlarını toplamaq üçün bir veb tarayıcı tətbiqi qururlar. [26] Məsələn, dəqiq coğrafi məkan və ya mənzillərin qonşuluğu onlayn daşınmaz əmlak siyahısı veb saytlarından toplana bilər.

Verilər tutulduqda, istifadəçi məlumatların nisbi dəqiqliklə və ya mütləq dəqiqliklə çəkiləcəyini düşünməlidir, çünki bu yalnız məlumatın necə şərh olunacağına deyil, həm də məlumat toplanmasının maliyyətinə təsir edə bilər.

Verilənləri bir CBS-ə daxil etdikdən sonra, məlumatlar ümumiyyətlə düzəliş, səhvləri aradan qaldırmaq və ya əlavə işləmə tələb edir. Vektor məlumatları üçün bəzi toplanmış təhlillər üçün istifadə edilməzdən əvvəl "topoloji cəhətdən düzgün" olmalıdır. Məsələn, bir yol şəbəkəsində xətlər bir kəsişmədə qovşaqlarla birləşməlidir. Çəkiliş və aşma kimi səhvlər də aradan qaldırılmalıdır. Skan edilmiş xəritələr üçün mənbə xəritəsindəki ləkələrin meydana gələn rasterdən təmizlənməsi lazım ola bilər. Məsələn, bir çirk çirkli, bağlanmamalı olan iki xətti birləşdirə bilər.

Raster-vektor tərcüməsi Düzəliş et

Məlumatların yenidən qurulması məlumatları fərqli formata çevirmək üçün bir CBS tərəfindən həyata keçirilə bilər. Məsələn, bir CBS peyk şəkli xəritəsini bitişiklik və daxilolma kimi hüceyrə məkan əlaqələrini təyin edərkən eyni təsnifata malik bütün hüceyrələrin ətrafında xətlər yaradaraq vektor quruluşuna çevirmək üçün istifadə edilə bilər.

Daha inkişaf etmiş məlumatların işlənməsi, 1960-cı illərin sonunda NASA və özəl sektor tərəfindən kontrastın artırılması, saxta rəng vermə və iki ölçülü Fourier transformasiyalarının istifadəsi də daxil olmaqla bir sıra digər üsullar tərəfindən hazırlanmış bir üsul olan görüntü işləmə ilə baş verə bilər. Rəqəmsal məlumatlar müxtəlif yollarla toplandığı və saxlanıldığı üçün, iki məlumat mənbəyi tamamilə uyğun olmaya bilər. Beləliklə, bir CBS coğrafi məlumatları bir quruluşdan digərinə çevirə bilməli olmalıdır. Bunu edərkən fərqli ontologiya və təsnifatların arxasındakı gizli fərziyyələr təhlil tələb edir. [27] Obyekt yönümlü proqramlaşdırma və Barry Smith və iş yoldaşları tərəfindən davamlı iş nəticəsində obyekt ontologiyaları artan nüfuz qazandı.

Proqnozlar, koordinat sistemləri və qeyd Düzenle

Yer müxtəlif modellərlə təmsil oluna bilər, bunların hər biri Yer səthinin istənilən nöqtəsi üçün fərqli bir koordinat dəsti (məs. En, uzunluq, yüksəklik) təmin edə bilər. Ən sadə model yerin mükəmməl bir kürə olduğunu düşünməkdir. Yer üzündə daha çox ölçmə toplandıqca, yerin modelləri daha inkişaf etmiş və daha dəqiq olmuşdur. Əslində, ABŞ ölçmələri üçün 1983-cü il Şimali Amerika Datum və Dünya Ölçmələri üçün Dünya Geodeziya Sistemi kimi artan dəqiqlik təmin etmək üçün yerin müxtəlif bölgələrinə tətbiq olunan verilənlər bazası adlanan modellər var.

Yerli bir verilənlər bazasına qarşı hazırlanmış bir xəritədəki enlem və boylam GPS qəbuledicisindən alınan ilə eyni olmaya bilər. Koordinatların bir datumdan digərinə çevrilməsi Helmert çevrilməsi kimi bir məlumat çevrilməsini tələb edir, baxmayaraq ki, bəzi hallarda sadə bir tərcümə kifayət edə bilər. [28]

Məşhur CİS proqramında en / uzunluqda proqnozlaşdırılan məlumatlar çox vaxt Coğrafi koordinat sistemi kimi təmsil olunur. Məsələn, məlumat '1983-cü il Şimali Amerika Datum' olduğu təqdirdə enlik / boylamdakı məlumatlar 'GCS North American 1983' ilə qeyd olunur.

CİS məkan analizi sürətlə dəyişən bir sahədir və CBS paketləri getdikcə standart quraşdırılmış qurğular kimi analitik alətləri, isteğe bağlı alət dəstləri kimi, eklentilər və ya 'analitiklər' kimi daxil edilir. Bir çox hallarda bunlar orijinal proqram təminatçıları tərəfindən təmin edilir (kommersiya satıcıları və ya əməkdaşlıqla qeyri-kommersiya inkişaf qrupları), digər hallarda imkanlar inkişaf etdirilib üçüncü tərəflər tərəfindən təmin edilir. Bundan əlavə, bir çox məhsul öz analitik alətlərini və ya variantlarını inkişaf etdirmək üçün proqram inkişaf dəstləri (SDK), proqramlaşdırma dilləri və dil dəstəyi, ssenari vasitələri və / və ya xüsusi interfeyslər təklif edir. Artan əlçatanlıq, intranet vasitəsilə açıq şəkildə çatdırıldığı zaman coğrafi və sosial şəbəkə məlumatlarına çıxışını demokratikləşdirən "məkan zəkası" adlanan iş zəkası üçün yeni bir ölçü yaratdı. Coğrafi məkan analizinə əsaslanan yerleşim kəşfiyyatı da təhlükəsizlik üçün əsas ünsür halına gəldi. CİS bütövlükdə vektorlu nümayəndəliyə və ya hər hansı digər rəqəmləşdirmə prosesinə çevrilmə kimi təsvir edilə bilər.

Yamac və aspekt düzəlişi

Yamac, ərazi vahidinin dikliyi və ya gradyanı olaraq təyin edilə bilər, ümumiyyətlə dərəcə və ya faizlə bucaq kimi ölçülür. Aspekt, ərazi vahidinin üzləşdiyi istiqamət kimi müəyyən edilə bilər. Aspekt ümumiyyətlə şimaldan dərəcələrlə ifadə olunur. Arazi analizindəki yamac, aspekt və səth əyriliyi, hamısı hüceyrənin qonşu qonşularının yüksəklik dəyərlərindən istifadə edərək qonşuluq əməliyyatlarından əldə edilir. [29] Yamac qətnamə funksiyasındadır və yamacın və istiqamətin hesablanması üçün istifadə olunan məkan qətnaməsi həmişə göstərilməlidir. [30] Müxtəlif müəlliflər yamacın və aspektin hesablanması üsullarını müqayisə etdilər. [31] [32] [33]

Yamac və aspekt əldə etmək üçün aşağıdakı metoddan istifadə edilə bilər:
Arazın bir nöqtəsində və ya vahidindəki yüksəlişin şərq-qərb və şimal-cənub istiqamətində nöqtədən keçən dik teğetləri (yamacları) olacaqdır. Bu iki toxunma componentsz / ∂x və ∂z / ∂y olan iki komponent verir, daha sonra yamacın ümumi istiqamətini və yamacın aspektini təyin etmək üçün istifadə olunur. Qradiyent, x və y istiqamətində səthin qismən törəmələrinə bərabər olan komponentləri olan bir vektor kəmiyyəti olaraq təyin edilir. [34]

Ümumi 3 × 3 ızgara yamacının hesablanması S və aspekt A şərq-qərb və şimal-cənub komponentini təyin edən metodlar üçün aşağıdakı formulları müvafiq olaraq istifadə edin:

Zhou və Liu [33] aspektin hesablanması üçün başqa bir formulu aşağıdakı kimi təsvir edirlər:

Məlumat təhlili Düzenle

Su-bataqlıq xəritələrini hava limanları, televiziya stansiyaları və məktəblər kimi fərqli nöqtələrdə qeydə alınan yağış miqdarı ilə əlaqələndirmək çətindir. Bununla birlikdə, bir GIS, məlumat səthindən Yer səthinin, yeraltı və atmosferin iki və üç ölçülü xüsusiyyətlərini təsvir etmək üçün istifadə edilə bilər. Məsələn, bir GIS tez bir zamanda fərqli yağış miqdarını göstərən izoplet və ya kontur xətləri ilə bir xəritə yarada bilər. Belə bir xəritə bir yağış kontur xəritəsi kimi qəbul edilə bilər. Bir çox mürəkkəb metod məhdud sayda nöqtə ölçməsindən səthlərin xüsusiyyətlərini qiymətləndirə bilər. Yağış nöqtəsi ölçmələrinin səth modelləşdirməsindən yaranan iki ölçülü kontur xəritəsi eyni ərazini əhatə edən CİS-dəki hər hansı bir xəritə ilə örtülmüş və təhlil edilə bilər. Bu CBS-dən əldə edilmiş xəritə daha sonra yenilənə bilən enerji mənbəyi kimi su enerjisi potensialının həyat qabiliyyəti kimi əlavə məlumat verə bilər. Similarly, GIS can be used to compare other renewable energy resources to find the best geographic potential for a region. [35]

Additionally, from a series of three-dimensional points, or digital elevation model, isopleth lines representing elevation contours can be generated, along with slope analysis, shaded relief, and other elevation products. Watersheds can be easily defined for any given reach, by computing all of the areas contiguous and uphill from any given point of interest. Similarly, an expected thalweg of where surface water would want to travel in intermittent and permanent streams can be computed from elevation data in the GIS.

Topological modeling Edit

A GIS can recognize and analyze the spatial relationships that exist within digitally stored spatial data. These topological relationships allow complex spatial modelling and analysis to be performed. Topological relationships between geometric entities traditionally include adjacency (what adjoins what), containment (what encloses what), and proximity (how close something is to something else).

Geometric networks Edit

Geometric networks are linear networks of objects that can be used to represent interconnected features, and to perform special spatial analysis on them. A geometric network is composed of edges, which are connected at junction points, similar to graphs in mathematics and computer science. Just like graphs, networks can have weight and flow assigned to its edges, which can be used to represent various interconnected features more accurately. Geometric networks are often used to model road networks and public utility networks, such as electric, gas, and water networks. Network modeling is also commonly employed in transportation planning, hydrology modeling, and infrastructure modeling.

Hydrological modeling Edit

GIS hydrological models can provide a spatial element that other hydrological models lack, with the analysis of variables such as slope, aspect and watershed or catchment area. [37] Terrain analysis is fundamental to hydrology, since water always flows down a slope. [37] As basic terrain analysis of a digital elevation model (DEM) involves calculation of slope and aspect, DEMs are very useful for hydrological analysis. Slope and aspect can then be used to determine direction of surface runoff, and hence flow accumulation for the formation of streams, rivers and lakes. Areas of divergent flow can also give a clear indication of the boundaries of a catchment. Once a flow direction and accumulation matrix has been created, queries can be performed that show contributing or dispersal areas at a certain point. [37] More detail can be added to the model, such as terrain roughness, vegetation types and soil types, which can influence infiltration and evapotranspiration rates, and hence influencing surface flow. One of the main uses of hydrological modeling is in environmental contamination research. Other applications of hydrological modeling include groundwater and surface water mapping, as well as flood risk maps.

Cartographic modeling Edit

Dana Tomlin probably coined the term "cartographic modeling" in his PhD dissertation (1983) he later used it in the title of his book, Geographic Information Systems and Cartographic Modeling (1990). [38] Cartographic modeling refers to a process where several thematic layers of the same area are produced, processed, and analyzed. Tomlin used raster layers, but the overlay method (see below) can be used more generally. Operations on map layers can be combined into algorithms, and eventually into simulation or optimization models.

Map overlay Edit

The combination of several spatial datasets (points, lines, or polygons) creates a new output vector dataset, visually similar to stacking several maps of the same region. These overlays are similar to mathematical Venn diagram overlays. A union overlay combines the geographic features and attribute tables of both inputs into a single new output. An intersect overlay defines the area where both inputs overlap and retains a set of attribute fields for each. A symmetric difference overlay defines an output area that includes the total area of both inputs except for the overlapping area.

Data extraction is a GIS process similar to vector overlay, though it can be used in either vector or raster data analysis. Rather than combining the properties and features of both datasets, data extraction involves using a "clip" or "mask" to extract the features of one data set that fall within the spatial extent of another dataset.

In raster data analysis, the overlay of datasets is accomplished through a process known as "local operation on multiple rasters" or "map algebra", through a function that combines the values of each raster's matrix. This function may weigh some inputs more than others through use of an "index model" that reflects the influence of various factors upon a geographic phenomenon.

Geostatistics Edit

Geostatistics is a branch of statistics that deals with field data, spatial data with a continuous index. It provides methods to model spatial correlation, and predict values at arbitrary locations (interpolation).

When phenomena are measured, the observation methods dictate the accuracy of any subsequent analysis. Due to the nature of the data (e.g. traffic patterns in an urban environment weather patterns over the Pacific Ocean), a constant or dynamic degree of precision is always lost in the measurement. This loss of precision is determined from the scale and distribution of the data collection.

To determine the statistical relevance of the analysis, an average is determined so that points (gradients) outside of any immediate measurement can be included to determine their predicted behavior. This is due to the limitations of the applied statistic and data collection methods, and interpolation is required to predict the behavior of particles, points, and locations that are not directly measurable.

Interpolation is the process by which a surface is created, usually a raster dataset, through the input of data collected at a number of sample points. There are several forms of interpolation, each which treats the data differently, depending on the properties of the data set. In comparing interpolation methods, the first consideration should be whether or not the source data will change (exact or approximate). Next is whether the method is subjective, a human interpretation, or objective. Then there is the nature of transitions between points: are they abrupt or gradual. Finally, there is whether a method is global (it uses the entire data set to form the model), or local where an algorithm is repeated for a small section of terrain.

Interpolation is a justified measurement because of a spatial autocorrelation principle that recognizes that data collected at any position will have a great similarity to, or influence of those locations within its immediate vicinity.

Address geocoding Edit

Geocoding is interpolating spatial locations (X,Y coordinates) from street addresses or any other spatially referenced data such as ZIP Codes, parcel lots and address locations. A reference theme is required to geocode individual addresses, such as a road centerline file with address ranges. The individual address locations have historically been interpolated, or estimated, by examining address ranges along a road segment. These are usually provided in the form of a table or database. The software will then place a dot approximately where that address belongs along the segment of centerline. For example, an address point of 500 will be at the midpoint of a line segment that starts with address 1 and ends with address 1,000. Geocoding can also be applied against actual parcel data, typically from municipal tax maps. In this case, the result of the geocoding will be an actually positioned space as opposed to an interpolated point. This approach is being increasingly used to provide more precise location information.

Reverse geocoding Edit

Reverse geocoding is the process of returning an estimated street address number as it relates to a given coordinate. For example, a user can click on a road centerline theme (thus providing a coordinate) and have information returned that reflects the estimated house number. This house number is interpolated from a range assigned to that road segment. If the user clicks at the midpoint of a segment that starts with address 1 and ends with 100, the returned value will be somewhere near 50. Note that reverse geocoding does not return actual addresses, only estimates of what should be there based on the predetermined range.

Multi-criteria decision analysis Edit

Coupled with GIS, multi-criteria decision analysis methods support decision-makers in analysing a set of alternative spatial solutions, such as the most likely ecological habitat for restoration, against multiple criteria, such as vegetation cover or roads. MCDA uses decision rules to aggregate the criteria, which allows the alternative solutions to be ranked or prioritised. [39] GIS MCDA may reduce costs and time involved in identifying potential restoration sites.

Data output and cartography Edit

Cartography is the design and production of maps, or visual representations of spatial data. The vast majority of modern cartography is done with the help of computers, usually using GIS but production of quality cartography is also achieved by importing layers into a design program to refine it. Most GIS software gives the user substantial control over the appearance of the data.

Cartographic work serves two major functions:

First, it produces graphics on the screen or on paper that convey the results of analysis to the people who make decisions about resources. Wall maps and other graphics can be generated, allowing the viewer to visualize and thereby understand the results of analyses or simulations of potential events. Web Map Servers facilitate distribution of generated maps through web browsers using various implementations of web-based application programming interfaces (AJAX, Java, Flash, etc.).

Second, other database information can be generated for further analysis or use. An example would be a list of all addresses within one mile (1.6 km) of a toxic spill.

Graphic display techniques Edit

Traditional maps are abstractions of the real world, a sampling of important elements portrayed on a sheet of paper with symbols to represent physical objects. People who use maps must interpret these symbols. Topographic maps show the shape of land surface with contour lines or with shaded relief.

Today, graphic display techniques such as shading based on altitude in a GIS can make relationships among map elements visible, heightening one's ability to extract and analyze information. For example, two types of data were combined in a GIS to produce a perspective view of a portion of San Mateo County, California.

  • The digital elevation model, consisting of surface elevations recorded on a 30-meter horizontal grid, shows high elevations as white and low elevation as black.
  • The accompanying Landsat Thematic Mapper image shows a false-color infrared image looking down at the same area in 30-meter pixels, or picture elements, for the same coordinate points, pixel by pixel, as the elevation information.

A GIS was used to register and combine the two images to render the three-dimensional perspective view looking down the San Andreas Fault, using the Thematic Mapper image pixels, but shaded using the elevation of the landforms. The GIS display depends on the viewing point of the observer and time of day of the display, to properly render the shadows created by the sun's rays at that latitude, longitude, and time of day.

An archeochrome is a new way of displaying spatial data. It is a thematic on a 3D map that is applied to a specific building or a part of a building. It is suited to the visual display of heat-loss data.

Spatial ETL Edit

Spatial ETL tools provide the data processing functionality of traditional extract, transform, load (ETL) software, but with a primary focus on the ability to manage spatial data. They provide GIS users with the ability to translate data between different standards and proprietary formats, whilst geometrically transforming the data en route. These tools can come in the form of add-ins to existing wider-purpose software such as spreadsheets.

GIS data mining Edit

GIS or spatial data mining is the application of data mining methods to spatial data. Data mining, which is the partially automated search for hidden patterns in large databases, offers great potential benefits for applied GIS-based decision making. Typical applications include environmental monitoring. A characteristic of such applications is that spatial correlation between data measurements require the use of specialized algorithms for more efficient data analysis. [40]

Since its origin in the 1960s, GIS has been used in an ever-increasing range of applications, corroborating the widespread importance of location and aided by the continuing reduction in the barriers to adopting geospatial technology. The perhaps hundreds of different uses of GIS can be classified in several ways:

  • Goal: the purpose of an application can be broadly classified as either scientific research və ya resource management. The purpose of research, defined as broadly as possible, is to discover new knowledge this may be performed by someone who considers herself a scientist, but may also be done by anyone who is trying to learn why the world appears to work the way it does. A study as practical as deciphering why a business location has failed would be research in this sense. Management (sometimes called operational applications), also defined as broadly as possible, is the application of knowledge to make practical decisions on how to employ the resources one has control over to achieve one's goals. These resources could be time, capital, labor, equipment, land, mineral deposits, wildlife, and so on. [41] : 791
    • Decision level: Management applications have been further classified as strategic, tactical, operational, a common classification in business management. [42] Strategic tasks are long-term, visionary decisions about what goals one should have, such as whether a business should expand or not. Tactical tasks are medium-term decisions about how to achieve strategic goals, such as a national forest creating a grazing management plan. Operational decisions are concerned with the day-to-day tasks, such as a person finding the shortest route to a pizza restaurant.

    The implementation of a GIS is often driven by jurisdictional (such as a city), purpose, or application requirements. Generally, a GIS implementation may be custom-designed for an organization. Hence, a GIS deployment developed for an application, jurisdiction, enterprise, or purpose may not be necessarily interoperable or compatible with a GIS that has been developed for some other application, jurisdiction, enterprise, or purpose. [48]

    GIS is also diverging into location-based services, which allows GPS-enabled mobile devices to display their location in relation to fixed objects (nearest restaurant, gas station, fire hydrant) or mobile objects (friends, children, police car), or to relay their position back to a central server for display or other processing.

    Open Geospatial Consortium standards Edit

    The Open Geospatial Consortium (OGC) is an international industry consortium of 384 companies, government agencies, universities, and individuals participating in a consensus process to develop publicly available geoprocessing specifications. Open interfaces and protocols defined by OpenGIS Specifications support interoperable solutions that "geo-enable" the Web, wireless and location-based services, and mainstream IT, and empower technology developers to make complex spatial information and services accessible and useful with all kinds of applications. Open Geospatial Consortium protocols include Web Map Service, and Web Feature Service. [49]

    GIS products are broken down by the OGC into two categories, based on how completely and accurately the software follows the OGC specifications.

    Compliant Products are software products that comply to OGC's OpenGIS Specifications. When a product has been tested and certified as compliant through the OGC Testing Program, the product is automatically registered as "compliant" on this site.

    Implementing Products are software products that implement OpenGIS Specifications but have not yet passed a compliance test. Compliance tests are not available for all specifications. Developers can register their products as implementing draft or approved specifications, though OGC reserves the right to review and verify each entry.

    Web mapping Edit

    In recent years there has been a proliferation of free-to-use and easily accessible mapping software such as the proprietary web applications Google Maps and Bing Maps, as well as the free and open-source alternative OpenStreetMap. These services give the public access to huge amounts of geographic data, perceived by many users to be as trustworthy and usable as professional information. [50]

    Some of them, like Google Maps and OpenLayers, expose an application programming interface (API) that enable users to create custom applications. These toolkits commonly offer street maps, aerial/satellite imagery, geocoding, searches, and routing functionality. Web mapping has also uncovered the potential of crowdsourcing geodata in projects like OpenStreetMap, which is a collaborative project to create a free editable map of the world. These mashup projects have been proven to provide a high level of value and benefit to end users outside that possible through traditional geographic information. [51] [52]

    Adding the dimension of time Edit

    The condition of the Earth's surface, atmosphere, and subsurface can be examined by feeding satellite data into a GIS. GIS technology gives researchers the ability to examine the variations in Earth processes over days, months, and years. As an example, the changes in vegetation vigor through a growing season can be animated to determine when drought was most extensive in a particular region. The resulting graphic represents a rough measure of plant health. Working with two variables over time would then allow researchers to detect regional differences in the lag between a decline in rainfall and its effect on vegetation.

    GIS technology and the availability of digital data on regional and global scales enable such analyses. The satellite sensor output used to generate a vegetation graphic is produced for example by the advanced very-high-resolution radiometer (AVHRR). This sensor system detects the amounts of energy reflected from the Earth's surface across various bands of the spectrum for surface areas of about 1 square kilometer. The satellite sensor produces images of a particular location on the Earth twice a day. AVHRR and more recently the moderate-resolution imaging spectroradiometer (MODIS) are only two of many sensor systems used for Earth surface analysis.

    In addition to the integration of time in environmental studies, GIS is also being explored for its ability to track and model the progress of humans throughout their daily routines. A concrete example of progress in this area is the recent release of time-specific population data by the U.S. Census. In this data set, the populations of cities are shown for daytime and evening hours highlighting the pattern of concentration and dispersion generated by North American commuting patterns. The manipulation and generation of data required to produce this data would not have been possible without GIS.

    Using models to project the data held by a GIS forward in time have enabled planners to test policy decisions using spatial decision support systems.

    Tools and technologies emerging from the World Wide Web Consortium's Semantic Web are proving useful for data integration problems in information systems. Correspondingly, such technologies have been proposed as a means to facilitate interoperability and data reuse among GIS applications. [53] [54] and also to enable new analysis mechanisms. [55]

    Ontologies are a key component of this semantic approach as they allow a formal, machine-readable specification of the concepts and relationships in a given domain. This in turn allows a GIS to focus on the intended meaning of data rather than its syntax or structure. For example, reasoning that a land cover type classified as deciduous needleleaf trees in one dataset is a specialization or subset of land cover type forest in another more roughly classified dataset can help a GIS automatically merge the two datasets under the more general land cover classification. Tentative ontologies have been developed in areas related to GIS applications, for example the hydrology ontology [56] developed by the Ordnance Survey in the United Kingdom and the SWEET ontologies [57] developed by NASA's Jet Propulsion Laboratory. Also, simpler ontologies and semantic metadata standards are being proposed by the W3C Geo Incubator Group [58] to represent geospatial data on the web. GeoSPARQL is a standard developed by the Ordnance Survey, United States Geological Survey, Natural Resources Canada, Australia's Commonwealth Scientific and Industrial Research Organisation and others to support ontology creation and reasoning using well-understood OGC literals (GML, WKT), topological relationships (Simple Features, RCC8, DE-9IM), RDF and the SPARQL database query protocols.

    Recent research results in this area can be seen in the International Conference on Geospatial Semantics [59] and the Terra Cognita – Directions to the Geospatial Semantic Web [60] workshop at the International Semantic Web Conference.

    With the popularization of GIS in decision making, scholars have begun to scrutinize the social and political implications of GIS. [61] [62] [50] GIS can also be misused to distort reality for individual and political gain. [63] [64] It has been argued that the production, distribution, utilization, and representation of geographic information are largely related with the social context and has the potential to increase citizen trust in government. [65] Other related topics include discussion on copyright, privacy, and censorship. A more optimistic social approach to GIS adoption is to use it as a tool for public participation.

    In education Edit

    At the end of the 20th century, GIS began to be recognized as tools that could be used in the classroom. [66] [67] [68] [69] The benefits of GIS in education seem focused on developing spatial thinking, but there is not enough bibliography or statistical data to show the concrete scope of the use of GIS in education around the world, although the expansion has been faster in those countries where the curriculum mentions them. [70] : 36

    GIS seem to provide many advantages in teaching geography because they allow for analyses based on real geographic data and also help raise many research questions from teachers and students in classrooms, as well as they contribute to improvement in learning by developing spatial and geographical thinking and, in many cases, student motivation. [70] : 38

    In local government Edit

    GIS is proven as an organization-wide, enterprise and enduring technology that continues to change how local government operates. [71] Government agencies have adopted GIS technology as a method to better manage the following areas of government organization:

    • Economic Development departments use interactive GIS mapping tools, aggregated with other data (demographics, labor force, business, industry, talent) along with a database of available commercial sites and buildings in order to attract investment and support existing business. Businesses making location decisions can use the tools to choose communities and sites that best match their criteria for success. GIS Planning is the industry's leading vendor of GIS data web tools for economic development and investment attraction. A service from the Financial Times, GIS Planning''s ZoomProspector Enterprise and Intelligence Components software are in use around the world. This includes 30 US statewide economic development organizations, the majority of the top 100 metro areas in North America and a number of investment attraction agencies in Europe and Latin America.
    • Public Safety [72] operations such as Emergency Operations Centers, Fire Prevention, Police and Sheriff mobile technology and dispatch, and mapping weather risks.
    • Parks and Recreation departments and their functions in asset inventory, land conservation, land management, and cemetery management.
    • Public Works and Utilities, tracking water and stormwater drainage, electrical assets, engineering projects, and public transportation assets and trends.
    • Fiber Network Management for interdepartmental network assets
    • School analytical and demographic data, asset management, and improvement/expansion planning
    • Public Administration for election data, property records, and zoning/management.

    The Open Data initiative is pushing local government to take advantage of technology such as GIS technology, as it encompasses the requirements to fit the Open Data/Open Government model of transparency. [71] With Open Data, local government organizations can implement Citizen Engagement applications and online portals, allowing citizens to see land information, report potholes and signage issues, view and sort parks by assets, view real-time crime rates and utility repairs, and much more. [73] [74] The push for open data within government organizations is driving the growth in local government GIS technology spending, and database management.


    Arg_max¶

    In the ArgMax method, all raster bands from every input raster are assigned a 0-based incremental band index, which is first ordered by the input raster index, as shown in the table below, and then by the relative band order within each input raster.

    rasters – the imagery layers filtered by where clause, spatial and temporal filters

    undefined_class – int, required

    the output raster with this function applied to it


    GES 286 Exam #1

    A. Snow's map was an epidemiological map showing total deaths by area, Picquet's map plotted actually individual locations of deaths to affect change in policy in "real" time.

    B. Snow's map showed change over time whereas Picquet's map did not Picquest's map demonstrated the limits of his data collection technique whereas Snow's map showed what could be done with the same data when handled by a professional with expert skill in design and communication.

    C. Picquet's map was an epidemiological map showing total deaths by area, Snow's map plotted actually individual locations of deaths to affect change in policy in "real" time.

    A. Access to web data, cost of time on the mainframe computer, limited software

    B. Access to high resolution satellite imagery, price of imagery, imagery was only provided in black and white

    C. cost of time on the mainframe computer, access to color imagery, price of hardware

    A. Total population map of the U.S. by state

    B. Homicides in Maryland by County

    D. Structural Maps showing Designs for space utilization in urban areas (like Baltimore)

    A. Absolute value comparisons between items for different areas

    B. Approximate percent of total between items for different areas

    C. Relative amounts of each item compared to others in other areas for the Baltimore-Washington Area

    A. Qualitative displays data using values

    B. Quantitative only identifies the location

    C. Neither use numbers when displaying data

    D. Both use numbers when displaying data

    A. Bar graph showing each item in each county

    B. Pie chart showing each item in each county

    C. Make the map a cartogram based on production volumes of each item

    D. Produce a dot density map for each county based on the amount of each commodity


    References¶

    Bhattarai, R., Dutta, D., 2006. Estimation of Soil Erosion and Sediment Yield Using GIS at Catchment Scale. Water Resour. Manag. 21, 1635–1647.

    Borselli, L., Cassi, P., Torri, D., 2008. Prolegomena to sediment and flow connectivity in the landscape: A GIS and field numerical assessment. Catena 75, 268–277.

    Cavalli, M., Trevisani, S., Comiti, F., Marchi, L., 2013. Geomorphometric assessment of spatial sediment connectivity in small Alpine catchments. Geomorphology 188, 31–41.

    Czuba, J.A., 2018. A Lagrangian framework for exploring complexities of mixed-size sediment transport in gravel-bedded river networks. Geomorphology 321, 146–152. https://doi.org/10.1016/j.geomorph.2018.08.031

    Desmet, P.J.J., Govers, G., 1996. A GIs procedure for automatically calculating the USLE LS factor on topographically complex landscape units. J. Soi 51, 427–433.

    De Vente J, Poesen J, Verstraeten G, Govers G, Vanmaercke M, Van Rompaey, A., Boix-Fayos C., 2013. Predicting soil erosion and sediment yield at regional scales: Where do we stand? Earth-Science Rev. 127 16–29

    FAO, 2006. Guidelines for soil description - Fourth edition. Rome, Italy.

    Robert Griffin, Adrian Vogl, Stacie Wolny, Stefanie Covino, Eivy Monroy, Heidi Ricci, Richard Sharp, Courtney Schmidt, Emi Uchida, 2020. “Including Additional Pollutants into an Integrated Assessment Model for Estimating Nonmarket Benefits from Water Quality,” Land Economics, University of Wisconsin Press, vol. 96(4), pages 457-477. DOI: 10.3368/wple.96.4.457

    Hamel, P., Chaplin-Kramer, R., Sim, S., Mueller, C. 2015. A new approach to modeling the sediment retention service (InVEST 3.0): Case study of the Cape Fear catchment, North Carolina, USA. Science of the Total Environment 524–525 (2015) 166–177.

    Hughes, A.O., Prosser, I.P., 2003. Gully and Riverbank erosion mapping for the Murray-Darling Basin. Canberra, ACT.

    Jamshidi, R., Dragovich, D., Webb, A.A., 2013. Distributed empirical algorithms to estimate catchment scale sediment connectivity and yield in a subtropical region. Hydrol. Process.

    Lopez-vicente, M., Poesen, J., Navas, A., Gaspar, L., 2013. Predicting runoff and sediment connectivity and soil erosion by water for different land use scenarios in the Spanish Pre-Pyrenees. Catena 102, 62–73.

    Oliveira, A.H., Silva, M.A. da, Silva, M.L.N., Curi, N., Neto, G.K., Freitas, D.A.F. de, 2013. Development of Topographic Factor Modeling for Application in Soil Erosion Models, in: Intechopen (Ed.), Soil Processes and Current Trends in Quality Assessment. səh. 28.

    Pelletier, J.D., 2012. A spatially distributed model for the long-term suspended sediment discharge and delivery ratio of drainage basins 117, 1–15.

    Renard, K., Foster, G., Weesies, G., McCool, D., Yoder, D., 1997. Predicting Soil Erosion by Water: A Guide to Conservation Planning with the revised soil loss equation.

    Renard, K., Freimund, J., 1994. Using monthly precipitation data to estimate the R-factor in the revised USLE. J. Hydrol. 157, 287–306. Roose, 1996. Land husbandry - Components and strategy. Soils bulletin 70. Rome, Italy.

    Schmitt, R.J.P., Bizzi, S., Castelletti, A., 2016. Tracking multiple sediment cascades at the river network scale identifies controls and emerging patterns of sediment connectivity. Water Resour. Res. 3941–3965. https://doi.org/10.1002/2015WR018097

    Sougnez, N., Wesemael, B. Van, Vanacker, V., 2011. Low erosion rates measured for steep , sparsely vegetated catchments in southeast Spain. Catena 84, 1–11.


    Spatial patterns of Western and Northern Gulf of Alaska humpback whales in relation to depth and slope

    Humpback whales feed in the temperate high latitudes along the North Pacific Rim from California to Japan during the spring, summer, and fall and migrate in the winter to the near-tropical waters of Mexico, Hawaii, Japan, and the Philippines to give birth and mate (Calambokidis et al. 2001 Calambokidis et al. 2008). Although whales show strong site fidelity to feeding and breeding grounds, genetic analysis of maternally inherited DNA (mitochondrial DNA or mtDNA) reveals greater mixing of individuals on the feeding grounds (Baker et al. 2008). This mixing makes it difficult to determine regional population structure and may complicate management decisions. For example, should the feeding grounds be managed as one population unit or is there evidence to suggest that more than one management unit is present? If more than one, are they affected differently by coastal anthropogenic activities, and therefore, require population specific management strategies?

    With this in mind, I decided to explore the spatial pattern of humpback whales from the Western and Northern Gulf of Alaska, a subset of data collected during the SPLASH Project (Structure of Populations, Levels of Abundance, and Status of Humpbacks http://www.cascadiaresearch.org/splash/splash.htm). Specifically, I am interested in the following questions:

    1. Do whales form clusters? Do whales that are more closely related (have the same mtDNA haplotype) cluster together?
    2. Are there spatial patterns in whale distribution based on depth? Do more closely related whales cluster together based on depth?
    3. Are there spatial patterns in whale distribution based on slope? Do more closely related whales cluster together based on slope?

    The bathymetry layer, GEBCO_08 Grid, version 20091120 ( http://www.gebco.net) was used for depth and slope analyses in questions 2 and 3. Depth data were extracted using ArcGIS 10.1 Extract Values to Points tool within the Spatial Analyst Toolbox. Slope values were derived from the bathymetry data using ArcGIS 10.1 and the Slope tool slope values were then extracted using the Extract Values to Points tool within the Spatial Analyst Toolbox.

    **Results presented here are strictly for the purposes of exploring the functionality of the ArcGIS tools found in the Spatial Statistics Toolbox. They should be considered preliminary and should not be reproduced elsewhere.**

    Part 1: Average Nearest-Neighbor Analysis

    This tool is based on the null hypothesis of complete spatial randomness and calculates a nearest neighbor index based on the average distance from each feature to its nearest neighboring feature. The nearest-neighbor ratio is calculated as the Observed Mean Distance divided by the Expected Mean Distance and has a value of 1 under complete spatial randomness. Values greater than 1 indicate a dispersed pattern, while values less than 1 indicate a clustered pattern.


    Videoya baxın: TUTORIAL INSTAL ARCGIS 10 1 CRCK (Oktyabr 2021).