Daha çox

ArcGIS Server Data Extract - İş mövcud deyil və ya əlçatmazdır


ArcGIS Viewer ilə Flex üçün əldə etdiyim bir məlumat çıxarma geosessilinq xidmətini qurmaq üçün sənədləri və videonu izlədim (v. 2.3.1). Məlumat çıxarış widgetını görüntüləyicidə işlədən zaman bir səhv olur: İş '(iş qovluğu adı)' mövcud deyil və ya əlçatmazdır. Serverdəki arcgisjobs qovluğuna getdiyim zaman qovluq, danışıq qovluğu və kəsilmiş məlumatları ehtiva edən .zip faylı ilə birlikdə orada var. Cızıq qovluğundakı messages.xml sənədinə görə iş uğurla başa çatır.

ArcGIS Server və Windows qeydlərini yoxladım və bir problemə işarə edəcək açıq bir şey tapmadım. Qovluq icazələri düzgün olmalıdır, çünki tapşırıq iş qovluğunu yarada, məlumatları bağlaya və nəticəni yarada bilər .zip qovluğu. Tapşırıq ArcGIS Desktop vasitəsilə istifadə edildikdə uğurla davam edəcəkdir.

Beləliklə, hər hansı bir məlumat çıxarma vasitəsi və ya başqa bir həkim vəzifəsi ilə oxşar davranış yaşadı? Daha sonra hara baxa biləcəyim barədə hər hansı bir fikir var?

Ətraf mühit:
ArcGIS Server 10, .NET, SP2 - Paylanmış quraşdırma
ArcGIS Desktop 10, SP2
Windows Server 2008 x64 R2
Sağol Tim

Yeniləmə:
Bu gün bir neçə test etdim (Firefox-da) və daha bir neçə şey tapdım:
1. GP Xidməti edir bəzən iş, deyəsən. Hər bir cəhddən, çıxarılan məlumatları endirmək üçün bir sorğu alıram, yalnız təhlükəsizlik sandbox pozuntusu almaq üçün:
http: //SERVER IP/Samples/DataExtract/Flex/widgets/DataExtract/DataExtractWidget.swf, http: // saytından məlumat yükləyə bilmir.SERVER ADI/arcgisjobs/sumner.dataextract_gpserver/j77643b1b114e458f82e6f416262aaf58/scratch/output.zip.
2. Sənədi yükləməyim istənəndə Firebug, crossdomain.xml faylımı yükləyə bilməyəcəyini göstərir. Ünvanı http: // şəklində göstərirSERVER ADI/crossdomain.xml

Hər iki halda da http: // servername URL-yə daxil olmağa çalışır və ora gedə bilmir. Məsələ burasındadır ki, bu URL-ni haradan aldığını anlaya bilmirəm. Virtual qovluq URL-lərini dəyişdirməyə və davranışlarında heç bir dəyişiklik olmadan maşın adı əvəzinə ArcGIS Server IP istifadə edərək xidmətləri yenidən yayımlamağa çalışdım.


Düşündüyüm ssenari varsa, iş qovluğu ssenaridə kodlanmışdır. Ssenarini açın və ssenaridəki iş qovluğunun ətrafınızdakılarla uyğunlaşdırıldığından əmin olun.

Dediklərinizdən belə çıxır ki, iş uğurla başa çatır, sadəcə .zip faylını yükləmək üçün səhv URL-ni FlexApp-a qaytarır.


Mənim sizinlə oxşar görünən bir AGS10 SP2 paylanmış quraşdırma var. ArcPy.Mapping Simple ExportToPDF Geoprocessing Service Misalına əsaslanan bir PDF xidməti inkişaf etdirirəm və eyni "Job xx mövcud deyil və ya əlçatmazdır" mesajı ilə qarşılaşıram.

Mənim vəziyyətimdə vaxt məsələsi kimi görünür: tapşırıq tamamlanır, amma proses nəticələrdən SOC-dan SOM-un iş qovluğuna köçürülmədən əvvəl əldə etməyə çalışır.

Müvəqqəti bir həll yolu, müəyyən səhvləri tutmaq, JobID-i çıxarmaq və yaradılan PDF-i almaq üçün zəng etməkdir:

function gpError (e) {if (e.message.search ("yoxdur və ya əlçatmazdır")> -1) {var jobId = e.message.replace (/ İş '([az, 0-9] *) 'mövcud deyil və ya əlçatmaz  ./, "$ 1"); gp.getResultData (jobId, "Çıxış_PDF"); } başqa {showDialog (dojo.string.substitute (')

Xəta: $ {error}

', {səhv: e.message})); }}

Bu, mütləq istehsalata qoyacağım bir şey deyil, ancaq səhvləri həll etməyə və ESRI-nin problemi həll etməsini gözləyərkən inkişaf işlərinə davam etməyə imkan verir.


Kingston Data Traveller Vault Məxfiliyi - daha çox parol cəhdləri

Kingston Data Traveller Vault Gizlilik USB sürücüsü silinmədən əvvəl standart olaraq 10 parol girişinə malikdir. Məndə biri qaldı və sual budur ki, aşağıdakı iki yanaşmadan hər hansı biri mənə parol yazmaq üçün daha çox cəhd göstərməyə imkan verəcəkmi (düzgün kodunu bilməliyəm, onu düzəltməyim çox keçdi). Mən bunu kobud şəkildə məcbur etmək fikrində deyiləm.

şifrəli məlumatları sürücidən kopyalayın və sürücünün xaricində şifrəni açın

şifrələnmiş məlumatları ehtiyat nüsxə kimi kopyalayın, sürücüyə parol daxil edin, özünü formatlaşdırmasına icazə verin və sonra zəmanət edilmiş məlumatları yenidən sürücüyə kopyalayın

saxlanılan parolun AES təmsilçiliyini öyrənmək və sürücünün mühitindən kənarda şifrəni təxmin etməyə çalışın və yalnız uyğun AES nümayəndəliyi tapıldıqdan sonra düzgün parol qoyun.


6 Cavablar 6

Mən Crossrefdənəm. DOI, məzmunun vebdə yerini dəyişsə və ya naşiri dəyişdirsə də, həmişə bir yerə qərar verməlidir. Nümunəni paylaşa bilərik ki, hesabat ala bilək? Əlbəttə ki, bu Crossref DOI deyil (başqa bir neçə DOI agentliyi var) mümkündür, amma DOI-dən öyrənə bilərəm. Prefiks tez-tez müəyyən bir naşiri ifadə edir, lakin cəmiyyətlər fərqli nəşr müqavilələrini müzakirə etdikləri üçün jurnallar tez-tez əllərini dəyişir, buna görə problemi həll etmək üçün təhlükəli bir yol deyil (razıyam ki, sizin probleminiz olmamalıdır!). Nümunə (lər) i bölüşsəniz kömək etməkdən xoşbəxtəm :-)

Mən də Crossrefdənəm. Qırılmış DOI əlaqələri yaxşı deyil və onları düzəltməyə çalışırıq. & QuotDOI Not Found & quot səhv səhifəsini alırsanız - məsələn bu linki izləyərkən - https://doi.org/10.15680/IJIRSET.2019.0806081 - DOI qeydiyyata alınmamışdır. Formanı doldurursanız, bu səhv müvafiq Qeyd Agentliyinə bildirilir. Crossref-in vəziyyətində yayımcını səhv barədə xəbərdar edib problemi düzəltmələrini xahiş edirik - ümumiyyətlə düzəlir, lakin yayıncı fəaliyyətini dayandırmışsa və ya artıq Crossref üzvü deyilsə, bu link düzəldilməyə bilər. Arxivləşdirmə tənzimləmələrinin mövcud olduğu yerlərdə DOI məzmunun arxivləşdirilmiş surətlərinə yönləndirilə bilər.

URL-lər qədər uçucu olmasa da, DOI ləğv edilə bilər və ya başqa bir şəkildə əlçatan deyil.

Sizin vəziyyətinizdə, DOI-nin yenidən istifadəyə verilməsi şansının olub olmadığını (ev sahibində texniki çətinliklər ola bilər) və ya başqa bir mənbənin (başqa DOI) olub olmadığını düşünün. Şəxsən mən DOI-nı biblioqrafiyaya daxil edərdim və müəllif (lər) ə və ya provayderə bir mesaj göndərərdim (həll etmək probleminiz olmamalıdır).

Bütün əlçatan DOI-lər Crossref ilə axtarıla bilər (başlıq, müəllif, DOI və digər metadata görə axtarış).

DOI çox əlverişli olsa da, pozulduqda əslində problem olmaya bilər. Ümumiyyətlə, alıntılara müəllif (lər) in adları, jurnal adı, jurnal nömrəsi, il və ola bilsin səhifə istinadları və məqalə adı daxildir. Yalnız bu məlumatlarla ənənəvi metoddan istifadə edərək istinad edilmiş bir məqalə tapa bilməlisiniz. Buna görə DOI-lər, pozulduqları təqdirdə çox böyük olmayan bir rahatlıq xidməti hesab edilə bilər. Başqa bir rahat & quotservice & quot; müraciət etdiyiniz mənbəyi tapmaqda çətinlik çəkdiyinizi müəssisənizdəki bir kitabxanaçıdan soruşmaqdır.

Bundan əlavə, bir DOI-nin sadəcə səhv yazma ehtiva edə biləcəyini və bununla da düzgün həll edilə bilməyəcəyini unutmayın. Bu, əlbəttə ki, ənənəvi istinadla da baş verə bilər, lakin & quotNautre & quot-dan olan məqalənin həqiqətən & quotNature & quot-da dərc olunduğunu görmək ümumiyyətlə daha asandır.

Sonda qeyd etmək istərdim ki, internetdə DOI-ləri həll etmək üçün adi veb saytlardan başqa digər vasitələr var. Məsələn, şərhlərdə qeyd etdiyiniz məqaləni adi bir internet axtarış sistemindən istifadə edərək asanlıqla tapa bilərəm.

Bu cavab qismən bu suala verilən digər cavablardan və şərhlərdən alınmışdır:

Sual 1 üçün cavab

DOI olmasına baxmayaraq olmalıdır fəaliyyətdə / əlçatan qalmaq, əlçatmaz olmasının müxtəlif səbəbləri var:

Bəzi naşirlər zamanla yox ola bilər. Bu vəziyyətdə, DOI pozulduğunu bildirmək üçün bir DOI orqanı ilə əlaqə qurula bilər.

Bir naşir başqa bir naşirlə birləşdirilmiş ola bilər. Belə bir DOI-nin pozulması halında, yayımçıya və ya bir DOI orqanına məlumat verilə bilər. Ümumiyyətlə, yeni naşir düzəldə bilər.

Bəzi sənədlər dərc edildikdən sonra ləğv edilə bilər. Bu halda DOI-nin bir URL ilə əlaqələndirməməsi üçün DOI orqanı ilə əlaqə qurulmalıdır. artıq mövcud deyil.

Bir naşirin domeni müvəqqəti olaraq aşağı ola bilər. Bu hal eyni nəşriyyatın digər veb səhifələrini yükləməklə test edilə bilər. Eyni anda bir neçə səhifə aşağı düşərsə, bir neçə saat gözləməyiniz və yenidən domenin vəziyyətini yoxlamağınız məsləhətdir. Sadəcə bir az səbr bu məsələni həll edə bilər.

Yayımcının domeninin müəyyən bir Veb saytında texniki problem ola bilər. Məs. məzmun başqa bir yerə / ünvana köçürülə bilərdi. Bu, eyni nəşriyyatın digər veb səhifələrini yoxlayaraq test edilə bilər. Düzgün işləyirlərsə, çox güman ki, müəyyən bir Veb saytında naşir tərəfindən həll edilməsi lazım olan bir problem var. Beləliklə, naşirə məlumat verilməlidir.

Bəzən sənədlər bu yaxınlarda dərc edildikdə DOI artıq mövcud ola bilər, ancaq kağız hələ əlçatan deyil. Çox təzə sənədlər olması halında, məzmun düzgün yüklənənə qədər bir az səbr bu məsələni həll edə bilər.

Bəzi sənədlər də saxta ola bilər və ya naşir aşağı keyfiyyətli sənədlər təqdim edə bilər. Bir DOI-nin əlçatmaz olması halında, bir naşirin etibarlılığını yoxlamaq faydalı ola bilər:

  • Olduqca bilinməyən bir naşirdir?
  • Veb sayt şübhəli görünür?
  • Kağızlarda və ya yayımcının Veb domenində çox səhv yazılar varmı?
  • Yayımcının məqalələri yalnız məs. 1 və ya 2 il?
  • Bu naşirin əlçatmaz DOI sənədləri olan bir neçə sənəd varmı?
  • Digər uyğunsuzluqları tapa bilərsinizmi?
  • Könüllü və ümumiyyətlə tövsiyə edilmir: Bu məqalə heç vaxt başqa bir müəllif və ya çox az müəllif tərəfindən istinad edilməyibmi (sitat sayı)? Bu, ümumi bir tövsiyə deyil, çünki hər təzə kağız sıfır sayma sayı ilə başlamalıdır. Bundan əlavə, alıntı saymalarının mövcud sistemlər tərəfindən necə yaradıldığı həmişə mükəmməl şəffaf deyil. Fərqli sistemlər fərqli istinad sayılarını bildirə bilər. Bundan əlavə, sitatların sayı tamamilə dəqiq olmayacaq. Nəzərə alındıqda, bu, yalnız digər meyarlarla birlikdə bəzi kiçik göstəricilər kimi qəbul edilməlidir.

Daha çox suala bəli ilə cavab vermək olarsa, naşirin saxtakarlığı o qədər şübhəlidir. Həm də ola bilər ki, bu naşir genişləndirilmiş həmkarlar nəzərdən keçirmə prosesi olmadan aşağı keyfiyyətli sənədlər təqdim edən & quotlow quality & quot naşiridir. Sözügedən hər hansı bir halda, mümkünsə, başqa naşirlərdən də alternativ sənədlər tapmağı məsləhət görürük.

DOI səhv kağızı göstərir. Bir DOI səhv bir kağıza və ya məzmuna işarə edirsə, bir DOI səlahiyyətinə məlumat verilməlidir.

DOI-də bəzi səhv səhvlər mövcud ola bilər. Nəhayət, verilmiş DOI-də bir neçə səhv yazının olması da mümkündür.


Məlumat mənbələri H-K

Verilənlər mənbəyi Masaüstündən qoşulun Xidmətə qoşulun və yeniləyin DirectQuery / Canlı əlaqə Gateway (dəstəklənir) Gateway (tələb olunur) Power BI Dataflows
Hadoop Dosyası (HDFS) Bəli Yox Yox Yox Yox Yox
Kovan LLAP Bəli Bəli Bəli Bəli Yox Yox
HDInsight İnteraktiv Sorğusu Bəli Bəli Bəli Yox Yox Yox
IBM DB2 Bəli Bəli Bəli Bəli Yox Bəli
IBM Informix Verilənlər Bazası Bəli Bəli Yox Bəli Yox Yox
IBM Netezza Bəli Bəli Bəli Bəli Bəli Yox
Impala Bəli Bəli Bəli Bəli Bəli Bəli
İndeksima Bəli Bəli Bəli Bəli Bəli Yox
Sənaye Tətbiqi Mağazası Bəli Bəli Yox Yox Yox Yox
Məlumat şəbəkəsi Bəli Bəli Yox Yox Yox Yox
Sistemlərarası IRIS Bəli Bəli Bəli Bəli Bəli Yox
Intune Məlumat Anbarı Bəli Bəli Yox Yox Yox Yox
Jethro ODBC Bəli Bəli Bəli Bəli Bəli Yox
JSON Bəli Bəli Yox Bəli ** Xeyr 3 Bəli
Kyligence Enterprise Bəli Bəli Bəli Bəli Bəli Yox

Məlumat toplama texnologiyaları üçün kompüter təhlükəsizliyi ☆

İnkişaf etməkdə olan ölkələrin bir çox təşkilatı (məsələn, QHT-lər) rəqəmsal məlumatların toplanmasını iş axınlarına daxil edirlər. Toplanan məlumatlar tibbi və ya sosial-iqtisadi məlumatlar kimi həssas hesab edilə bilən və kompüter təhlükəsizliyi hücumları və ya istəmədən səhv işlənmədən təsirlənə bilən məlumatları özündə cəmləşdirə bilər. Məlumat toplayan təşkilatların münasibətləri və təcrübələri bunun üçün təsir göstərir məxfilik, mövcudluqbütövlük məlumatların. Kompüter təhlükəsizliyi ilə ICTD tədqiqatçıları arasında əməkdaşlıq olan bu iş, görkəmli bir rəqəmsal məlumat toplama platforması olan Open Data Kit (ODK) istifadə edən təşkilatlardakı təhlükəsizlik və gizlilik münasibətlərini, tətbiqetmələrini və ehtiyaclarını araşdırır. Biz ətraflı şəkildə aparırıq təhdid modelləşdirmə potensial təhlükəsizlik təhdidləri barədə fikirlərimizi məlumatlandırmaq üçün həyata keçirin və daha sonra bu təhlilləri real yerləşdirmə təcrübələrində əsaslandırmaq üçün bu təşkilatlardakı bir mütəxəssis və sorğu və anket keçirib analiz edin. Bundan sonra nəticələrimizi əks etdiririk, məlumat toplayan hər iki təşkilat üçün və alət hazırlayanlar üçün dərslər çəkirik.


TDE master-də saxlanılan bir sertifikata (verilənlər bazası şifrələmə açarını şifrələmək üçün istifadə olunur) güvəndiyindən bu yalnız işləyəcəkdir əgər ana verilənlər bazasını başqa bir serverə sertifikatın şifrəsini açacaq şəkildə bərpa edə bilərsiniz.

Bu TDE şifrələmə iyerarxiyasıdır:

  1. Xidmət ana açarı (xidmət hesabı etimadnaməsinə və maşın açarına bağlı Windows tərəfindən qorunur)
  2. Verilənlər bazası ana açarı (bu halda ana verilənlər bazası üçün olan)
  3. Sertifikat
  4. TDE şifrələmə açarı

İlk üç maddə ana verilənlər bazasında saxlanılır və hamısı yedəklənə bilər. Dördüncüsü şifrəli verilənlər bazasının başlığında saxlanılır (3 nömrəli sertifikatla şifrələnir).

Buna görə bir uğursuzluq ssenarisində, TDE düyməsini oxumağınıza imkan vermək üçün kifayət qədər şifrələmə iyerarxiyasını bərpa etməlisiniz. SQL Server quraşdırma zamanı xidmət master açarını yaradır, beləliklə master verilənlər bazasını fərqli bir nümunəyə bərpa edərkən 2 və 3-cü maddələri də bərpa edəcək, şifrələrini açmaq üçün lazımlı açar (lar) mövcud olmayacaqdır. Nəticə: oxunmayan məlumatlar.

Ən yaxşı iki seçim ya sertifikatı (# 3) bir ehtiyat nüsxədən bərpa etməkdir (master hər hansı bir səbəblə bərpa oluna bilməyəcəyi təqdirdə yaxşı bir seçimdir) və ya ana verilənlər bazanızı və onun əsas açarını (# 2) bir nüsxədən bərpa edin. Bu açarla qorunan bir çox sertifikatınız / açarınız varsa və hamısını bir anda əlçatan etməlisinizsə, ana açarın bərpası daha yaxşı bir seçim ola bilər. Bu, normal olaraq ana məlumat bazasının bərpası ilə əlaqəli eyni tədbirlərlə (kollajlar, girişlər, verilənlər bazası adları və fayl yolları və s.) Gəlir.

Ümumiyyətlə, masteri yalnız bərpa ssenarisində bərpa etməyi məsləhət görürəm. Köçmə / miqyaslı ssenari üçün (Mövcudluq Qruplarının istifadəsi / TDE şifrəli verilənlər bazası ilə yansıtma kimi), sertifikatı yedəkləmək / bərpa etmək daha yaxşıdır (# 3), beləliklə hərəkət etdiyi hər bir nümunəyə xas olan ana düymələrdən istifadə edərək şifrələnir. üçün. Şəxsi açarı sertifikat ehtiyatına əlavə etməlisiniz.

Hər halda, açar / sertifikat ehtiyat nüsxələrini etmək məcburiyyətində qalacaqsınız, beləliklə onları yaxşı qoruyun və lazımsız, təhlükəsiz yerlərdə saxlayın. Sadəcə master ehtiyat nüsxəsinə sahib olmaq olmayacaq ən azı bir açar və ya sertifikat ehtiyatına ehtiyacınız olacaq bir TDE fəlakətindən çıxartın.


Böyük məlumat inteqrasiyası

İşgüzar kəşfiyyat vasitələri

Strukturlaşdırılmış iş zəkası

Veri anbarı ilə yanaşı, məlumat bazaları da əlaqəli verilənlər bazalarında strukturlaşdırılmış məlumatlar üzərində işləyən ənənəvi iş zəkası alətləridir. Ənənəvi iş kəşfiyyatı vasitələri, məlumatları sanallaşdırma serveri vasitəsilə strukturlaşdırılmamış məlumat mənbələrindən uyğun bir strukturlaşdırılmış formatda qidalandıqda hər zamankindən daha güclü olur.

İş kəşfiyyatını axtarın

Böyük məlumat arxitekturası üçün kritik olan sənədlərin və e-poçtların idarə olunması üçün alətlərin, o cümlədən bu məlumatların təhlilinə yönəlmiş iş zəkası alətlərinin daxil olmasıdır. Axtarış analiz alətləri çox sayda və bir çox yerdəki məlumatlara daxil ola bilər.

Hadoop və MapReduce iş zəkası

Bir çox hallarda "böyük məlumatlar" və Hadoop eş mənşəli olaraq istifadə olunur. Hadoop həll dəstinin bir hissəsi olaraq, MapReduce ümumiyyətlə Hadoop Fayl Sistemində saxlanılan məlumatların təşkili və təhlili üçün istifadə olunur.

Vizualizasiya

Kütləvi məlumat təqdim etmək üçün məlumatların görselləşdirilməsi vasitələri, məlumat anbarları, məlumat axınları və Hadoop da daxil olmaqla bir çox aralıq məlumat mərkəzlərindən alınan məlumatlara qarşı istifadə olunur.


Nigeriyada əhali mərkəzlərinin aşkarlanması

Interesant algoritmul & # 8230 de citit. Mai jos se afla si ilə əlaqəli tarixə baxın, pentru cei qayğı və ya təcrübi olaraq birbaşa mai multe sau ilə birbaşa əlaqələndirin.

Planetin (yaşasa da) bu günə qədər xəritəsiz qalan böyük bölgələri var. DigitalGlobe, Qeyri-Hökumət peyvəndi və yardım paylama təşəbbüslərini dəstəkləmək üçün Efiopiya, Sudan və Svazilenddəki uzaq əhali mərkəzlərini aşkar etmək üçün kütləvi qaynaq kampaniyaları başlatdı.Bu, qlobal xəritədəki boşluqları doldurmaq üçün ilk təşəbbüslərdən biridir. , hələ əlçatmaz, insanlar.

Kütləvi mənbələrdən kəndlərin aşkarlanması dəqiq, lakin ləngdir. İnsan gözləri binaları asanlıqla aşkar edə bilər, lakin geniş əraziləri örtmək üçün bir az vaxt lazımdır. Keçmişdə, obyektləri miqyasda aşkarlamaq və təsnif etmək üçün kredsoursinqi GBDX-də dərin öyrənmə ilə birləşdirdik. Bu yanaşma budur: izdihamdan təlim nümunələri toplayın, maraq obyektini müəyyənləşdirmək üçün bir sinir şəbəkəsi öyrədin, sonra öyrədilmiş modeli geniş ərazilərə yerləşdirin.

Bu yaxınlarda həyata keçirilən geniş miqyaslı bir əhali xəritələşdirmə kampaniyası kontekstində adi sual ilə qarşılaşdıq. İzdihamla binalar tapın və ya bunu etmək üçün bir maşın öyrədin? Bu, başqa bir suala səbəb oldu: Adelaida'da hovuz tapmaq üçün öyrətdiyimiz konvolyusional sinir şəbəkəsi (CNN) Nigeriyadakı binaları aşkar etmək üçün öyrədilə bilərmi?

Bu suala cavab vermək üçün Nigeriya və Kamerunla sərhəddə Nigeriyanın şimal-şərqində maraq dairəsini seçdik. DigitalGlobe’nin şəkil kitabxanası lazımi məzmunu təmin etdi: 2015-ci ilin yanvarından 2016-cı ilin mayına qədər toplanan doqquz WorldView-2 və iki GeoEye-1 şəkil zolağı.

Dörd WorldView-2 zolağı seçdik, onları hər tərəfi 115 m olan kvadrat sensorlara ayırdıq (sensor pikseldə 250 piksel) və izdihamımızdan bunları ‘Binalar’ və ya ‘Binalar Yoxdur’ kimi etiketləmələrini xahiş etdik. Bu şəkildə, sinir şəbəkəsini yetişdirmək üçün etiketli məlumatlar əldə etdik.

Təlim olunmuş model daha sonra zolaqların qalan hissəsinə yerləşdirildi. Bu, hər bir görüntünün öyrəndiklərimizlə eyni ölçülü çiplərə bölünməsini, sonra modelin hər bir çipi ‘Binalar’ və ya ‘Binalar Xeyr’ kimi təsnif etməsini əhatə edirdi.

Nəticə: ‘Binalar’ və ya ‘Binalar Xeyr’ kimi təsnif edilmiş bütün çipləri özündə əks etdirən bir fayl və hər təsnifatdakı güvən xalı.

Nəticələr

Modelin nümunə təsnifatları:

Yaşılın intensivliyi, bir binanın varlığındakı modelin etibarına nisbətlidir. İnamın bina sıxlığı ilə artdığı aydın olur. Model işini görür!

Sinir şəbəkəsi həqiqətən nə öyrənir? Aşağıda binaları ehtiva edən bir çipin təsnifatı zamanı istehsal olunan gizli təbəqə çıxışlarının nümunələri verilmişdir. Diqqət yetirin ki, çip ardıcıl təbəqələr tərəfindən işləndikcə binaların yerləşdiyi yerlər getdikcə daha çox işıqlandırılır və çipin binaları ehtiva etməsinə dair yüksək inam qərarına səbəb olur.

Budur nəticələrin daha böyük bir nümunəsi. Google xəritələrindəki sürətli bir araşdırma, bu kəndlərin çoxunun xəritədə olmadığını göstərir.

Beləliklə, orijinal sualımıza cavab vermək üçün: bəli, Avstraliyada bir şəhərətrafı mühitdə üzgüçülük hovuzlarını aşkar etmək üçün uğurla istifadə olunan eyni sinir şəbəkəsi arxitekturası Nigeriya səhrasında binaları aşkar etmək üçün istifadə edilə bilər. Təlim almış model, GPU ilə təchiz olunmuş Amazon nümunəsində təxminən 200000 çipi (3000 km2-dən bir qədər çox) təsnif edə bilər. GBDX, modelin ixtiyari sayda zolaq üzərində paralel yerləşdirilməsinə imkan verir - bu da populyasiya mərkəzlərinin kontinental miqyaslı xəritələşdirilməsini gerçəkləşdirir.

Tam hekayəni burada və maraq dairəsinin alt hissəsi üçün tam qətnamə xəritəsinə bir keçid tapa bilərsiniz.

Bunu paylaş:

Bunun kimi:


Təhlükəsizlik təminatı prosesləri və tətbiqləri

Azure təcrid zəmanəti Microsoft-un Təhlükəsizlik İnkişaf Ömrü (SDL) daxili istifadəsi və hücum səthlərini qorumaq və təhdidləri azaltmaq üçün digər güclü təhlükəsizlik təminatı prosesləri ilə daha da gücləndirilir. Microsoft, Azure təcrid zəmanətinə yüksək etimad təmin edən sənayenin qabaqcıl proseslərini və alətlərini yaratdı.

  • Təhlükəsizlik İnkişaf Ömrü (SDL) - Microsoft SDL, inkişaf müddətinin bütün mərhələlərində təhlükəsizlik və məxfilik məsələlərini təqdim edir, inkişaf etdiricilərə yüksək dərəcədə etibarlı bir proqram yaratma, təhlükəsizliyə uyğunluq tələblərini həll etmək və inkişaf xərclərini azaltmağa kömək edir. Microsoft SDL-dəki rəhbərlik, ən yaxşı təcrübələr, alətlər və proseslər bütün Azure xidmətlərini qurmaq və daha etibarlı məhsullar və xidmətlər yaratmaq üçün daxili istifadə edilən tətbiqlərdir. Bu proses, Microsoft-un öyrənmələrini daha geniş sənaye ilə bölüşmək və daha güclü bir təhlükəsizlik inkişaf prosesi yaratmaq üçün sənaye rəylərini birləşdirmək üçün açıq şəkildə sənədləşdirilmişdir.
  • Alət və proseslər - Bütün Azure kodları potensial zəiflikləri, təsirsiz təhlükəsizlik nümunələrini, yaddaş pozğunluğunu, istifadəçi imtiyaz problemlərini və digər vacib təhlükəsizlik problemlərini müəyyən edən geniş statik və dinamik analiz alətlərinə malikdir.
    • Məqsəd fuzzing qurulmuşdur - Proqram məhsulları və xidmətlərindəki təhlükəsizlik zəifliklərini tapmaq üçün istifadə olunan bir test üsulu. Asma, istisna və qəzaları tetiklemek üçün dəyişdirilmiş və ya qeyri-müəyyən bir məlumatları proqram girişlərinə dəfələrlə qidalandırmaqdan, yəni təcavüzkarın tətbiqləri və xidmətləri pozmaq və ya nəzarətə götürmək üçün bir təcavüzkar tərəfindən istifadə edilə bilən səhv şərtlərindən ibarətdir. Microsoft SDL, bir proqram məhsulunun bütün hücum səthlərini, xüsusən də məlumat təhlilçisini etibarsız məlumatlara məruz qoyan səthləri qarışdırmasını tövsiyə edir.
    • Canlı saytın nüfuz testi - Microsoft, bu hissədə daha sonra təsvir edilən Qırmızı Teaming proqramının bir hissəsi olaraq, bulud təhlükəsizliyi nəzarətlərini və proseslərini yaxşılaşdırmaq üçün davamlı canlı sayt nüfuz testləri keçirir. Penetrasyon testi, bir hackerin hərəkətlərini simulyasiya edən bacarıqlı təhlükəsizlik mütəxəssisləri tərəfindən həyata keçirilən bir proqram sisteminin təhlükəsizlik analizidir. Nüfuz testinin məqsədi kodlaşdırma səhvləri, sistem konfiqurasiya xətaları və ya digər əməliyyat yerləşdirmə zəifliklərindən qaynaqlanan potensial zəifliklərin üzə çıxarılmasıdır. Testlər Azure infrastrukturuna və platformalarına və Microsoft-un kirayəçilərinə, tətbiqetmələrinə və məlumatlarına qarşı aparılır. Müştəri kirayəçiləri, tətbiqləri və Azure-də yerləşdirilən məlumatlar heç vaxt hədəflənmir, lakin müştərilər Azure-da yerləşdirilmiş tətbiqlərinin öz nüfuz testlərini apara bilərlər.
    • Təhlükə modelləşdirmə - Microsoft SDL-nin əsas elementidir. Tətbiqləri və xidmətləri təsir göstərə biləcək təhdidləri, hücumları, zəiflikləri və əks tədbirləri müəyyənləşdirməyə kömək etmək üçün istifadə olunan bir mühəndislik texnikasıdır. Təhlükə modelləşdirməsi Azure gündəlik inkişaf həyatının bir hissəsidir.
    • Səth sahəsinə hücum üçün dəyişikliklərin avtomatik qurulması barədə xəbərdarlıq - Attack Surface Analyzer, hədəf sistemin hücum səthini təhlil edən və proqram təminatı və ya sistemin səhv konfiqurasiyası zamanı təqdim olunan potensial təhlükəsizlik zəiflikləri barədə hesabat verən Microsoft tərəfindən hazırlanmış açıq mənbəli təhlükəsizlik vasitəsidir. Attack Surface Analyzer-in əsas xüsusiyyəti, bir proqram komponenti quraşdırılmadan əvvəl və sonra əməliyyat sisteminin təhlükəsizlik konfiqurasiyasını “fərqləndirmək” qabiliyyətidir. Bu xüsusiyyət vacibdir, çünki əksər quraşdırma prosesləri yüksək imtiyazlar tələb edir və bir dəfə verildikdə istənilməyən sistem konfiqurasiya dəyişikliklərinə səbəb ola bilər.

    Buluda köçərkən, ənənəvi yerli məlumat mərkəzinin yerləşdirilməsinə alışmış müştərilər, təhdidlərə məruz qaldıqlarını ölçmək və təsirlərini azaltma tədbirlərini hazırlamaq üçün ümumiyyətlə risk qiymətləndirməsi aparacaqlar. Bu hallarda, ənənəvi yerlərdə yerləşdirmə üçün təhlükəsizlik məsələləri yaxşı başa düşülməyə meyllidir, müvafiq bulud seçimləri isə yeni olur. Növbəti hissə bu müqayisədə müştərilərə kömək etmək məqsədi daşıyır.


    Silsil olduqca oxşar şəkildə tərif olunur, lakin aralarındakı əsas fərq budur silin deməkdir silin (yəni mövcud olmayan və ya bərpa edilə bilməyən göstərilmişdir), while sil məzmun götürüb kənara qoyun (lakin varlığını qoruyub saxlayır).

    Sizin nümunənizdə, maddə qaldırıldıqdan sonra varsa, sadəcə deyin sil, amma mövcud olmasa, deyin silin.

    Yan not kimi: silin bəzən mənasını ifadə etmək üçün kompüter sənədlərindən istifadə olunur zibil qutusuna / zibil qutusuna aparın (dolayısıyla hələ bərpa edilə bilər), lakin bu, bu kontekstdən kənar standart bir məna deyil.

    Çox oxşardırlar, amma burada fərq qoymağım hərəkətin etdiyinə və siyahıdan silinib silinən maddəyə əsaslanır.

    Maddə siyahı xaricində mövcud olmağa davam edərsə, siyahıdan çıxarıldığı üçün "çıxar" tövsiyə edirəm, ancaq maddənin özü silinmir.

    Maddə artıq olmayacaqsa, "çıxar" və "sil" əslində ekvivalentdir, baxmayaraq ki, istifadəçi elementi sildiyi üçün "silmək" bir az daha aydın ola bilər.

    Kolleksiyadan bir şeyi (məsələn, layihədən bir sənəd, kitabxanadan bir qovluq) silmədən çıxara bilərsiniz. Söz mövzusu maddənin kolleksiyanızdan kənar bir həyatı yoxdursa (məsələn, bir söz sənədindən bir abzas), onda silmək və silmək arasında heç bir fərq yoxdur. Ancaq belə bir ömrü varsa (məsələn, HTML səhifəsindəki bir şəkil faylı), sonra silib silmək fərqli ola bilər. Sil daha güclüdür - kolleksiyama daxil etməyi dayandırmaqla yanaşı, nə olursa olsun onu əlaqələndirməklə yanaşı yaşadığı yerdən də silin.


    Yorğun, D. J. & amp; Doktor, D. H. ABŞ-da Karst: rəqəmsal xəritə tərtibatı və verilənlər bazası, https://doi.org/10.3133/ofr20141156 (2014).

    Weary, D. ABŞ-da digər təbii təhlükələrlə müqayisədə karst çökmə və batma çökməsinin dəyəri. İldə Sinkholes və Karst'ın Mühəndislik və Ətraf Mühitə Təsirləri: On dördüncü Multidisipliner Konfransın materialları (eds Doctor, D. H., Land, L. & amp Stephenson, J. B.) 433-445, https://doi.org/10.5038/9780991000951.1062 (National Cave and Karst Research Institute, Carlsbad, NM, 2015).

    Florida Sığorta Tənzimləmə Ofisi. 2010 Sinkhole Məlumat Zənginin İcmalına dair Hesabat (2010).

    Scott, T. M. Florida’nın Təhlükədə Bulaqları. Geotimes 47, 16–20 (2002).

    Lindsey, B. D. və s. ABŞ-ın şərqindəki seçilmiş karbonat sulu təbəqələrdəki çuxur sıxlığı ilə antropogen çirkləndiricilər arasındakı münasibətlər. Sv. Earth Sci 60, 1073–1090 (2010).

    Katz, B. G., Sepulveda, A. A. & amp Verdi, R. J. Böyük bir karstik bulaqlar hövzəsində, Florida-da yeraltı suya azot yüklənməsinin və nitrat çirklənməsinə qarşı həssaslığın qiymətləndirilməsi. J. Am. Su Resour. Dos. 45, 607–627 (2009).

    Kidanu, S. T., Anderson, N. L. & amp Rogers, J. D. Missuri ştatının Greene bölgəsindəki Sinkholeların əmələ gəlməsinə təsir göstərən amilləri təyin etmək üçün Gis əsaslı məkan analizindən istifadə. Ətraf. Eng. Geosci. 24, 251–261 (2018).

    Galve, J. P. və s. Təhlükənin qiymətləndirilməsi üçün ehtimal olunan çuxur modelləşdirməsi. Earth Surf. Proses. Torpaq formaları 34, 437–452 (2009).

    Whitman, D., Gubbels, T. & amp Powell, L. Mərkəzi Florida'da göl yüksəklikləri, su qatları və çuxur meydana gəlməsi arasındakı məkan qarşılıqlı əlaqələri: CİS yanaşması. Fotoqramma. Eng. Uzaqdan Algılama 65, 1169–1178 (1999).

    Wilson, W. L. & amp Beck, B. F. Florida, Orlando Bölgəsindəki yeni çuxur inkişafına təsir göstərən hidrogeoloji faktorlar. Yeraltı sular 30, 918–930 (1992).

    Gongyu, L. & amp Wanfang, Z. Çindəki karst mədən ərazilərindəki sinkol və bəzi profilaktika üsulları. Eng. Geol. 52, 45–50 (1999).

    Benito, G., del Campo, P. P., Gutiérrez-Elorza, M. & amp Sancho, C. NE İspaniyadakı gips ərazisindəki təbii və insanın yaratdığı çuxurlar və əlaqəli ekoloji problemlər. Ətraf. Geol. 25, 156–164 (1995).

    Taheri, K. və s. Sinkhole həssaslıq xəritəsi: Bayes əsaslı maşın öyrənmə alqoritmləri ilə müqayisə. L. Degrad. Dev, https://doi.org/10.1002/ldr.3255 (2019).

    Brook, G. A. & amp; Allison, T. L. Örtülü Karst ərazisindəki sınıqların xəritələşdirilməsi və yerlə çökmə həssaslığının modelləşdirilməsi: Gürcüstanın Dougherty əyalətinin nümunəsi. Torpaq çökmə. 151 saylı IAHS Nəşri (1986).

    Dai, J., Lei, M., Lui, W., Tang, S. & amp Lai, S. Guilin, Guangxi, Çin’də Karst Çökmə Təhlükələrinin Qiymətləndirilməsi. Sink. Eng. Ətraf. Təsirlər Karst 156–164, https://doi.org/10.1061/41003(327)16 (2008).

    Galve, J. P., Remondo, J. & amp Gutiérrez, F. Böyüklük-tezlik münasibətlərini və ən yaxın qonşu analizini özündə birləşdirən çuxur təhlükəsi modellərinin təkmilləşdirilməsi. Geomorfologiya 134, 157–170 (2011).

    Taheri, K., Gutiérrez, F., Mohseni, H., Raeisi, E. & amp Taheri, M. Sinhole həssaslıq analitik iyerarxiya prosesi (AHP) və böyüklük-tezlik əlaqələrindən istifadə edərək Xəritəçəkmə: İranın Həmədan əyalətində bir nümunə. Geomorfologiya 234, 64–79 (2015).

    Orndorff, R. C., Weary, D. J. & amp Lagueux, K. M. ABŞ-ın Cənubi Mərkəzi Missouri, Ozarks bölgəsindəki dolinlərin paylanmasına dair geoloji nəzarətin coğrafi məlumat sistemləri təhlili. Acta Carsologica 29, 161–175 (2000).

    Gao, Y., Alexander, E. C. & amp Barnes, R. J. Karst, Minnesota'daki verilənlər bazası tətbiqi: Çuxur paylanmasının analizi. Ətraf. Geol. 47, 1083–1098 (2005).

    Zhou, W., Beck, B. F. & amp Adams, A. L. Maqistral boyu çuxurların risk zonalarını müəyyənləşdirməkdə matris analizinin tətbiqi (Maryland, Frederick yaxınlığında I-70). Ətraf. Geol. 44, 834–842 (2003).

    Tharp, T. M. Örtük-çökmə çuxur əmələ gəlməsi və torpaq plastisiyası. İldə Sinkholes və Karst-in mühəndisliyi və ətraf mühitə təsiri 110–123 (2003).

    O, K., Liu, C. & amp Wang, S. Karstın həddindən artıq nasosla əlaqəli çöküşü və onun dayanıqlığı üçün bir meyar. Ətraf. Geol. 43, 720–724 (2003).

    Galve, J. P. və s. Ebro Vadisi evaporit karstında (NE İspaniya) çuxurlara həssaslıq xəritələşdirmə metodlarının qiymətləndirilməsi və müqayisəsi. Geomorfologiya 111, 160–172 (2009).

    Ciotoli, G. və s. Sinkhole həssaslığı, Lazio Bölgəsi, orta İtaliya. J. Xəritə 12, 287–294 (2016).

    Saha, A. K., Gupta, R. P., Sarkar, I., Arora, M. K. & amp Csaplovics, E. GIS əsaslı statistik sürüşməyə həssaslıq zonası üçün bir yanaşma - Himalayalarda bir nümunə işi ilə. Heyelan 2, 61–69 (2005).

    Yılmaz, I., Marschalko, M. & amp Bednarik, M. CİS mühitində çökməyə həssaslıq üçün iki dəyişkən, çox dəyişkən və yumşaq hesablama texnikasının istifadəsinə dair qiymətləndirmə. J. Earth Syst. Elm. 122, 371–388 (2013).

    Yalçın, A. Ardesendə (Türkiyə) analitik hiyerarşi prosesi və ikili dəyişkənlik statistikasından istifadə edərək GIS əsaslı heyelan həssaslığı xəritələməsi: Nəticələrin və təsdiqlərin müqayisəsi. Catena 72, 1–12 (2008).

    Ciurleo, M., Cascini, L. & amp Calvello, M. Gilli torpaqlarda dayaz sürüşmə həssaslığı rayonlaşdırılması üçün statistik və deterministik metodların müqayisəsi. Eng. Geol. 223, 71–81 (2017).

    Lee, S. Logistik reqressiya modelinin tətbiqi və GIS və uzaqdan algılama məlumatları istifadə edərək sürüşməyə həssaslıq xəritələşdirilməsi üçün təsdiqlənməsi. İnt. J. Uzaqdan Sens. 26, 1477–1491 (2005).

    Ayalew, L. & amp Yamagishi, H. Mərkəzi Yaponiyanın Kakuda-Yahiko Dağlarında sürüşməyə həssaslıq xəritələşdirilməsi üçün GIS əsaslı logistik regresiyanın tətbiqi. Geomorfologiya 65, 15–31 (2005).

    Papadopoulou-Vrynioti, K., Bathrellos, G. D., Skilodimou, H. D., Kaviris, G. & amp Makropoulos, K. Karst, sürətlə böyüyən bir şəhər ərazisindəki zirvə sürətlənməsini nəzərə alaraq dağılma həssaslığı xəritələməsi. Eng. Geol. 158, 77–88 (2013).

    Ayalew, L., Yamagishi, H. & amp Ugawa, N. Yaponiyanın Niigata Prefekturası, Agano Çayının Tsugawa bölgəsindəki GIS əsaslı ağırlıqlı xətti birləşmədən istifadə edərək sürüşməyə həssaslıq xəritəsi. Heyelan 1, 73–81 (2004).

    Wu, C. H. & amp Chen, S. C. Analitik iyerarxiya prosesi metodundan istifadə edərək Mərkəzi Tayvanda yağışdan və altı sahə faktorundan heyelan həssaslığının müəyyənləşdirilməsi. Geomorfologiya 112, 190–204 (2009).

    Chen, W. və s. Çinin Baoji City, Baozhong bölgəsi üçün analitik hiyerarşi prosesi (AHP) və müəyyənlik faktoru (CF) modellərindən istifadə edərək GIS əsaslı sürüşmə həssaslığı xəritələşdirilməsi. Ətraf. Earth Sci. 75, 1–14 (2016).

    Ercanoğlu, M., Kasmer, O. & amp Temiz, N. Ekspert rəyinin sürüşməyə həssaslıq xəritələşdirilməsi üçün analitik iyerarxiya prosesinə uyğunlaşdırılması və müqayisəsi. Öküz. Eng. Geol. Ətraf. 67, 565–578 (2008).

    Park, S., Choi, C., Kim, B. & amp Kim, J. Koreyanın Inje bölgəsindəki frekans nisbəti, analitik hiyerarşi prosesi, lojistik reqressiya və süni sinir şəbəkəsi metodlarından istifadə edərək sürüşməyə həssaslıq xəritələməsi. Ətraf. Earth Sci. 68, 1443–1464 (2013).

    Komac, M. A landslide susceptibility model using the Analytical Hierarchy Process method and multivariate statistics in perialpine Slovenia. Geomorfologiya 74, 17–28 (2006).

    Marinoni, O. Implementation of the analytical hierarchy process with VBA in ArcGIS. Hesablama. Geosci. 30, 637–646 (2004).

    Gutiérrez, F., Cooper, A. H. & Johnson, K. S. Identification, prediction, and mitigation of sinkhole hazards in evaporite karst areas. Ətraf. Geol. 53, 1007–1022 (2008).

    Tang, Z., Yi, S., Wang, C. & Xiao, Y. Incorporating probabilistic approach into local multi-criteria decision analysis for flood susceptibility assessment. Stoch. Ətraf. Res. Risk Assess. 32, 701–714 (2018).

    Park, H. J., Lee, J. H. & Woo, I. Assessment of rainfall-induced shallow landslide susceptibility using a GIS-based probabilistic approach. Eng. Geol. 161, 1–15 (2013).

    Census Bureau, U. S. & Census Bureau, U. S. QuickFacts: Marion County, Florida. US Census Bureau, Census of Population and Housing Available at, https://www.census.gov/quickfacts/fact/table/marioncountyflorida/POP060210#viewtop (Accessed: 22 nd October 2018) (2010).

    Florida Department of Community Affairs. Mapping for Emergency Management, Parallel Hazard Information System (2005).

    Miller, J. A. Hydrogeologic framework of the Floridan Aquifer System in Florida and in parts of Georgia, Alabama, and South Carolina. U.S. Geological Survey Professional Paper 1403–B (1986).

    Scott, T. M. Lithostratigraphy and hydrostratigraphy of Florida. Florida Sci. 79, 198–207 (1988).

    Kim, Y. J., Xiao, H., Wang, D., Choi, Y. W. & Nam, B. H. Development of Sinkhole Hazard Mapping for Central Florida. İldə Geotechnical Frontiers 2017 459–468, https://doi.org/10.1061/9780784480441.048 (American Society of Civil Engineers, 2017).

    Newton, J. G. Sinkholes resulting from ground-water withdrawals in carbonate terranes-an overview, https://doi.org/10.1130/REG6-p195 (1984).

    Sinclair, W. C. Sinkhole development resulting from ground-water withdrawal in the Tampa area, Florida (1982).

    Parise, M. A present risk from past activities: sinkhole occurrence above underground quarries. Carbonates and Evaporites 27, 109–118 (2012).

    Salvati, R. & Sasowsky, I. D. Development of collapse sinkholes in areas of groundwater discharge. J. Hydrol. 264, 1–11 (2002).

    Rawal, K. Exploring the Geomechanics of Sinkholes: A Preliminary Numerical Study. (University of Toledo, 2016).

    Arthur, J. D., Baker, A. E., Cichon, J. R., Wood, A. R. & Rudin, A. Florida aquifer vulnerability assessment (FAVA): contamination potential of Florida’s principal aquifer systems (2005).

    Singh, K. B. & Dhar, B. B. Sinkhole subsidence due to mining. Geotech. Geol. Eng. 15, 327–341 (1997).

    Shofner, G. A., Mills, H. H. & Duke, J. E. A simple map index of karstification and its relationship to sinkhole and cave distribution in Tennessee. J. Cave Karst Stud. 63, 67–75 (2001).

    Saaty, T. L. Multicriteria decision making. The analytical hierarchy process. İldə McGraw-Hill. 287 (McGraw Hill International, 1980).

    Saaty, T. L. Decision-making with the AHP: Why is the principal eigenvector necessary. Eur. J. Oper. Res. 145, 85–91 (2003).

    Yalcin, A. & Bulut, F. Landslide susceptibility mapping using GIS and digital photogrammetric techniques: a case study from Ardesen (NE-Turkey). Nat. Təhlükələr 41, 201–226 (2007).

    Pourghasemi, H. R., Pradhan, B. & Gokceoglu, C. Application of fuzzy logic and analytical hierarchy process (AHP) to landslide susceptibility mapping at Haraz watershed, Iran. Nat. Təhlükələr 63, 965–996 (2012).

    Chendeş, V., Sima, M. & Enciu, P. A country-wide spatial assessment of landslide susceptibility in Romania. Geomorfologiya 124, 102–112 (2010).

    King, G. & Zeng, L. Logistic regression in rare events data. Polit. Anal. 9, 137–163 (2001).

    Atkinson, P. M. & Massari, R. Generalized linear modelling of susceptibility to landsliding in the Central Apenines, Italy. Hesablama. Geosci. 24(4), 373–385 (1998).

    Dai, F. & Lee, C. Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong. Geomorfologiya 42, 213–228 (2002).

    Van Den Eeckhaut, M. et al. Prediction of landslide susceptibility using rare events logistic regression: A case-study in the Flemish Ardennes (Belgium). Geomorfologiya 76, 392–410 (2006).

    Ohlmacher, G. C. & Davis, J. C. Using multiple logistic regression and GIS technology to predict landslide hazard in northeast Kansas, USA. Eng. Geol. 69, 331–343 (2003).

    Crone, S. F. & Finlay, S. Instance sampling in credit scoring: An empirical study of sample size and balancing. Int. J. Forecast. 28, 224–238 (2012).

    Alin, A. Multicollinearity. Wiley Interdiscip. Rev. Comput. Stat. 2, 370–374 (2010).

    Chung, C.-J. & Fabbri, A. G. Predicting landslides for risk analysis — Spatial models tested by a cross-validation technique. Geomorfologiya 94, 438–452 (2008).

    Brinkmann, R., Parise, M. & Dye, D. Sinkhole distribution in a rapidly developing urban environment: Hillsborough County, Tampa Bay area, Florida. Eng. Geol. 99, 169–184 (2008).

    Florida Department of Transportation Surveying and Mapping Office Geographic Mapping Section. Floridia land use, cover and forms classification system. (State of Florida, Department of Transportation, 1999).

    Ozdemir, A. Sinkhole Susceptibility Mapping Using a Frequency Ratio Method and GIS Technology Near Karapınar, Konya-Turkey. Procedia Earth Planet. Elm. 15, 502–506 (2015).

    Todd, A. & Ivey-Burden, L. A method of mapping sinkhole susceptibility using a geographic information system: a case study for interstates in the karst counties of Virginia. İldə Sinkholes and the Engineering and Environmental Impacts of Karst: Proceedings of the Fourteenth Multidisciplinary Conference (eds Doctor, D. H., Land, L. & Stephenson, J. B.) 299–305 (National Cave and Karst Research Institute, Carlsbad, NM, 2015).

    Gutiérrez-Santolalla, F., Gutiérrez-Elorza, M., Marín, C., Desir, G. & Maldonado, C. Spatial distribution, morphometry and activity of La Puebla de Alfindén sinkhole field in the Ebro river valley (NE Spain): applied aspects for hazard zonation. Ətraf. Geol. 48, 360–369 (2005).

    Drake, J. & Ford, D. The analysis of growth patterns of two-generation populations: the examples of karst sinkholes. Can. Geogr. 16, 381–384 (1972).

    Lari, S., Frattini, P. & Crosta, G. B. A probabilistic approach for landslide hazard analysis. Eng. Geol. 182, 3–14 (2014).

    Kim, Y. J. & Nam, B. H. Sinkhole Hazard Mapping Using Frequency Ratio and Logistic Regression Models for Central Florida. İldə Geo-Risk 2017 246–256, https://doi.org/10.1061/9780784480717.023 (American Society of Civil Engineers, 2017).

    Ozdemir, A. Sinkhole susceptibility mapping using logistic regression in Karapınar (Konya, Turkey). Bull. Eng. Geol. Ətraf. 75, 681–707 (2016).

    Theron, A. & Engelbrecht, J. The Role of Earth Observation, with a Focus on SAR Interferometry, for Sinkhole Hazard Assessment. Remote Sens. 10, 1506 (2018).

    Jones, C. & Blom, R. Pre-Event and Post-Formation Ground Movement Associated with the Bayou Corne Sinkhole. İldə Sinkholes and the Engineering and Environmental Impacts of Karst: Proceedings of the Fourteenth Multidisciplinary Conference (eds Doctor, D. H., Land, L. & Stephenson, J. B.) 415–422, https://doi.org/10.5038/9780991000951.1083 (National Cave and Karst Research Institute, Carlsbad, NM, 2015).

    Wu, Q., Deng, C. & Chen, Z. Automated delineation of karst sinkholes from LiDAR-derived digital elevation models. Geomorfologiya 266, 1–10 (2016).

    Fleury, E. S., Carson, S. & Brinkmann, R. Testing reporting bias in the Florida sinkhole database: an analysis of sinkhole occurrences in the Tampa metropolitan statistical area. Southeast. Geogr. 48, 38–52 (2008).

    Xiao, H., Kim, Y. J., Nam, B. H. & Wang, D. Investigation of the impacts of local-scale hydrogeologic conditions on sinkhole occurrence in East-Central Florida, USA. Ətraf. Earth Sci. 75, 1274 (2016).


    Videoya baxın: Lecture: 7. ArcGIS 10: Extracting Information from Google earth (Oktyabr 2021).