Daha çox

Shapefiles bir CBS-də birlikdə qurulur, lakin R-də deyil


Bu iki faylı və bir sıra nöqtələri (dropbox qovluğu) QGIS və MapInfo-da tərtib etməyə çalışdım. Onlar olduqca yaxşı hizalanırlar (baxmayaraq ki, mükəmməl deyil).

Ancaq R-də yalnız www.naturalearthdata.com saytındakı məlumatlar nöqtələr kimi digər şeylərlə birlikdə plan qura bilər. Mənim 'öz' şəkillərim qəşəng şəkillər çəkir, amma həmişə tək (üstünə bal əlavə etmirəm və ya üstünə nöqtələrə "icazə" vermirəm) və ...

Öz şəkillərim döndərilir (mərkəzin şimala doğru olduğu daha böyük bir sənəddən kəsilmişdir) və tətbiq rotasiyasını MapInfo-da necə saxlayacağımı başa düşə bilmirəm (çoxsaylı yollar ixrac etməyə çalışmışam). Bəlkə bu mənim problemimə səbəb olur?

library (rgdal) library (raster) # "Mənim" forma sənədlərimin yüklənməsi: shp.WashingtonLand <-readOGR (".", "WLmap2_polyline") plot (shp.WashingtonLand) # Yalnız Washington Land üçün naturalearthdata.com məlumatlarının yüklənməsi shp.greenland <-readOGR (".", "GRL_adm2") ext.washington.land <- ölçü (-68, -58, 79.9, 81.2) shp.clip.WashingtonLand <- məhsul (shp.greenland, ext.washington.land) plot (shp.clip.WashingtonLand) # məlumat nöqtələri SamplePoints <- read.csv2 ("SamplenumberAndCoordinates", header = TRUE) locs <- alt set (SamplePoints, select = c ("Latitude", "Longitude")) coordinates (locs) <- c ("Boylam", "Latitude") sahəsi (locs, col = "red", add = T)

Ümid edirəm ki, məntiqlidir, hər şeyi bir araya gətirmək və lazımınca sadələşdirmək biraz vaxt apardı.


Geoprosessinq üçün QGIS-də uçma cavabını açmağı təklif edirəm QAPALI şekillerinizin hizalanıb-düzülməməsini görmək. Bir çox halda, formalar fərqli CRS-də olduqda, geosessilinq işləmir və işləmir. Buna görə çoxbucaqlı qatınızı WGS84 EPSG: 4326 (edin YOX istifadə edinLayer üçün CRS seçinbunun üçün!), nöqtə qat koordinatları ilə uyğunlaşmaq.

NaturalEarth verilənlər bazası üçün mənim üçün də çox uyğun deyil. QGIS istifadə edərək, düyməsini dəyişə bilərsiniz layihə EPSG-yə CRS: 3857 və bir istinad fonu olaraq Openlayers plaginindən Google və ya Openstreetmap görüntülərini əlavə edin:

Nöqtələrin və çoxbucaqlıların arxa plana uyğun olduğunu görürsən, amma yaşıl GADM təbəqəsi uyğun gəlmir. Bunu necə rəqəmləşdirdiklərini bilmirəm. Yalnız sahil xəttinə ehtiyacınız varsa, bunu Openstreetmap-dən götürə bilərsiniz:

http://openstreetmapdata.com/data/coastlines

Openstreetmap plitələri üçün istifadə olunan eyni mənbəyidir.


WLmap2_polyline məlumatları WGS 1984 UTM zonası 24N istifadə edir, lakin məlumatlar həqiqətən 20N zonasındadır. Danimarka, Qrenlandiya üçün geniş bir transvers Mercator tətbiqetməsindən istifadə edir. ArcGIS-ə qarşı yoxladım və TM-nin "kompleks riyaziyyat" versiyası ofseti yaxşılaşdırmır. Və ya məlumatlar, daha standart bir UTM tətbiqetməsindən istifadə edərək UTM 24N-də proqnozlaşdırıldı və ofsetə səbəb oldu.

Csv kimi inzibati sərhəd məlumatları WGS84-də (əslində lat / lon dəyərləri onluq nöqtəsi üçün vergül istifadə etdikdə yarı rənglə ayrılmış dəyərlər) olduğu üçün R avtomatik olaraq məlumatların yenidən tərtib edilməsini dəstəkləmirsə bunu etmək.


Məlumat Envanteri & amp; Coğrafi İnformasiya Sistemləri

Şimali Karolinanın arxeoloji mənbələri 12000 illik mədəniyyət və tarixi təmsil edir. Bu gün arxeoloji sahələrin tikinti və şəhər genişlənməsindən itirildiyi üçün bu ehtiyatlar getdikcə nadir hala gəlir. Daha da pis, əhəmiyyətli arxeoloji sahələr vandalizm ilə təhdid olunur. Hər il Şimali Karolinadakı yüzlərlə sayt (və ABŞ-da minlərlə) satmaq və ya öz kolleksiyalarına əlavə etmək üçün əsərlər qazanan vicdansız kolleksiyaçılar tərəfindən zədələnir və ya məhv edilir. Bu fəaliyyətlər tarixi və elmi mənbələri məhv edir.

Yerli Amerika əsərlərini toplamaqdan zövq alan həvəskar arxeoloqların arxeoloji sahələrin kövrək təbiətini anlamaları və araşdırarkən lazımi texnikaları tətbiq etmələri vacibdir. Hər şeydən əvvəl kollektor yer səthindən artefaktların toplanması ilə bir sahəyə qazma arasındakı fərqi anlamalıdır. Arxeoloji sahəni təlim keçmiş bir mütəxəssisin nəzarəti olmadan qazmaq, arxeoloqların bir sahəni şərh etməsi lazım olduğu və əsla cəhd edilməməsi lazım olan məlumatların çoxunu məhv edir. Digər tərəfdən, məsul həvəskar arxeoloqlar yerlərin səthi toplanması ilə məşğul ola və dövlətimizin tarixçəsi haqqında məlumat verməyə kömək edə bilərlər.

Aşağıdakıları həyata keçirərək arxeoloji irsimizi xilas etməyə kömək edin və birlikdə keçmişi gələcək üçün xilas edə bilərik.

Sayt Qeydləri Envanteri

OSA, xəritələr, fotoşəkillər, artefakt kolleksiyaları və envanteri dəstəkləyən digər məlumat mənbələri ilə birlikdə arxeoloji sahələrin əyalət daxilində, kompüter əsaslı bir inventarlaşdırmasını aparır. Arxeoloji hesabatların və nəşrlərin geniş kitabxanaları da OSA müəssisələrində yerləşdirilib. Sayt qeyd inventarına giriş şəxsən ziyarətlərlə məhdudlaşır. Tədqiqat aparmaq və ya sayt qeydlərinə baxmaq üçün zəhmət olmasa sayt fayl axtarış qaydalarımızı ziyarət edin.

OSA hazırda Şimali Karolinanın arxeoloji sahələri və sistemli şəkildə tədqiq olunmuş ərazilərinin bir GIS məlumat bazasını yaratmaq üçün zəhmətli bir prosesi davam etdirir. Bu rəqəmsallaşdırma səyi, işçilərin saytları qeyd etməsinə və CİS daxilində ətraf mühitə baxış keçirməsinə imkan yaratdı. OSA indi qeyd edilmiş saytları və araşdırılmış əraziləri ya shapefile, ya da geodatabase formatında qəbul edir. Raleigh ofisimizi ziyarət edən məsləhətçilər və tədqiqatçılar cari vəziyyətində CİS-ə çıxış əldə edirlər, lakin hazırda veb əsaslı giriş təklif etmirik.

Bir OSA müəssisəsində arxa plan tədqiqatı aparmaq istəyən şəxslər, 36 CFR Bölmə 61-də göstərildiyi kimi Daxili İşlər Katibinin Peşəkar Kvalifikasiya Standartlarına cavab verən bir şəxslə görüşməli və ya nəzarəti altında olmalıdırlar (bax OSA Standartları və Təlimatları Bölüm 2b). Arxa fonda araşdırma aparan şəxslərin görüş təyin etməzdən əvvəl OSA-da tədqiqat aparmağı öyrətmələri gözlənilir.

Saytları qarətdən qorumaq üçün OSA məlumatları və inventarları dövlət qanunları ilə qorunur və zəruri hesab edildikdə məlumat əldə etməyi məhdudlaşdırma hüququmuza sahibik.


R & # 8212 Yerleşim Verileri ilə işləmək

Bəzilərinə sevinc bəxş edən və bahalı proqram təminatı almaq istəməyənlərin ürəyində qorxu yaradan GIS. Xoşbəxtlikdən mübarizə və ya uçuş başqa bir gün üçün xilas ola bilər, çünki məkan məlumatları ilə işləmək və gözəl süjet qurmaq üçün bir pul nağd pulu olan bir GIS joku olmamalısan. Kompüter və internet bağlantısı sizə lazım olan hər şey olmalıdır. Bu yazıda necə edəcəyimi göstərəcəyəm

  • Yerleşim məlumatları ilə işləmək üçün R istifadə etməyə hazır bir maşın əldə edin
  • Hansı məlumat növündən istifadə edilə biləcəyini və bəzi pulsuz CİS məlumatlarının maraqlı mənbələrini təsvir edin
  • Bir nümunə ssenarisi ilə işləyərək bəzi gözəl süjetlər yaratmaq üçün Washington Təbii Sərvətlər Departamentinin məlumatlarını istifadə edin

Maşın hazırlanması

Birincisi, kompüterinizdə R yoxdursa, onu buradan yükləyə bilərsiniz. Daha da yaxşısı, R ilə işləmək üçün inanılmaz dərəcədə səmərəli və istifadəsi asan bir interfeys olan Rstudio-nu yükləyin. R studiyası ilə işləmək tövsiyə olunur və bu yazıda daha aydın şəkildə göstəriləcəkdir. R məkan məlumatları ilə birbaşa qutudan kənarda işləməyi dəstəkləmir, beləliklə R-nin məkan məlumatları ilə işləməsi üçün yüklənməsi lazım olan bir neçə paket var. Tələb olunan iki paket & # 8216sp & # 8217 və & # 8216rgdal & # 8217. Bəzi fantastik coğrafi fəndlər üçün üçüncü bir paketdən də istifadə edəcəyik & # 8216rgeos & # 8217. Təəssüf ki, sp paketinin son versiyası, R & # 8212 v 3.0-ın son versiyası ilə uyğun gəlmir. Rstudio yükləməsi R-i qurmağı tələb etdikdə, 2.15.3 versiyasını yükləyin.

İlk əvvəl və açıq RStudio. Lazımi paketləri əlavə etmək üçün RStudio-nu açın və interfeysin sağ alt panelindəki & # 8220packages & # 8221 sekmesini vurun. Sağ alt pəncərədə standart bir RStudio yükləməsi ilə gələn paketlərin siyahısı göstərilir. Paketlərin bəzilərinin yanında onay işarələri olacaqdır, bu o kitabxanaların yüklənmiş və istifadəyə hazır olması deməkdir. İlk dəfə R yüklədiyiniz təqdirdə sp və rdgal bu siyahıda olmayacaq, & # 8220Paketləri Qur & # 8221 düyməsini vur. & # 8220Install from & # 8221 seçiminin & # 8220Repository (CRAN) & # 8221 olaraq ayarlandığından əmin olun və & # 8220Packages & # 8221 boşluğuna & # 8220sp & # 8221 yazın. & # 8220Instendencies yükləyin & # 8221 seçimini yoxlayın və yükləyin! & # 8220Install Dependencies & # 8221 seçim paketlərini yoxlayaraq spin düzgün işləməsi lazım olan avtomatik olaraq yüklənəcəkdir. Eyni şəkildə rgdal yükləyin və başlamaq üçün lazım olan alətlərə sahib olun! Rgeos-u da yükləyin və nümunə skriptinin sentroidlərdən istifadə olunan hissəsini çalışdıra bilərsiniz.

Sp və Rgdal qabiliyyətləri və məlumat mənbələri

Rgdal, məkan məlumatlarını oxumaq və işləmək üçün asanlıqla R dataframe-lərinə çevirmək üçün funksiyalar təqdim edərək R-nin formalı sənədlərin quruluşunu anlamasına imkan verən şeydir. Sp, məlumatların çevrilmələrini və proyeksiyalarını təmin edir və yüklənmiş məkan çoxbucaqlı obyektləri ilə işləmək üçün funksiyalar təmin edir. Çıxartmaq bunların R-nin .shp sənədlərindən istifadə etməsinə imkan verən güclü kitabxanalar olmasıdır. ABŞ Geoloji Tədqiqat Mərkəzi, Milli Park Serivce və Washington Dövlət Təbii Sərvətlər Departamenti nəhəng məkan məlumatlarını xalqa təqdim edən təşkilatların bir neçə nümunəsidir.

Nümunə Script

Aşağıdakı kodda Washington Dövlət Ekologiya Departamentinin Watershed Resource Inventory Area (WRIA) məkan məlumatları istifadə olunur. Bu verilənlər bazası Washington State & # 8217s müxtəlif su mənbələri idarəetmə sahələri haqqında məlumat ehtiva edir. Formalı sənədlərdə dəqiq hansı məlumatların saxlandığını R istifadə edərək araşdırılacaqdır! Bir funksiya və ya hər hansı bir kod əsrarəngiz görünsə & # 8220? mysteriousFunctionName () & # 8221 və lazımlı sənədlər bir funksiyanın nə etdiyini dolduracaq. Veriləri araşdırmaq üçün R istifadə etməyə başlayaq. Aşağıdakı kodu RStudio-ya kəsib yapışdırın.

DİQQƏT: Hər hansı bir keçid mövcud deyilsə, Ekologiya şöbəsinin GIS məlumat səhifəsini yoxlayın.

Müqəddəs Siqaretdən başqa fərqli & # 8216sotların nə ehtiva etdiyini hələ bilmirik! Bu süjet Vaşinqtona bənzəyir. Süjet çox gözəl deyil (hələ), ancaq bir neçə kod sətirində artıq bu verilənlər bazasında çoxbucaqlıların ibtidai xəritəsini düzəldə bilərsiniz. Bu obyektin olması a

DataFrame buna bir R dataframe kimi baxa biləcəyimizi təklif edir. Hansı məlumatların olduğunu öyrənək, maraqlı sütunları seçin və yalnız bunlarla işləyək. (Təəccüblü deyil ki, @ data yuvası həqiqi dataframenin olduğu yerdir, lakin bir çox dataframe üsulu da bütün obyekt üzərində işləyir.)

Verilənləri & # 8220longlat & # 8221 olaraq yenidən proqnozlaşdırdıqdan sonra gələcəkdə asanlıqla yükləmək üçün məlumatları .RData faylına saxlayaraq dəyişənlərin adını dəyişmək probleminə gedəcəyik.

İndi həm WRIA, həm də WRIAPugetSound məlumatlarını asanlıqla yüklənə bilən R məkan obyektləri kimi saxladıq! İndi əsl əyləncə başlayır, gözəl süjet gözləyənlər mükafatlandırılmaq üzrədir. Ssenarinin qalan hissəsi, əyləncəli təhlil və konvertasiya edilmiş WRIA məlumatları ilə asanlıqla edilə bilən əsas rəqəmlər yaratmağın bir hissəsidir.

Kimə bahalı CİS proqramı lazımdır?

Mekansal məlumatların qurulması üçün digər faydalı paket, Cran deposundan əldə edilən & # 8220maptools & # 8221 kitabxanasıdır. Aşağıdakı kod maptools paketini tələb edir, buna görə kodu işləmədən əvvəl quraşdırıldığından əmin olun.

Bu nümunələr yalnız sp, rgdal və maptools paketlərindən istifadə edərək R-də mövcud olan cizgi və analiz potensialının səthini cızır. Öz-özünüzə bir süjet yazmaq üçün çox vaxt sərf etmədən əvvəl sp-də süjet metodlarını araşdırmaq çox tövsiyə olunur.

Təbrik edirik! Artıq coğrafi məkanda nə olduğunu və R-dən istifadə edərək sahələrin necə qurulacağını biləcəksiniz.


Quraşdırma

Paket nadir hallarda (ildə bir neçə dəfə) yenilənən bir CRAN versiyası və müəllif paketlə işləyən zaman yenilənən GitHub versiyası şəklində mövcuddur. CRAN versiyasında bir səhvlə qarşılaşırsınızsa, GitHub versiyasını sınayın.

Paket ölçüsü məhdudiyyətlərindən ötəri, ggOceanMaps, aşağı qətnamə xəritələrində istifadə olunan şəkilləri saxlayan ggOceanMapsData paketini tələb edir. GgOceanMapsData paketi CRAN-da mövcud deyil, lakin GitHub-dakı bir drat deposundan quraşdırıla bilər. Hər iki paketi quraşdırmaq üçün yazın:

GgOceanMaps'ın (daha çox) tez-tez yenilənən GitHub versiyasını istifadə edərək quraşdırmaq olar devtools paket.


Shapefiles birlikdə CBS-də qurulur, lakin R - Coğrafi İnformasiya Sistemlərində deyil

Gecə işıq peyk məlumatları, məsələn, alt milli səviyyədə ÜDM məlumatları olmayan bölgələrdə və ya ÜDM ölçməsinin keyfiyyətsiz olduğu bölgələrdə iqtisadi fəaliyyət üçün vəkil olaraq faydalı ola bilər, məsələn bəzi inkişaf etməkdə olan ölkələrdə (bkz. məsələn Henderson et al., 2012).

Bu paket Jakob Miethe tərəfindən "The Elusive Banker. Hurricanes istifadə edərək dənizdəki maliyyə mərkəzlərində fəaliyyət aşkar etmək üçün" adlı kodun köməyi ilə hazırlanmışdır, lakin bu sənəd yalnız kiçik ada iqtisadiyyatlarına yönəldiyi halda, bu paket gecə işığı statistikasının yaradılmasına imkan verir. planetdəki əksər coğrafi vahidlər üçün ümid edirəm ki, digər sahələrdə tədqiqatçılar üçün faydalıdır. R paketi, gecə işığı peyk məlumatları üzərində hesablamalar aparmağa və gecə işığı_ hesablama funksiyasından istifadə edərək istənilən bölgə üçün məlumat bazaları yaratmağa imkan verir. İstədiyiniz ərazidə gecə işıqlarının yerləri də nightlight_plot ilə çox asanlaşdırılır.

Paketi qurmaq üçün devtools :: install_github ("JakobMie / nightlightstats") çalıştırın.

Ya 1992 ilə 2013 arasında dəyişən illik DMSP məlumatları ilə işləyə bilərsiniz (https://www.ngdc.noaa.gov/eog/dmsp/downloadV4composites.html - NOAA-nın Milli Geofiziki Məlumat Mərkəzi, ABŞ tərəfindən toplanan DMSP məlumatları tərəfindən görüntü və məlumatların işlənməsi. Hava Qüvvələri Hava Agentliyi) və ya 2012-ci ilin aprel ayından başlayan aylıq VIIRS məlumatları (https://eogdata.mines.edu/products/vnl/ - Earth Observation Group, Payne Public Policy Institute, Elvidge et al., 2013). Paket (istənirsə) GADM-dən istənilən inzibati səviyyə üçün məkan məlumatlarını ölkələrə görə avtomatik olaraq yükləyir (https://gadm.org/data.html).

İllik VIIRS məlumatları artıq https://eogdata.mines.edu/nighttime_light/annual/v20/ saytında mövcuddur. Paket hələ bu məlumatları işləmir.

Araşdırmaq istədiyiniz bölgə çox böyük olduğu üçün kompüterinizin hesablama qabiliyyətində hər hansı bir problem yaşarsanız, bölgəni rahat şəkildə daha kiçik parçalara ayıran slice_shapefile köməkçi funksiyasına nəzər yetirə bilərsiniz.

Bu funksiya ilə DMSP gecə işığı peyk məlumatlarını yükləyə bilərsiniz.

Qeyd: Colorado Mines School, pulsuz istifadəçi hesabı tələb etmək üçün VIIRS gecə işıq məlumatlarına girişi dəyişdirdiyindən, VIIRS məlumatlarını veb saytları vasitəsi ilə əl ilə yükləməlisiniz. Əlavə məlumat üçün https://payneinstitute.mines.edu/eog-2/transition-to-secured-data-access/ saytına baxın.

Faylların istifadə etdiyi disk sahəsi haqqında bir qeyd: İllik məlumatlar aylıq məlumatlardan daha aşağı çözünürlüklüdür və daha az yer tutur (bütün dünya üçün 1 illik DMSP görüntüsü = bütün dünya üçün aylıq VIIRS görüntüsünün 1/16 sahəsi) ). Beləliklə, illik məlumatlar normal sürücünüzdə yaxşı olacaqdır (bütün illər birlikdə 45 GB GB keyfiyyətli fayllarla birlikdə), lakin aylıq məlumatlarla işləmək üçün xarici bir sürücü tələb olunur (keyfiyyətli fayllar daxil olmaqla bütün fayllar üçün təxminən 1,5+ TB). Keyfiyyətli sənədlər (cf_cvg sonu ilə tanınır) müəyyən bir dövrdə birləşdirilmiş gecə işığı görüntüsündə bir piksel dəyərinə nə qədər müşahidənin getdiyini göstərir.

DMSP məlumatları ildə bir dünya daxilində bir görüntüdə mövcuddur. Yalnız müvafiq məlumat zaman sürəti və sürücünüzdəki şəkilləri saxlamaq istədiyiniz yerdir. Məsələn, 1992-dən 2013-ə qədər olan bütün məlumatları birdən yükləmək üçün funksiyaya aşağıdakıları daxil edə bilərsiniz:

Aylıq VIIRS şəkilləri bütün dünyanı 6 coğrafi plitə ayırır. Analiz etmək istədiyiniz bölgənin bu və ya daha çox plitənin üst-üstə düşməsi baş verə bilər, buna görə də bölgəni analiz etmək üçün bütün müvafiq plitələri yükləməlisiniz. Bölgənizin koordinatlarını istifadə edərək hansı plitələrin yüklənəcəyini yoxlaya bilərsiniz və ya bütün plitələri yükləyə bilərsiniz.

Bu funksiya, müəyyən bir vaxt aralığında bölgənin gecə işıqlarında hesablamalar aparmağa imkan verir. Çıxış mühitinizdə toplanmış bir verilənlər bazası olacaq və ya istənildiyi təqdirdə area_names-də verilmiş hər bir sahə üçün əlavə bir verilənlər bazası olacaqdır. Bu tək dataframları əldə etmək üçün single_dataframes arqumentini TRUE olaraq təyin etməlisiniz.

Məsələn, 1992-1995-ci illər arasında Lüksemburqun adm 1 bölgələrindəki DMSP gecə işıqları üçün bir məlumat çərçivəsi almaq istəyirsinizsə, daxil edə bilərsiniz:

sizə R mühitində "işıqlar" adlanan bu məlumat çərçivəsini verəcəkdir:

Bəzi faydalı standart çıxış elementlərinin olduğunu görə bilərsiniz. Əvvəlcə sahə adları daxil etdiyiniz ərazinin adını alırsınız. Bu ərazinin bir ölkə olması halında bir iso3c ölkə kodu varsa, bu da qeyd ediləcək və çıxacaq. Kvadrat kilometrlik sahə şəkillərinizə və ya koordinatlarınıza əsasən avtomatik olaraq hesablanacaq, beləliklə onu növbəti hesablamalara asanlıqla daxil edə bilərsiniz. NAME_1, Lüksemburqun adm 1 bölgələrinin adlarını göstərir. Aşağı səviyyəli inzibati bölgə adları olan sütunlar yalnız admlevel arqumentində inzibati səviyyəni göstərdiyiniz zaman görünəcəkdir (defolt 0, ölkələr üçün ölkə sərhədlərinə aiddir və ya sizin formanızın, məsələn, bir şəhər və ya digər bölgə olması halında heç bir şey etmirsə) inzibati bölgələr sistemində). "mean_obs" müəyyən bir müddətdə (keyfiyyət sənədlərindən götürülmüş) toplanmış görüntüyə daxil olan piksel başına orta müşahidələrin sayına aiddir. Faydalı standart hesablamalar bölgənizdəki işıq dəyərlərinin cəmidir və onların ortalamasıdır. Xarici rəqəmlər minimum və maksimum işıq dəyərləri ilə müəyyən edilə bilər.

Bununla yanaşı, istədiyiniz hesablamalar üçün hər hansı bir funksiyadan istifadə edə bilərsiniz. Bir istifadəçi tərəfindən yazılmış bir funksiya olması halında əvvəlcə ətrafınıza yükləməlisiniz. R bazasından və ya paketlərdən mövcud funksiyalar da işləyir. Ardından, R obyektinin adını bir simvol kimi vektorun içinə daxil edə bilərsiniz. Funksiya na.rm arqumentini qəbul etməlidir. Olmayacağı təqdirdə, funksiyanı uyğun şəkildə sarmalısınız. Problemlərlə qarşılaşsanız, bütün funksiyaların bəslənildiyi raster :: extract sənədlərini yoxlayın. Bu funksiya, standart parametrlərdən başqa digər funksiyaların işləmə şərtlərini təyin edir.

Nightlight_calculate-da xüsusi istifadə ilə bağlı daha ətraflı məlumat üçün kömək sənədlərinə müraciət edə biləcəyiniz digər faydalı dəlillər:

rawdata: Bu arqument, standart işlənmiş dataframe-yə əlavə olaraq hər bölgə və zaman dövrü üçün sadəcə xam işıq pikselləri və onların dəyərləri və koordinatları ilə bir məlumat çərçivəsini çıxartmağa imkan verir.

cut_low, cut_high, cut_quality: Bu arqumentlər hesablamadan müəyyən pikselləri xaric etməyə imkan verir. İstədiyində, cut_low-dan kiçik, cut_high-dən böyük olan hər hansı bir dəyər və müşahidə sayı ilə cut_quality-dən az və ya bərabər olan hər hansı bir piksel NA olaraq təyin ediləcəkdir. Cut_quality üçün standart ayar 0-dır, yəni bir müddət ərzində 0 müşahidəsi olan piksellərin NA olaraq təyin olunması deməkdir.

rectangle_calculate: Şablon şəklinizdə hesablamaların aparıla biləcəyi qapalı bir sahə olmadığı təqdirdə, kod avtomatik olaraq minimum / maksimum x və y koordinatlarına əsaslanaraq şekil şəklinizi düzbucaqlıya çevirəcəkdir. Bu bir səbəbdən nəticə vermirsə, bunu əl ilə DOĞRU və ya YANLIQ olaraq təyin edə bilərsiniz (avtomatik olaraq aşkarlanmanı aktivləşdirən varsayılan NULL-dır, lakin standart olmayan formalar üçün aşkarlama uğursuz ola bilər). Aşağıda, bu shapefile qapalı olmayan bir əraziyə (Ulm dəmir yolu sistemi, Almaniya) daxil olmanız halında kodun nə edəcəyi barədə bir nümunə görə bilərsiniz.

Bu funksiya, gecə işıqları ilə müəyyən bir müddət üçün bir shapefile qurmağa imkan verir. Qeyd: area_names üçün bir neçə giriş və vaxt üçün bir müddət istifadə edərək birdən çox sahə istehsal etmək mümkün olsa da, bu şəkildə istehsal ediləcək sahələrin sayına diqqət yetirməlisiniz - bütün sahələr ggplot olaraq qlobal mühitinizə yüklənəcəkdir obyektlər, dolayısı ilə çox sayda obyekt sürətli bir şəkildə mühitinizə yüklənə bilər.

Əsas giriş arqumentləri digər funksiyalarla eynidır. Məsələn, daxil etsəniz:

Aşağıdakı görüntü ya Almaniya adm1 üçün shapefile_location-da əvvəlcədən saxlanılmış və ya belə deyilsə, shapefile avtomatik olaraq GADM-dən yükləyən funksiya ilə əldə edilir.

GADM-də mövcud olmayan bir bölgəni (yəni ölkə olmayan bir bölgəni) planlaşdırmaq istəsəniz, yüklənmiş shapefile yerləşdirmə şəklinizdə olmalıdır, beləliklə funksiya area_names-də verdiyiniz ada görə onu aşkar edə bilər. Bu uğursuz olarsa, həmişə shapefiles mübahisəsini istifadə etmək və bunun əvəzinə shapefiles-in fayl adlarını vermək üçün seçim var (çıktının adlanması üçün hələ də area_names ayarlamalısınız). Bu, gecə işığı_ hesablamasına da aiddir.

Bir koordinat dəsti daxil etməyiniz halında, koordinatlarınızdan düzbucaqlı bir shapefile şəkli əldə edəcəksiniz.

Məhdudiyyətlər və alternativ məlumat mənbələri

Kod sürətli performans üçün açıq şəkildə yazılmayıb.

İllik DMSP məlumatları ən yaxşı keyfiyyətə malikdir. Problemlər, məsələn, VIIRS məlumatlarına nisbətən daha aşağı bir qətnamə və işıqların daha çox çiçəklənməsi / bulanmasıdır. Bundan əlavə, DMSP məlumatları 63 rəqəmsal nömrəsində üst kodlu ayrı bir miqyaslıdır, VIIRS məlumatları isə davamlı miqyaslıdır və üst kodlama yoxdur. VIIRS-də aşağı işıqlandırma aralığının aşkarlanması daha yaxşıdır.

DMSP məlumatlarını bulanıklaşdırmaq üçün bir Matlab kodu var (bax Abrahams və digərləri, 2018).

Pareto paylamasından istifadə edə bilərsiniz, məsələn, üst kodlamanı atlamaq və işıq dəyərlərini ekstrapolyasiya etmək. şəhər mərkəzlərində (bax Bluhm & amp Krause, 2018). Yalnız 1996, 1999, 2000, 2003, 2004, 2006 və 2010 (https://eogdata.mines.edu/dmsp/download_radcal saytında mövcuddur) olmasına baxmayaraq DMSP məlumatlarının üst kodlaşdırma olmayan bir versiyası var. html). Bu şəkilləri düzəldilmiş işıqları TRUE olaraq təyin edərək istifadə edə bilərsiniz. Bunlar fərqli məlumatlardır, buna görə əvvəlcə bu arqumenti gecə işığı_ yükləməsində də DOĞRU olaraq təyin edərək yükləməlisiniz (bu sənədlərin açılması çox uzun çəkir və normal DMSP sənədlərindən daha böyükdür, keyfiyyətli fayl daxilində illik fayl başına 6 GB). Bu parıltı ilə kalibrlənmiş məlumatların öz problemləri ilə gəldiyini unutmayın (yenidən baxın Bluhm and Krause, 2018).

Müvəqqəti tutarlılıq VIIRS məlumatları ilə əlaqədar bir problem deyil, çünki işıq dəyərləri sabit bir şüalanma vahidi (nano Watts / cm2 / steradian) təsvir etmək üçün ardıcıl olaraq kalibrlənir və standartlaşdırılır.

Müvəqqəti tutarlılıq DMSP məlumatları ilə bağlı bir problem ola bilər. DMSP peyklərinin bir neçə versiyası var. Bir neçə ildir ki, bu versiyalar üst-üstə düşür və bir il üçün iki şəkil var. nightlight_download həmişə ikisini də yükləyir. Sonra nightlight_calculate və nightlight_plot üçün istifadə ediləcək versiyalar funksiyalara daxil etdiyiniz vaxt müddətinə əsasən seçiləcəkdir. Mümkünsə, müddətiniz üçün uyğun bir versiya seçiləcəkdir. Zaman müddətiniz üçün 2 ardıcıl versiya varsa, yenisi seçiləcəkdir. Ardıcıl bir versiya yoxdursa, hər il üçün ən yeni versiya seçiləcəkdir. Seçilmiş DMSP versiyaları barədə sizə məlumat veriləcəkdir. Yalnız bir versiyanın istifadəsi ümumiyyətlə arzuolunandır, çünki işıq intensivliyi ölçüsü ardıcıl olaraq kalibrlənməmişdir və ölçülən dəyərlər peyk versiyaları ilə mükəmməl müqayisə edilə bilməz (məsələn, Doll, 2008) dəyərlər hətta bir peyk versiyası içərisində illərlə tamamilə müqayisə edilə bilməz . DMSP məlumatlarını istifadə edən ekonometrik analizdə peyk versiyası sabit effektlər və il sabit təsiri məsləhət görülür (bax: Gibson və digərləri, 2020).

Təbii amillər məlumat keyfiyyətinə təsir göstərir. Bulud örtüyü ümumiləşdirilmiş bir görüntüyə girən və xüsusilə tropik bölgələrdə güclü ola biləcək müşahidə olunan gecə sayını təsir edir. Verilənlər yay gecələri boyunca işıqsız qaldığına görə Polşalara yaxın bölgələr üçün yay ayları üçün dəyərlərdən məhrumdur. Aurora işığı və qar yağışı Qütblərə yaxın bölgələr üçün müşahidə olunan işıqları təsir edə bilər. Bu məqamları, Şimal qütbünə kifayət qədər yaxın məsafədə olan parlaq bir şəhər olan Moskvadakı işıq dəyərlərinin ortalamasına baxaraq gözəl şəkildə göstərmək olar. Yaz ayları üçün dəyərlərin olmadığını və qış aylarındakı dəyərlərin, ehtimal ki, aurora işığının yaratdığı qarışıqlıqlar və ya qar yağışının dəyişməsi səbəbindən insan tərəfindən istehsal olunan işığın fərqli əks intensivliyi səbəbindən güclü bir şəkildə dəyişdiyini görə bilərsiniz.

Yaz aylarında aylıq VIIRS məlumatlarının əhatə dairəsini artırmaq üçün düzəliş işıqlarını DOĞRU olaraq təyin edərək küçə işığı ilə düzəldilmiş VIIRS versiyasından istifadə edə bilərsiniz (bax Mills və digərləri, 2013). Bunlar fərqli şəkillərdir, buna görə əvvəlcə onları da yükləməlisiniz. Mübadilə bu məlumatların keyfiyyətinin aşağı olmasıdır.

1992-dən 2018-ə qədər uzanan bir uyğunlaşdırılmış DMSP-VIIRS illik məlumat dəsti ilə də işləyə bilərsiniz (bax Li və digərləri, 2020, https://figshare.com/articles/Harmonization_of_DMSP_and_VIIRS_nighttime_light_data_from_1992-2018_at_the_global_scale) Bu məlumatları istifadə etmək üçün bütün funksiyalarda harmonize_light'ları TRUE olaraq təyin etməlisiniz. Uyğunlaşdırılmış verilənlər bazası işıq düzəldilməyən VIIRS məlumatları ilə qurulur. VIIRS məlumatları, parıltı və müvəqqəti işıqlar səbəbindən narahatlıqlardan təmizlənir və sonra DMSP məlumatlarının qətnaməsinə və üst kodlaşdırılmasına uyğunlaşdırılır. DMSP məlumatları müvəqqəti tutarlılığı təmin etmək üçün müvəqqəti olaraq kalibrlənir. Məlumat artıq keyfiyyət çəkiləri ilə hazırlanır, ayrı keyfiyyət sənədləri verilənlər bazasına daxil edilmir. Qeyd edək ki, bu məlumatlar digərlərinə nisbətən daha az yer tutur və illik görüntülər təxminən 40 MB təşkil edir.

Abrahams, A., Oram, C., & amp; Lozano-Gracia, N. (2018). Gecə işıqlarının qüsurlanması: Gauss filtrlərindən və işıqlandırma tezliklərindən istifadə edərək yeni bir metod. Ətraf Mühitin Uzaqdan Algılanması, 210, 242-258.

Bluhm, R. & amp Krause, M. (2018). Ən yaxşı işıqlar - Parlaq şəhərlər və iqtisadi inkişafa verdiyi töhfələr. 7411 nömrəli CESifo İş Sənədi.

Doll, C. (2008). Gecə işıq məsafədən zondlama və tətbiqetmələri üçün CIESIN tematik rəhbərliyi. Beynəlxalq Yer Elmi Məlumat Şəbəkəsi Mərkəzi, Columbia Universiteti, New York.

Elvidge, C. D., Baugh, K. E., Zhizhin, M., & amp Hsu, F.-C. (2013). Niyə VIIRS məlumatları gecə işıqlarının xəritələşdirilməsində DMSP-dən üstündür? Asiya-Sakit Okean Qabaqcıl Şəbəkəsi 35 (35), 62.

Gibson, J., Olivia, S. Boe-Gibson, G. (2020). İqtisadiyyatdakı gecə işıqları: Mənbələr və istifadə. CSAE İş Sənədi Seriyası 2020-01, Afrika İqtisadiyyatının Tədrisi Mərkəzi, Oxford Universiteti.

Henderson, J. V., Storeygard, A., & amp Weil, D. N. (2012). Xarici kosmosdan iqtisadi artımın ölçülməsi. American Economic Review, 102 (2), 994–1028.

Li, X., Zhou, Y., Zhao, M., & amp; Zhao, X. (2020). Uyğunlaşdırılmış qlobal gecə işığı məlumat dəsti 1992–2018. Elmi məlumatlar, 7 (1).

Mills, S., Weiss, S., & amp; Liang, C. (2013). VIIRS gündüz / gecə zolağı (DNB) kənar işıq xarakteristikası və düzəldilməsi. Torpaq Müşahidəsi Sistemləri XVIII.


Yükləmək üçün şəkillər

Bu misalda bir çox fərqli shapefile istifadə edirəm. Hər birini tapmaq və yükləmək məcburiyyətində qalmaqdan qurtarmaq üçün bu zip sənədini yükləyə bilərsiniz:

Bunu açın və davam etmək istəyirsinizsə, bütün qovluqları məlumat adlı bir qovluğa qoyun. Sizi izləməyə ehtiyac yoxdur!

Layihəniz belə qurulmalıdır:

Bu formalı şəkillər hamısı bu mənbələrdən gəldi:

  • Dünya xəritəsi: Təbii Yerdən 110m “Admin 0 - Ölkələr”
  • ABŞ ştatları: ABŞ Sayım Bürosundan 20 milyon 2018 dövlət sərhədləri
  • ABŞ bölgələri: ABŞ Sayım Bürosundan 5m 2018 il sərhədləri
  • ABŞ yüksək qətnamədir: Təbii Yerdən 10m “Admin 1 - Ştatlar, Əyalətlər”
  • Qlobal çaylar: Təbii Yerdən 10 metr məsafədə “Çaylar + göl mərkəz xətləri”
  • Şimali Amerika çayları: Təbii Yerdən 10m “Çaylar + göl mərkəz xətləri, Şimali Amerika əlavəsi”
  • Qlobal göllər: Təbii Yerdən 10m “Göllər + Su Anbarları”
  • Georgia K – 12 məktəb, 2009: Gürcüstan Təhsil Departamentindən “Georgia K-12 Schools”(buna daxil olmaq üçün daxil olmalısınız)

Mücərrəd

Binalar şəhər yerlərində əsas enerji istehlakı mənbəyidir. Şəhər miqyasında bina enerji istifadəsi intensivliyinin (ABİ) dəqiq modelləşdirilməsi və proqnozlaşdırılması, enerji müqayisəsi və şəhər enerji infrastrukturunun planlaşdırılması kimi bir çox vacib tətbiqə malikdir. Big Data texnologiyasının istifadəsinin çox sayda proqnozlaşdırıcıyı birləşdirmək və şəhər miqyasında binaların enerji istifadəsi intensivliyi barədə dəqiq bir proqnoz vermək qabiliyyətinə malik olması gözlənilir. Bununla birlikdə, keçmiş tədqiqatlar, məlumat toplama və xüsusiyyət mühəndisliyi kimi bir neçə problemə görə şəhər miqyasında deyil, tək bir binanın enerji istehlakının qiymətləndirilməsində Big Data texnologiyasından tez-tez istifadə etmişdir. Buna görə də, bu sənəddə əvvəlcədən işlənmə, xüsusiyyət seçimi və alqoritm optimallaşdırılması da daxil olmaqla şəhər miqyasında bina ABİ-nin qiymətləndirilməsi üçün bir coğrafi məlumat sistemi inteqrasiya olunmuş məlumat mədən metodologiyası çərçivəsi təklif olunur. 216 hazırlanmış xüsusiyyətə əsaslanaraq, Nyu Yorkdakı 3640 çox ailəli yaşayış binasının EUI sahəsinin qiymətləndirilməsinə dair bir iş, təklif olunan metodologiya çərçivəsindən istifadə edilərək təsdiqləndi. Xüsusiyyət seçmə strategiyaları və tez-tez istifadə olunan regresiya alqoritmləri ilə müqayisəli bir araşdırma da nümunə işinə daxil edildi. Nəticələr, çərçivənin əvvəlki araşdırmalardan daha aşağı qiymətləndirmə səhvləri yaratmağa kömək edə bildiyini və Elastic Net tərəfindən seçilən xüsusiyyətlər üzrə Support Vector Regression alqoritmi tərəfindən qurulmuş modelin ən az çarpaz doğrulama orta kvadrat səhvinə sahib olduğunu göstərdi.


3B səth, ABŞ-ın kontinental ərazisindən 100 metr yüksəklikdə küləyin sürət məlumatlarından əldə edilmişdir

Birinin məni çağıracağını bilirdim. Albers EAC ilə getməli idi. Bu, əslində yalnız gözlədiyimdən daha yaxşı görünən sürətli bir sınaq idi, buna görə olduğu kimi yerləşdirdim.

Twitter və IG: Daha çox məlumat üçün @geo_spatialist.

Zəhmli görünür! Göllərin necə göründüyünü çox sevirəm. Təmsil etməyə çalışdığınız fenomeni təmsil edir və bunları mənə ayırmaq külək olmasaydı və yəqin loldan əsəbiləşərəm. İnanılmaz fikir!

Mavi və ağ kimi hiss edirəm ki, məlumatlar üçün daha uyğun olardı, amma lənətə gəlmək gözəl deyilsə

Hansı proqramdan / kitabxanadan istifadə etdiniz? Python? R? Çox gözəl süjet!

Columbia platosunu aydın şəkildə görə biləcəyiniz sərin

Bunu divarımda istəyirəm! Zəhmli iş!

Bu fenomenal, zəhmli bir işdir!

Bu mütləq zibildir. Mənə göndər, sənin üçün qurtaracağam.

Düzəliş: Gözləyin, bu bir görüntüdür? Sözün həqiqi mənasında bir divara asılmış 3B çap olduğunu düşünürdüm. Lanet olsun dostum. Bu yaxşı şeylərdir.

İlk yarıda məndə idin, yalan danışmayacaqsan.

Çox sərin, Böyük düzənlərin mürəkkəbliyini necə göstərdiyini sevirəm. Fərqli bir rəng tərəzi ilə gedəcəyimi düşünürəm, çünki kölgə ilə qəhvəyi rənglər bəzi bölgələrdə detalı azaldır. Bunun üzərinə külək enerjisi layihələrinin xəritələndiyini görmək həqiqətən maraqlı olardı.


Layihə 2: Analiz mühitinizi R-də qurma

İstifadə edəcəyiniz analizlərin çoxu fərqli paketlərdə olan əmrləri tələb edir. You should have already loaded many of these packages, but just to ensure we document what packages we are using, let's add in the relevant information so that if the packages have not been switched on, they will be when we run our analysis.

Note that the lines that start with #install.packages will be ignored in this instance because of the # in front of the command. Lines of code with a # symbol are treated as comments by the compiler. If you do need to install a package (e.g., if you hadn't already installed all of the relevant packages), then remove the # when you run your code so the line will execute.

Note that for every package you install, you must also issue the library() function to tell R that you wish to access that package. Installing a package does not ensure that you have access to the functions that are a part of that package.

Set the working directory

Before we start writing R code, you should make sure that R knows where to look for the shapefiles and text files. First, you need to set the working directory. In your case, the working directory is the folder location where you placed the contents of the .zip file when you unzipped it. To follow up, make sure that the correct file location is specified. There are several ways you can do this. As shown below, you can set the directory path to a variable and then reference that variable whereever and whenever you need to. Notice that there is a slash at the end of the directory name. If you don't include this, it can lead to the final folder name getting merged with a filename, meaning R cannot find your file.

Note that R is very sensitive to the use of "/" as a directory level indicator. R does not recognize "" as a directory level indicator and an error will return. DO NOT COPY THE DIRECTORY PATH FROM FILE EXPLORER AS THE FILE PATH USES "" but R only recognizes "/" for this purpose.

You can also issue the setwd() function that "sets" the working directory for your program.

Finally and most easily, you can also set the working directory through RStudio's interface: Session - Set Working Directory - Choose Directory.

Issue the getwd() function to confirm that R knows what the correct path is.

When you've finished replacing the filepaths above to the relevant ones on your own computer, check the results in the RStudio console with the list.files() command to make sure that R is seeing the files in the directories. You should see outputs that print that list the files in each of the directories. 90% of problems with R code come from either a library not being loaded correctly or a filepath problem, so it is worth taking some care here.

Loading and viewing the data file (Two Code Options)

Add the crime data file that you need and view the contents of the file. Inspect the results to make sure that you are able to read the crime data.


Installing the Cartogram R packages

Two packages Rcartogram and getcartr make the functionality of the Gastner and Newman (2004) procedure available for working with objects of class Spatial* . Installing Rcartogram requires the fftw library to be installed. How to best do that depends on your system, for Mac OS X the homebrew package system makes this installation easy.

We are now ready to compute our first cartogram using the getcartr::quick.carto function.

With the cartogram functionality now being directly available through R allows one to embedd cartogram making in a full R pipeline. We illustrate this by generating a sequence of cartograms into an animated GIF file using the animation package. The animation below shows a cartogram for the population size for each of the 32 age groups in the Berlin data set. One observes that the 25-45 year old tend to live in the city centre, while the 95-110 year old seem to concentrate in the wealthy regions in the south west.


Videoya baxın: How to download Shapefile Data GIS for any country (Oktyabr 2021).