Mais

Criação de vários pontos de endereço para cada unidade usando arcpy

Criação de vários pontos de endereço para cada unidade usando arcpy


Eu tenho uma classe de endereços de recurso de ponto e uma planilha do Excel de todas as suítes associadas a cada endereço. Preciso criar um ponto para cada suíte pertencente a um endereço. Existe uma maneira, usando arcpy, de escanear o Excel, combinar endereços e então explodir cada ponto para criar um novo ponto para cada suíte?

Gostaria de criar uma ferramenta para não ter que passar por cada registro manualmente, mas não tenho certeza por onde começar. Fiz algumas pesquisas, mas a maioria das informações que encontrei é sobre como excluir pontos duplicados, não criá-los. Alguém já se deparou com esse tipo de problema antes ou conhece alguma boa ferramenta que faça isso?

Estou usando o Arc 10.2.2


Parece que você tem um relacionamento de um para muitos, ou seja, um ponto de endereço pode ter muitas suítes vinculadas a ele? Os endereços no arquivo excel correspondem ao formato na classe de recurso?

Aqui está o que eu faria SE o formato do endereço fosse o mesmo entre a planilha e a classe de recurso:

  1. faça uma cópia dos pontos de endereço para ser seguro e adicione um campo para o conjunto # Use um cursor de pesquisa na classe de recurso para construir um dicionário como este {endereço: OID}

  2. Use openpyxl ou xlrd para ler os endereços da tabela do Excel em uma lista aninhada: [[address, suite #], [address, suite #],…]

  3. Depois de realizar essas etapas, use o código (não testado) abaixo para inserir a quantidade apropriada de suítes:

    # obter suítes em um dicionário correspondido por endereço psuedo código # address_dict é dicionário de endereço da classe de recurso ponto # suite_list é uma lista aninhada de suítes [[endereço, suíte #], [endereço, suíte #],…] suíte_dict = {} para addr em address_dict.keys (): suites = [] para add, suite em suite_list: if add == addr: suites.append (suite) suite_dict [add] = suites # agora coloque esses endereços de suite na classe de recurso ponto # addr_points é sua classe de recurso de endereço addr_field = 'Your_Address_field' new_suite_field = 'new_suite_field' all_fields = [f para f em arcpy.ListFields (addr_points)] field_names = [f.name para f em all_fields] i = field_names.index (addr_field) # localizar lista de endereços que precisam ser duplicados adiciona = [address_dict [a] para a em suite_dict.keys () se a em address_dict] # primeiro obtém cópias das linhas de todos os endereços para que possam ser inseridos fields = [f.name para f em all_fields if f.type! = 'OID'] com arcpy.da.SearchCursor (addr_points, fields) como linhas: pts_dict = dict ((r [i], r) f ou r em linhas se r [i] em adições) # adicione o campo suite arcpy.AddField_management (addr_points, new_suite_field, 'TEXT') # ou qualquer tipo que será # aqui onde a mágica acontece com arcpy.da.InsertCursor (addr_points , campos + [new_suite_field]) as irows: para endereço, suites em suite_dict.iteritems (): para suite em suites: irows.insertRow (pts_dict [endereço] + (suite,)) #concatenates suite para linha tupla imprimir 'concluído'

Aqui está a visão geral do código:

  1. Converta a tabela do Excel em dbf ou tabela de classes
  2. Crie uma classe de recurso de ponto de suíte vazio (com todos os campos de titular que você pode desejar preencher)
  3. Execute o cursor de pesquisa na tabela a partir da etapa um, no campo que vincula a camada de endereço à camada da tabela (inclua todas as colunas nas quais você pode escrever informações para a nova camada de ponto de suíte)
  4. Incorpore o cursor de pesquisa dentro do cursor da etapa 2 na camada de endereço (puxando o token de forma XY e o campo que liga a camada de endereço à camada de tabela
  5. Faça uma declaração de condição para verificar se o ID vinculado da tabela == ID vinculado da camada de endereço
  6. Em caso afirmativo, extraia os locais xy do token da camada de endereço e escreva a geometria do ponto para a nova classe de recurso do ponto usando um cursor de inserção (adicione também escreva outros atributos de campo, por exemplo, tabela: coluna de nome para suite: coluna de nome)
  7. Continue fazendo loop ...

Isso deve fornecer a você uma camada de pontos de suíte com pontos em cima de pontos provenientes de informações originais do Excel.


Como: Criar mapas de calor no ArcMap usando o conjunto de ferramentas Densidade

No ArcMap, mapas de calor são criados para visualizar a densidade dos dados geográficos. Por exemplo, para determinar a concentração de ocorrências de crimes em uma cidade, os incidentes de incêndios florestais devido à agricultura de corte e queima ou a distribuição de espécies de plantas ameaçadas de extinção na floresta equatorial.

Este artigo se concentra na criação de uma camada de mapa de calor usando o conjunto de ferramentas Densidade. Para entender a análise de densidade, consulte ArcMap: Compreendendo a análise de densidade. A imagem abaixo mostra ocorrências de crimes em Lincoln, Nebraska. Uma camada de mapa de calor é criada para mostrar a propagação e distribuição de ocorrências de crimes pela cidade.


Resumo

Pesquisadores de saúde e formuladores de políticas usam cada vez mais a informação geográfica voluntária (VGI) para analisar a variação espacial na saúde e bem-estar e para desenvolver intervenções. Como dados socialmente construídos, os VGI de saúde refletem as pessoas que percebem os problemas e optam por relatá-los e os sistemas digitais que estruturam o processo de notificação. Propomos uma estrutura conceitual que descreve os efeitos interligados de processos socioeconômicos, comportamentais, geográficos e tecnológicos na precisão e credibilidade do VGI. SIG e métodos estatísticos são usados ​​para analisar vieses sociais e geográficos em VGI relacionados à saúde por meio de um estudo de caso de dados de reclamação de percevejos da cidade de Nova York & # x27s 311 sistema. Relatórios de infestação de percevejos de 311 são mapeados e modelados para descobrir associações com características socioeconômicas e do ambiente construído. Os fatores associados à credibilidade do relatório de percevejos são examinados comparando-se as características dos relatórios confirmados com os de relatórios nos quais os inspetores não encontraram evidências de infestação (relatórios negativos). Um modelo multinível de credibilidade que incorpora variáveis ​​de nível de relatório, edifício e trato revela fortes vieses geográficos e socioeconômicos, com relatórios negativos gerados com mais frequência de edifícios residenciais de alto valor localizados em bairros de alta renda com populações predominantemente brancas não hispânicas. . O uso de dados 311 para todos os relatórios de percevejos, em vez de relatórios confirmados, obscurece a carga dessas pragas em bairros de alta pobreza e diminui as disparidades socioeconômicas. Relatórios errados também têm custos econômicos, pois cada relatório aciona uma inspeção pelos inspetores da cidade que envolve custos de tempo, monetários e de oportunidade.


Criação de vários pontos de endereço para cada unidade usando arcpy - Sistemas de Informação Geográfica

Os Centros para Controle e Prevenção de Doenças (CDC) estão entre as principais fontes de financiamento do país para programas de prevenção da disseminação do vírus da imunodeficiência humana (HIV) e da síndrome da imunodeficiência adquirida (AIDS). No entanto, até recentemente, o CDC tinha informações limitadas sobre a distribuição geográfica desses programas e até que ponto os serviços financiados são acessíveis às populações com maior risco de contrair HIV / AIDS.

De 2000 & # x020132002, o CDC financiou um estudo que foi elaborado para melhorar as informações disponíveis para planejadores de programa sobre a distribuição geográfica dos serviços de prevenção do HIV financiados pelo CDC fornecidos por organizações baseadas na comunidade (CBOs). Pesquisadores e gerentes de programas no CDC reconheceram o potencial de um sistema de informações geográficas (GIS) para organizar e analisar informações sobre os serviços de prevenção do HIV. Eles fizeram do GIS um componente crítico do desenho do estudo.

O objetivo principal deste estudo foi construir um banco de dados nacional, geograficamente referenciado, de serviços de prevenção do HIV fornecidos por organizações comunitárias financiadas pelo CDC. Para atingir esse objetivo, enfrentamos três desafios:

1. para obter informações sobre áreas de serviço geográficas em todos os Estados Unidos e seus territórios

2. para projetar um instrumento de pesquisa de uma maneira que encorajou os prestadores de serviços a fornecer informações precisas sobre a geografia da área de serviço e

3. projetar e manter um banco de dados que pudesse lidar com geografias, populações de risco e serviços de prevenção sobrepostos e ainda ser amigável para os gerentes de programas no CDC.

Este documento descreve como abordamos cada um desses desafios para atingir nosso objetivo principal.

Análises geográficas e pesquisa de serviços de saúde

A geografia tem sido um componente crítico da análise de saúde por muitas décadas. Em seu texto clássico sobre pesquisa de serviços de saúde, Joseph e Phillips forneceram uma discussão sobre os sistemas de prestação de cuidados de saúde em todo o mundo, definiram claramente os significados de conceitos como "acesso" e "utilização" e apresentaram muitos métodos espaciais que têm sido usados ​​para analisá-los [1]. O texto foi escrito quando o GIS estava em sua infância (embora o desenvolvimento da cartografia por computador tenha ocorrido por vários anos), mas os autores demonstraram como o mapeamento poderia ser usado para obter uma compreensão da organização espacial dos prestadores de cuidados de saúde, como médicos, e a hierarquia espacial das instalações hospitalares. Eles relataram uma ampla gama de métodos para medir a acessibilidade aos serviços de saúde, muitos deles emprestados da geografia econômica. Isso inclui o quociente de localização e o coeficiente de localização, que fornecem medidas gerais de distribuição regional e desigualdade. Muitos dos métodos usados ​​para avaliar a acessibilidade regional caem na categoria de "redução da distância", ou seja, envolvem medições de distâncias cumulativas entre os serviços de saúde e bairros ou outras unidades populacionais e operam sob o pressuposto de que a distância é uma barreira ou impedimento para a procura de saúde comportamento. Outros tópicos abordados foram planejamento de saúde e estratégias para localizar novos hospitais e serviços de saúde.

Muitos desses métodos, como o cálculo de razões médico-paciente e quocientes de localização, foram demonstrados em Rickets et al. [2]. Os sistemas de classificação urbano-rural foram discutidos e as áreas de déficit de saúde mapeadas. A maioria desses métodos pode ser aplicada com sistemas de informações geográficas.

Um sistema de informações geográficas é um sistema de gerenciamento de informações que contém dados referenciados espacialmente. Clarke se referiu ao GIS como 1) uma caixa de ferramentas, 2) um sistema de informação e 3) uma abordagem da ciência. Como uma caixa de ferramentas, um GIS é um pacote de software que contém uma variedade de ferramentas e funções para processar, mapear e analisar dados espaciais. Como sistema de informação, contém uma série de bancos de dados com observações sobre feições e outras entidades com localizações conhecidas. Como uma "abordagem da ciência", envolve o estudo das disciplinas científicas, como a geografia e a cartografia, que têm contribuído para o desenvolvimento da tecnologia SIG [3].

Como um sistema de informação, a geografia, portanto, é o denominador comum para tipos de dados díspares. O mapeamento da localização dos serviços de prevenção em relação à incidência do HIV, por exemplo, poderia demonstrar graficamente possíveis lacunas na disponibilidade do serviço e sugerir prioridades para a localização de novos locais de serviço. Como os mapas tornam os dados complexos mais acessíveis para especialistas e não especialistas, eles podem facilitar a discussão sobre questões de acesso e necessidades de serviço.

Embora os dados GIS sejam frequentemente vistos como mapas, as relações espaciais entre objetos e recursos em um GIS o tornam muito mais poderoso do que uma mera ferramenta de mapeamento. A principal razão para isso é que os dados espaciais em um SIG são estruturados de uma maneira que mantém relações topológicas entre recursos como pontos, linhas e áreas. Esses relacionamentos incluem adjacência, contenção e conectividade e permitem aos usuários de GIS realizar análises entre recursos em uma única camada de mapa ou em várias camadas de mapa [4]. Por exemplo, a distância poderia ser calculada facilmente entre hospitais em uma camada do mapa e blocos do censo em outra camada do mapa, para medir a acessibilidade da população aos hospitais usando uma função de redução da distância. A tecnologia GIS também pode oferecer suporte a funções de consulta espacial, análise e modelagem. As técnicas incluem a análise da zona tampão que pode estimar o número de pessoas que vivem dentro de uma distância especificada de um recurso (como um local de teste) ou a distribuição de serviços de prevenção do HIV em relação ao número de pessoas que vivem com AIDS.

A tecnologia GIS levou ao aprimoramento das técnicas existentes e ao desenvolvimento de novos métodos de análise de serviços de saúde. O GIS pode ser usado para criar regiões de serviços de saúde com base em dados espaciais usando métodos como polígonos de Thiessen e mapeamento de fluxo [2]. Modelos de interação espacial, programação matemática e análises de rede GIS usam dados de ruas e medidas de distância para modelar fluxos entre pacientes e serviços de saúde e são usados ​​para alocar pacientes aos serviços, direcionar veículos de emergência ou localizar estrategicamente novas instalações [5]. Muitos desses processos são iterativos e podem ser executados muitas vezes para examinar uma série de cenários diferentes. Claro, as análises de GIS seriam bastante limitadas sem a ampla disponibilidade de dados espaciais digitais e dados de saúde com identificadores geográficos [6].

O GIS é cada vez mais usado em pesquisas de saúde pública e serviços de saúde. Desde 1994, o National Center for Health Statistics publica seu relatório eletrônico bimestral, Public Health GIS News and Information. Em 1999, o Journal for Public Health Management and Practice dedicou dois números inteiramente às aplicações GIS. Em maio de 2003, a Revista Anual de Saúde Pública publicou cinco artigos que, juntos, constituíram um "minissimpósio" sobre o uso de SIG em saúde pública. Duas edições do Journal of Medical Systems foram dedicadas ao GIS em 2004. O GIS foi reconhecido como uma tecnologia emergente no campo da informática em saúde pública [7]. Além disso, novos periódicos, como o International Journal of Health Geographics, surgiram para atender à demanda por pesquisas em informática médica e análises geográficas de questões de saúde.

O CDC assumiu o compromisso de utilizar novas tecnologias para melhorar a informação em saúde [8]. O potencial do GIS também foi reconhecido pelo Departamento de Saúde e Serviços Humanos (DHHS). O Objetivo 23-3 do Healthy People 2010 é "aumentar a proporção de todos os principais sistemas de dados de saúde nacionais, estaduais e locais que usam geocodificação para promover o uso nacional de sistemas de informação geográfica (SIG) em todos os níveis" [9].

Vários estudos recentes envolveram o uso de SIG na pesquisa em serviços de saúde [10 - 12]. De renome também são os atlas de cuidados de saúde de Dartmouth, que usam dados de bancos de dados de reivindicações de cuidados de saúde para mapear e analisar aspectos geográficos dos cuidados de saúde nos EUA [13, 14]. A maioria dos estudos geográficos são mais localizados, no entanto, como uma análise da acessibilidade dos serviços de HIV nos bairros de Toronto ou avaliação baseada em GIS da falta de médicos em uma área de 9 condados de Illinois [15, 10].

Um dos usos potenciais mais importantes da tecnologia GIS na avaliação e planejamento de serviços de saúde é como um sistema de apoio à decisão espacial (SDSS). O SDSS fornece informações aos planejadores e gerentes de programa que lhes permitem tomar decisões importantes sobre a alocação de recursos. Eles requerem o desenvolvimento de um banco de dados espacialmente habilitado, um sistema de gerenciamento de banco de dados e um conjunto de ferramentas analíticas, como as encontradas na maioria dos softwares SIG, para a resolução de problemas [16]. A primeira etapa no desenvolvimento de um sistema de apoio à decisão espacial é desenvolver um banco de dados habilitado espacialmente.

O resultado de nosso trabalho foi o desenvolvimento de tal banco de dados & # x02013 um banco de dados espacial nacional dinâmico de localizações e áreas de serviço geográficas correspondentes de OBCs financiadas pelo CDC que fornecem serviços de prevenção do HIV. Chamamos esse banco de dados de Banco de dados de serviços de prevenção do HIV. Esse banco de dados é mantido em um SIG e tem um enorme potencial para fornecer informações aos gerentes de programas para a tomada de decisões.

Coletamos dados por meio de um questionário enviado a todos os provedores de serviços de prevenção do HIV financiados pelo CDC durante o ano fiscal de 2000. Os provedores de serviços incluíram aqueles financiados diretamente pelo CDC e aqueles financiados indiretamente por meio de acordos cooperativos com departamentos de saúde estaduais ou locais. Embora a maioria dos prestadores de serviços de prevenção do HIV fossem OBCs, em alguns casos, os departamentos de saúde estaduais e locais foram entrevistados, descrevendo os serviços que prestavam a si próprios em vez de por meio de contratos com as OBCs.

O questionário levou os respondentes a fornecer informações sobre o seguinte: 1) descrições das intervenções de prevenção 2) descrições das pessoas atendidas pela intervenção e 3) a localização da prestação do serviço e a área geográfica em que vivem as pessoas atendidas. Particularmente problemático foi a questão de como fazer perguntas sobre áreas geográficas de serviço. Embora as localizações das próprias CBOs geralmente tenham endereços mapeáveis, como fazer perguntas que podem fornecer informações precisas sobre a delimitação das áreas de serviço geográficas? Os respondentes devem desenhar áreas de serviço em um mapa (a ser digitalizado posteriormente) ou devem indicar quais unidades geográficas padrão (por exemplo, condado, CEP) melhor descrevem sua área de serviço? Discutiremos esses problemas posteriormente nesta seção.

Nós pré-testamos um rascunho de questionário com provedores de prevenção ao HIV em Raleigh e Durham, Carolina do Norte. Seguindo as revisões sugeridas pelo pré-teste, conduzimos um teste piloto em San Diego com gerentes de programas de prevenção do HIV em seis CBOs. Após o preenchimento do questionário, os gestores do programa participaram de entrevistas de debriefing nas quais descreveram como interpretaram as perguntas e escolheram as respostas e discutiram as dificuldades que encontraram com o instrumento. Outras revisões foram sugeridas durante uma reunião de painel de especialistas convocada no CDC para discutir o instrumento de pesquisa, questões de design de banco de dados e análise.

Para maximizar a compatibilidade dos dados da pesquisa com outros esforços de coleta de dados do CDC atuais e planejados, as categorias de resposta para o tipo de intervenção e as pessoas atendidas foram consistentes com as da Orientação de Avaliação do CDC [17]. Usando as opções de resposta mostradas na Tabela 1, os seguintes tipos de dados foram coletados para cada programa de prevenção: 1) tipo de intervenção, 2) população de risco, 3) raça e etnia e 4) fonte de financiamento. Múltiplas respostas foram permitidas para o tipo de intervenção, população de risco, raça e etnia dos indivíduos atendidos. Para os dados da fonte de financiamento, perguntamos aos entrevistados se os programas de prevenção eram financiados diretamente pelo CDC, indiretamente por meio de um departamento de saúde estadual ou local, ou ambos. Embora essas informações estivessem disponíveis nos dados do CDC e do departamento de saúde no nível das CBO, foram incluídas no instrumento de pesquisa para ver se as fontes de financiamento para programas de prevenção específicos poderiam ser identificadas quando os entrevistados recebessem financiamento de várias fontes.

Categorias de resposta para intervenções, populações de risco e raça / etnia das pessoas atendidas. Os dados para as seguintes categorias de resposta foram coletados pela pesquisa. Múltiplas respostas foram permitidas para todas as categorias

Os dados que descrevem os tipos de intervenção e as pessoas atendidas, combinados com o endereço das CBOs respondentes, por si só produziriam informações valiosas sobre os locais dos serviços fornecidos com fundos do CDC para populações específicas. No entanto, a intenção deste estudo foi descrever a área de serviço, bem como a localização do serviço. As áreas de serviço geográfico podem ser definidas de várias maneiras, cada uma das quais tem ramificações em termos de problemas e análises de coleta de dados:

1. Origem do paciente. A área de serviço é definida pela compilação dos endereços reais das pessoas atendidas. Embora essa abordagem forneça dados muito precisos, ela também envolve preocupações sobre a carga do respondente, a confidencialidade e a qualidade dos dados. Muitos programas de prevenção do HIV não coletam informações de endereço, conseqüentemente, esta abordagem não era viável.

2. Distância geográfica. A área de serviço é definida pela distância máxima a partir da qual as pessoas atendidas chegam ao serviço. Medidas de distância são relativamente simples em termos de coleta e gerenciamento de dados. No entanto, como as áreas de serviço raramente correspondem a áreas circulares descritas por medidas de distância, os dados resultantes podem ser de qualidade relativamente baixa. Em alguns casos, as medidas de distância são convertidas em unidades administrativas que caem dentro da distância especificada (por exemplo, todos os condados que estão total ou parcialmente em um raio de 50 milhas).

3. Limites geopolíticos. A área de atendimento é definida por meio da nomenclatura dos estados, condados, cidades, CEPs ou outras unidades administrativas nas quais os serviços são prestados. Essas unidades são familiares à maioria das pessoas e já podem ser usadas pelos entrevistados no planejamento e na descrição de suas atividades. No entanto, as unidades geopolíticas podem não corresponder a áreas de serviço definidas em termos de bairros e, por vezes, são imprecisas, como quando os limites de uma cidade ultrapassam os limites do condado [18].

Com base nas discussões entre a equipe do projeto e nas conclusões do teste piloto, a equipe de estudo decidiu coletar dados da área de serviço na forma de medidas de distância geográfica e unidades geopolíticas. Fizemos isso porque não havia um precedente claro sobre qual método forneceria as informações mais úteis, e isso nos daria a oportunidade de testar ambos. O questionário forneceu aos entrevistados um conjunto em cascata de respostas da unidade geopolítica, a partir do qual eles poderiam listar várias respostas em um ou mais níveis de especificidade, ou seja, vários condados ou um condado com cidades adicionais. Essa lista era, em sua maior parte, geograficamente hierárquica. Se, por exemplo, o entrevistado marcou a caixa para "estado inteiro" e listou "Missouri", nenhuma outra resposta de área geográfica para o Missouri foi necessária. As opções de resposta para distância incluíram seis opções que variam de menos de 5 milhas a mais de 25 milhas. As opções de resposta para áreas de serviço são mostradas na Tabela 2.

Opções de resposta da área de serviço. Os dados das áreas de serviço foram coletados na forma de unidades geopolíticas e medidas de distância. As respostas das unidades geopolíticas foram listadas em ordem hierárquica. Um mapa personalizado acompanhou cada pesquisa para aumentar a precisão e integridade das respostas.

Definimos "área de serviço" como a localização das pessoas realmente atendidas. Na literatura de alguns serviços de saúde, isso é referido como "área de mercado" [19]. Isso pode ser diferente da área de destino, para a qual os serviços foram planejados. Para serviços financiados pelo CDC, o conceito de "área de serviço" forneceu informações mais úteis. A pergunta foi formulada em termos de onde moram as pessoas atendidas, embora não tenhamos pedido aos entrevistados que consultassem os registros de endereços reais ao escolher sua resposta. Para as atividades de rua e de extensão comunitária, instruímos os entrevistados a descrever a área em que a intervenção ocorreu, porque essas atividades podem ser direcionadas a populações transitórias ou pessoas que se congregam em uma área específica sem necessariamente viver lá.

Nossas instruções aos entrevistados sobre a área de serviço foram especificá-la como "a área onde vive a maioria (cerca de 80%) das pessoas que recebem este programa de prevenção" ou, para o alcance de rua e comunidade, "onde a maioria das atividades acontecia". Esta formulação foi destinada a evitar respostas que foram direcionadas para grandes áreas de serviço por um pequeno número de usuários de serviço ou atividades fora da área de serviço normal. No teste piloto, a equipe de estudo descobriu que essa redação gerava respostas que representavam mais de perto as atividades reais.

Cada pacote de pesquisa incluía um mapa de referência de cores de uma página feito sob medida para aquele CBO e gerado por uma rotina GIS automatizada. O mapa mostrava duas visualizações da área ao redor da localização do CBO: uma identificando cidades, condados e estradas principais em um raio de 30 milhas e a outra mostrando uma visão mais detalhada de CEPs e cidades em um raio de 5 milhas. Em ambas as vistas, traçamos círculos concêntricos em distâncias definidas para fornecer um quadro de referência espacial. Baseamos nossa decisão de incluir esses mapas no teste piloto de San Diego, no qual os entrevistados responderam duas vezes às perguntas sobre a área de cobertura: primeiro sem um mapa de referência e depois com ele. O uso de um mapa de referência melhorou a qualidade dos dados de várias maneiras:

1. Completude. Os entrevistados nomearam mais cidades atendidas ao olharem um mapa que incluía nomes de todas as cidades do condado.

2. Precisão. As estimativas de distância da localização do CBO foram mais precisas quando os entrevistados consultaram um mapa que mostrava a distância em incrementos de 5 milhas.

3. Precisão. Os entrevistados descreveram as áreas de serviço em termos de CEPs específicos dentro da cidade, em vez de toda a cidade, ao usar um mapa que mostra os limites do CEP.

As pesquisas foram enviadas em julho de 2000. O universo inicial era de 1.562 CBOs. Vários registros de CBO no banco de dados foram posteriormente identificados como duplicatas ou inelegíveis (por exemplo, uma CBO que não forneceu serviços de prevenção do HIV no ano fiscal de 2000), com uma população de pesquisa resultante de 1.450 CBOs. Com medidas de acompanhamento, como lembretes de cartões postais e chamadas de retorno, a pesquisa teve uma taxa de resposta geral de 70,3%. Em outras palavras, 1.020 de 1.450 CBOs responderam à pesquisa. O número de programas de prevenção do HIV administrados por cada uma dessas CBOs variou de 1 a 23. Dos 1.020 CBOs, 432 relataram ter apenas um programa de prevenção financiado pelo CDC, mas a maioria das CBOs respondentes tinha mais de um. Ao todo, foram divulgadas pela pesquisa 3.028 programas de prevenção. Mantivemos todos os dados, ações e respostas da pesquisa em um sistema de controle Microsoft Access, desenvolvido especificamente para este projeto.

A Figura 1 mostra a localização de cada uma das 1450 CBOs na população da pesquisa e seu status de resposta. Os triângulos representam CBOs que não responderam. Particularmente notável é o número de não respostas em Illinois e Montana. As CBOs de Montana foram identificadas no final do processo de coleta de dados e podem não ter tido tempo suficiente para retornar as pesquisas antes do término dessa fase do projeto. Em Illinois, o Departamento de Saúde do Estado atuou como intermediário na pesquisa e a falta de contato direto para acompanhamento provavelmente reduziu as taxas de resposta. Nesse mapa, as não respostas são desenhadas sobre as respostas, o que explica o padrão presente em muitas das cidades nordestinas.

Resposta da CBO à pesquisa de área de serviço de prevenção do HIV. Este mapa mostra a localização de todas as CBOs que receberam financiamento do CDC para serviços de prevenção do HIV em 2000. As CBOs que responderam são mostradas em triângulos verdes vermelhos indicam uma não resposta.

As taxas de resposta variaram substancialmente entre os estados, conforme mostrado na Figura 2. Na maioria dos estados, 60 a 80 por cento das CBOs responderam. Taxas de resposta mais altas ocorreram em alguns dos estados de Plains, Utah, região do Vale de Ohio e bolsões do sudeste e nordeste dos EUA. Oito estados / territórios tiveram taxas de resposta menores ou iguais a 50%. As taxas de resposta são particularmente instáveis ​​para áreas com poucos CBOs, onde as respostas de apenas um ou dois CBOs influenciaram drasticamente a taxa de resposta.

Taxas de resposta por estado. Este mapa mostra a taxa de resposta do CBO, por estado e / ou território. Tons mais escuros indicam taxas de resposta mais altas. Branco indica que não houve resposta.

Atribuímos códigos geográficos Federal Information Processing Standard (FIPS) às respostas da área de serviço. Os códigos FIPS foram desenvolvidos por agências do governo federal para padronizar a codificação para estados, condados e outras entidades geográficas legais e estatísticas. Usamos os códigos FIPS para vincular os dados da pesquisa aos mapas GIS.

Pesquisas codificadas foram processadas por profissionais de entrada de dados. A equipe de entrada de dados escreveu um programa de entrada de dados especificamente para este projeto que incluiu verificação, limpeza e outras medidas de controle de qualidade. Todos os dados foram digitados duas vezes e verificados. Os resultados do processo de entrada de dados foram dois grandes arquivos de texto, um que continha informações CBO mais gerais e outro que continha todas as respostas da pesquisa do programa de prevenção do HIV.

Convertemos os arquivos de texto do processo de entrada de dados em uma série de 10 tabelas do Microsoft Access 2000. Estas 10 tabelas foram desenvolvidas para normalizar os dados, (ou seja, agrupá-los em tabelas em um procedimento formalizado para eliminar a duplicação de informações e fornecer flexibilidade na estrutura da tabela para futuras adições ou alterações) e para permitir a ligação a arquivos de mapa GIS via software GIS. Detalhes completos do projeto do banco de dados são descritos em um relatório separado para o CDC e estão além do escopo deste artigo [20]. Discutimos três tabelas importantes no banco de dados, no entanto. Eles são mostrados no esquema da Figura 3, que usa um CBO fictício. Os nomes dos campos foram alterados para facilitar a leitura.

Tabelas de banco de dados e suas ligações. Este diagrama mostra como as três tabelas principais no Banco de Dados dos Serviços de Prevenção do HIV foram vinculadas ou relacionadas. CBOs são vinculados às tabelas GEOGAREA e PROGRAM por CBO-ID. A tabela GEOGAREA contém um registro por unidade geográfica por CBO. Esta tabela contém os códigos FIPS necessários para vinculação a um banco de dados GIS (mapa).

A primeira tabela, CBO, contém uma lista principal de CBOs e inclui as seguintes informações: nome do identificador CBO, endereço e pessoa de contato e informações sobre as respostas da pesquisa. Essas informações foram usadas para administração de pesquisas e geocodificação.

Os códigos FIPS para todas as entidades de área de serviço geográfica (ou seja, estado, condado, cidade / município, CEP e / ou Reserva Indígena) foram armazenados em uma segunda tabela, GEOGAREA. Esta tabela continha quatro campos: 1) o identificador CBO, 2) o identificador do programa (muitos CBOs tinham vários programas), 3) o tipo de FIPS (por exemplo, estado, condado, cidade, CEP, terras tribais) e 4) os códigos FIPS reais . Cada unidade geográfica que representava uma parte ou a totalidade de uma área de serviço para um determinado programa era armazenada como um único registro. No exemplo da Figura 3, o CBO Fictício recebeu um identificador 15015. A área de serviço do Programa nº 1 deste CBO abrangia três códigos postais. Os dados no campo FIPS_TYPE indicam a qual mapa base GIS (ou seja, estado, condado, cidade, CEP ou reserva) para vincular. Por exemplo, um FIPS_TYPE de 4 indica que a ligação é para a camada do mapa de código postal nacional. Os valores no campo FIPS_CODE são códigos postais reais, que podem ser consultados e exibidos com o GIS.

Uma terceira tabela importante, PROGRAMA contém todas as informações não geográficas para cada programa, ou seja, tipo de intervenção, populações de risco, raça / etnia e fonte de financiamento. Esta tabela está vinculada, por meio de uma combinação CBO / identificador de programa, às tabelas geográficas. Essa tabela também armazenava os valores fornecidos para a última pergunta da pesquisa, na qual os respondentes eram solicitados a indicar a distância em que vivia a maioria das pessoas atendidas.

Desenvolvimento de dados geoespaciais

Usamos um conjunto de produtos de software GIS do Environmental Systems Research Institute, Inc. (ESRI, Redlands, CA) para todo o processamento e análise de dados espaciais, incluindo ArcGIS 8.12, ArcMap e ArcCatalog. No entanto, o produto final desta pesquisa & # x02013 um banco de dados dinâmico espacialmente habilitado para ser usado pelos gerentes de programa do CDC & # x02013 foi configurado para uso no ArcView 8.

Integramos os dados da pesquisa no banco de dados do Access com uma série de camadas de mapas GIS para mapeamento e análise subsequentes. Isso inclui estados e territórios dos EUA, condados, cidades e vilas, reservas indígenas americanas e limites de áreas com código postal. Essas camadas de mapa GIS foram derivadas de duas fontes: 1) Censo dos EUA, generalizado, Codificação e Referência Geográfica Integrada Topologicamente (TIGER) Arquivos de exportação Arc / Info 2000, obtidos do site do Censo dos EUA e 2) a série ESRI Data and Map, Versão 8.1 , que veio junto com o software ESRI.

Fizemos alguns aprimoramentos nas camadas do mapa original para incorporar todas as respostas da pesquisa. A camada limite da área do CEP inclui alguns pequenos polígonos de buffer de pontos do CEP que foram adicionados para este projeto. Várias cidades e vilas que foram identificadas pelos participantes da pesquisa não existiam na camada de mapa de cidade / município, então aumentamos a camada de mapa de lugares com locais encontrados no Sistema de Informação de Nomes Geográficos (GNIS) do US Geological Survey (USGS) online ) Por último, uma camada de áreas especiais foi criada manualmente a partir de outros conjuntos de dados de fundo para algumas áreas especificadas pelos participantes da pesquisa que não correspondiam a nenhuma das outras camadas de fundo.

Todas as respostas sobre áreas de serviços geográficos foram comparadas a um ou mais dos arquivos de limites geográficos descritos acima. Um procedimento diferente foi usado para desenvolver camadas de mapa de CBO e locais de programa. As tabelas CBO e PROGRAM no banco de dados do Access contêm endereços para CBOs e seus programas. Esses endereços foram usados ​​para derivar o CBO e programar as localizações dos pontos em coordenadas geográficas (ou seja, latitude e longitude), como as exibidas na Figura 1. Os endereços do CBO e do programa foram combinados por um fornecedor. Os códigos de resposta foram vinculados aos dados do CBO de correspondência de endereço, de modo que o status da resposta (ou seja, se o CBO respondeu à pesquisa ou não) de cada CBO poderia ser consultado e mapeado.

A tabela GEOGAREA contém informações sobre todas as entidades geográficas que foram indicadas, pelos respondentes, para fazerem parte de uma área de serviço geográfica. As respostas sobre a distância geográfica foram armazenadas na tabela do PROGRAMA e vinculadas à camada do mapa de localizações do programa. O ArcView Buffer Wizard foi usado para armazenar cada ponto do programa pela estimativa de distância correspondente para criar uma nova camada de mapa mostrando áreas de serviço com base na distância.

O principal resultado deste projeto é o Banco de Dados de Serviços de Prevenção do HIV, um banco de dados dinâmico e espacialmente habilitado que fornece ao CDC uma riqueza de informações sobre os serviços de prevenção do HIV que financia e um grande potencial para modelagem, análise e mapeamento geográfico. Este banco de dados lida com geografias sobrepostas, populações de risco e serviços de prevenção. A fim de torná-lo amigável para os gerentes de programa do CDC, fornecemos ao CDC um aplicativo ArcView (.mxd) que carrega automaticamente todos os dados espaciais (ou seja, shapefiles) e tabelas necessárias para análise e mapeamento. Relações entre tabelas (ou seja, "junções") necessárias para consulta e análise também são mantidas neste aplicativo ArcView. Devido à grande variedade de possíveis consultas de banco de dados, desenvolvemos uma ferramenta de consulta Visual Basic for Applications (VBA) que torna mais fácil para os usuários estruturar uma consulta com base no tipo de intervenção, raça / etnia e população de risco. Com essa ferramenta, o usuário tem a opção de mapear CBO e localizações de programas, além de suas áreas geográficas de atendimento. A interface da ferramenta de consulta é mostrada na Figura 4.

Interface da ferramenta de consulta. Esta ferramenta permite aos usuários estruturar uma consulta com base no tipo de intervenção, raça / etnia e população de risco, em seguida, mapear o CBO correspondente e as localizações do programa e / ou áreas de serviço geográficas.

O banco de dados de serviços de prevenção do HIV apresenta uma ampla gama de recursos de consulta e exibição, com base nas respostas à pesquisa. Por exemplo, a Figura 5 mostra as áreas geográficas de serviço de todos os programas que fornecem intervenções para populações hispânicas / latinas. Embora o mapa seja nacional em escala, as funções de zoom e consulta em um GIS permitem que os usuários examinem áreas geográficas em qualquer escala. Essa consulta foi baseada nas respostas do programa a perguntas sobre o tipo de intervenção e as populações atendidas.

Serviços de prevenção do HIV para hispânicos ou latinos. Este mapa é o resultado de uma consulta ao banco de dados de serviços de prevenção do HIV. Mostra todas as áreas onde os serviços de prevenção do HIV são fornecidos a hispânicos / latinos. As áreas de serviço estão desenhadas em rosa. Os locais do programa são representados por pontos vermelhos. Os triângulos verdes representam as localizações das CBOs que não responderam à pesquisa.

As consultas também podem ser baseadas na geografia. A pergunta, "Quais serviços de prevenção do HIV estão sendo fornecidos por CBOs financiados pelo CDC no estado de Rhode Island" produziria um mapa das localizações de CBO de Rhode Island e suas áreas de serviço e uma ampla gama de informações sobre tipos de serviços e populações de risco em tabelas de banco de dados conectadas.

O banco de dados de serviços de prevenção do HIV está sendo usado por pesquisadores do CDC. Uma análise concentrou-se na distribuição geográfica de serviços em nível nacional e outra em serviços para populações específicas, como os afro-americanos.

Desenvolvemos com sucesso um banco de dados geográfico nacional de serviços de prevenção do HIV financiados pelo CDC. No entanto, encontramos vários desafios durante a fase de desenvolvimento de dados do projeto. Alguns deles estavam relacionados a problemas de integridade e qualidade de dados. Descrevemos alguns desses desafios porque provavelmente serão encontrados em outros esforços para desenvolver dados habilitados espacialmente.

Validade das áreas de serviço em todo o estado

Muitas OBCs indicaram que prestavam serviços de prevenção a todo um estado. Em muitos casos, isso não parecia viável e foram levantadas preocupações sobre a integridade dessas respostas. Desenvolvemos um conjunto de procedimentos para confirmar a validade das respostas do estado que incluiu 1) usando os valores de distância na última pergunta da pesquisa para validação 2) uma consideração do tamanho do estado (a cobertura estadual em Rhode Island é mais viável do que a de Texas, por exemplo) 3) exame do tipo de intervenção (por exemplo, gestão de casos de prevenção vs. comunicações de saúde) e 4) chamadas de retorno para administradores de programa CBO pela equipe do CDC.

Entidades geográficas inexistentes

Em alguns casos, as entidades geográficas fornecidas pelos entrevistados simplesmente não podiam ser localizadas em um banco de dados geoespacial ou mesmo em um atlas ou dicionário geográfico. O mais comum deles eram os códigos postais. Alguns CBOs forneceram códigos postais que não existiam no banco de dados dos Correios dos Estados Unidos. Assim, para alguns CBOs, os dados da área de serviço estão ausentes ou incompletos.

Os dados do polígono não estão disponíveis para alguns códigos postais

Alguns dos CEPs identificados pelos respondentes da pesquisa não existiam na camada do mapa GIS do polígono do CEP (área), mas existiam apenas em outra camada de pontos GIS (ou seja, representados por uma coordenada de latitude / longitude única). Partimos do pressuposto de que esses CEPs de "apenas pontos" representavam áreas de CEP muito pequenas. Esses CEPs receberam cobertura de "área" por meio da criação de buffers de 0,1 milha ao redor de seus pontos representativos.

Codificação errônea de entidades geográficas por processadores de dados de pesquisa

Usamos uma série de consultas GIS e verificações de consistência lógica para identificar anomalias de dados. Cada vez que uma inconsistência era observada, examinávamos as pesquisas originais. Em alguns casos, os codificadores interpretaram mal a caligrafia do entrevistado e fizemos correções.

Apesar de alguns dos desafios que encontramos, desenvolvemos com sucesso métodos para obter informações primárias sobre os serviços de prevenção do HIV financiados pelo CDC nos EUA e seus territórios e fomos capazes de desenvolver um banco de dados GIS dinâmico de locais CBO, áreas de serviço e serviços de prevenção que está sendo usado pela equipe do CDC para realizar análises e tomar decisões sobre o programa. Este banco de dados, o Banco de Dados de Serviços de Prevenção do HIV, foi entregue ao CDC em maio de 2002.

Precisamos alertar, no entanto, que a taxa de resposta à pesquisa foi de 70%. Embora esta seja uma alta taxa de resposta, percebemos que os dados do programa e da área de serviço estão faltando para 430 CBOs. Qualquer análise abrangente da prestação de serviços deve levar em consideração as localizações dessas OBCs que não responderam. Além disso, os serviços fornecidos pelo CBO e financiados pelo CDC de forma alguma compõem o total dos serviços de prevenção do HIV nos EUA.

O Banco de Dados de Serviços de Prevenção do HIV do CDC foi desenvolvido para permitir que os pesquisadores do CDC planejem e avaliem os serviços de prevenção do HIV fornecidos pelo CBO. Embora o CDC esteja usando esse banco de dados principalmente para identificar lacunas e sobreposições no serviço, seu potencial é amplo e inclui os seguintes aplicativos:

& # x02022 análises geográficas de serviços de prevenção do HIV para minorias raciais e étnicas,

& # x02022 um exame dos serviços de prevenção do HIV no contexto das disparidades de saúde como um acompanhamento do trabalho de Krieger et al. [21],

& # x02022 uso por agências de saúde locais para determinar como integrar os serviços financiados pelo CDC com outros serviços de prevenção da comunidade,

& # x02022 estudos regionais de serviços de prevenção do HIV para áreas como os condados da Comissão Regional dos Apalaches, e

& # x02022 análise dos níveis de financiamento do CDC vs. avaliação da necessidade, com base nas taxas de HIV / AIDS e populações de risco.

O desenvolvimento da Base de Dados de Serviços de Prevenção do HIV é um passo na direção certa em termos de cumprimento do Objetivo 23-3 da Healthy People 2010 e, em última análise, no desenvolvimento de um sistema de apoio à decisão espacial. Demonstramos a viabilidade de construir um banco de dados valioso e espacialmente habilitado em todo o país e transferimos com sucesso os dados e a tecnologia para o CDC para uso interno. Em termos de definição das áreas geográficas de serviço, consideramos que a informação sobre as unidades geopolíticas / administrativas foi mais útil do que a informação à distância, embora a informação à distância nos tenha proporcionado um meio de conduzir verificações de consistência lógica nas respostas das unidades político-administrativas.

Os dados do programa coletados para este projeto foram para serviços de prevenção fornecidos durante o ano fiscal de 2000. Recomendamos fortemente que o Banco de Dados de Serviços de Prevenção do HIV seja atualizado e mantido regularmente. Devido ao custo de conduzir uma grande pesquisa por correio, recomendamos que esforços futuros de coleta de dados usem metodologias de pesquisa baseadas na Web que incorporam mapas interativos para o delineamento das áreas de pesquisa. Essas metodologias estão sendo usadas cada vez mais em saúde, ciências sociais e pesquisa educacional [22].

AIDS: síndrome da imunodeficiência adquirida

CBO: organização baseada na comunidade

CDC: Centros para Controle e Prevenção de Doenças

DHHS: Departamento de Saúde e Serviços Humanos

FIPS: padrão federal de processamento de informações

GIS: sistema de informação geográfica

HIV: vírus da imunodeficiência humana

SDSS: sistema de apoio à decisão espacial

VBA: Visual Basic for Applications

CLH e DAG são responsáveis ​​pelo desenho do estudo. Eles administraram o GIS e os componentes de pesquisa do estudo, respectivamente, executaram o projeto e escreveram o manuscrito final. Este projeto foi o "filho do cérebro" de AG. AG e KJF atuaram como monitores técnicos do CDC durante o projeto e dirigiram o desenho e a implementação do estudo. MB desenvolveu o banco de dados GIS e contribuiu com os aspectos mais técnicos do manuscrito final.

1. O banco de dados de serviços de prevenção do HIV é de domínio público e está disponível gratuitamente para fins de instrução ou pesquisa.


GEOG 2470

Introdução ao GIS (GIS I)

Cair2012

11:05am- 1:45PM

Informações de contato

Escritório: Sala Adjunta do Corpo Docente Bldg. 3000

Horário comercial: ter e qui: 13h45 às 14h15

O Sr. Craig Eissler é o proprietário / consultor da Geo-Tech Visual Power, localizada em Austin, Texas. Ele é um profissional de Sistemas de Informações Geográficas (GIS) especializado em gerenciamento de projetos, análise de risco natural, avaliações de risco, treinamento e desenvolvimento de currículo. Seu trabalho atual como contratado para a Texas Geographic Society (TXGS) começou em 2003 como o contato do usuário e co-gerente de projeto do Texas Hazard Mitigation Package. THMP é uma ferramenta de distribuição de dados GIS e visualizador de mapa para identificar perigos históricos e áreas de risco e avaliação de vulnerabilidades relativas a populações e valores de propriedade. Ele também contrata independentemente com governos locais e regionais para conduzir avaliações de risco usando GIS para planos de mitigação.

O trabalho de projeto subsequente do Sr. Eissler & rsquos inclui o desenvolvimento de programas de treinamento para o uso de THMP e HAZUS-MH - uma ferramenta de estimativa de perda de perigo natural desenvolvida pela FEMA. Ele desenvolveu um currículo HAZUS personalizado para usuários do Texas e continua uma apresentação ativa e programação de treinamento em todo o estado como um instrutor autorizado pela FEMA especializado em modelos de inundação e furacão. Por meio desta e de sua experiência de trabalho anterior, ele ganhou considerável experiência com ArcGIS.

Anteriormente, o Sr. Eissler ocupou vários cargos de marketing na indústria de alta tecnologia. Quatro desses anos foram com Strategic Mapping, Inc. & ndash, um líder mundial em desenvolvimento de software GIS na época, e agora de propriedade da ESRI. Craig começou sua carreira como técnico de mapeamento para várias empresas de levantamento aéreo / fotogrametria, levando a uma experiência profissional relevante de mais de 20 anos.

O Sr. Eissler ensinou GIS em nível universitário e outros cursos no ITT Technical Institute e no Austin Community College.

O Sr. Eissler possui um M.S. em Sistemas de Informação Geográfica pela Penn State University e um B.A. Doutor em Geografia e Planejamento pela Texas State University (anteriormente Southwest Texas State University).

Descrição do Curso

GIS (Geographic Information Systems) é uma ferramenta baseada em computador que usa dados espaciais (geográficos) para analisar e resolver problemas do mundo real. Este curso foi elaborado para apresentar ao aluno os princípios e técnicas básicos de SIG. O material de laboratório enfatizará a coleta, entrada, armazenamento, análise e saída de dados GIS usando ArcGIS.

Textos / materiais necessários

2ª Edição para ArcGIS 10

Observação: este é o livro de laboratório para este curso

Não existe um livro-texto formal para este curso & ndash, apenas o livro do laboratório mencionado acima.

O instrutor também fornecerá, ocasionalmente, apostilas como informações complementares.

O ACC & rsquos Blackboard também será utilizado quando apropriado. O instrutor irá notificá-lo quando houver novo material postado. No entanto, você deve criar o hábito de verificá-lo regularmente.

É necessário um flash USB externo ou disco rígido com pelo menos 2 GB de armazenamento. Um 4GB é ainda melhor. Quando se trata de GIS, quanto mais espaço de armazenamento, melhor.

Comunicações

Todos os alunos devem ter identificação ACC. Isso é conhecido como seu ACCeID. Este número deve ser usado para acessar a maioria dos recursos necessários para este curso. Se você não tiver um ACCeID, avise-me imediatamente. Fora da aula, a principal forma de comunicação com o instrutor será por meio de sua conta de e-mail ACC. Você também pode chamar o instrutor, embora este método só deva ser usado se as tentativas de e-mail forem malsucedidas. E, finalmente, o horário de expediente do instrutor e rsquos são postados neste plano de estudos para visitas presenciais.

Metodologia Instrucional

O curso será parte Palestra e parte Laboratório. Métodos modernos de ensino serão freqüentemente usados ​​onde essas partes são integradas e não necessariamente discerníveis. As palestras pretendem ser temáticas e fornecer informações conceituais e de natureza estratégica. Os laboratórios têm como objetivo fornecer o desenvolvimento de habilidades na aplicação dos conceitos em um nível tático.

O pacote de software GIS, ArcGIS 10 (da ESRI), será usado ao longo deste curso. Os alunos receberão uma licença educacional que podem usar em casa. O ACC também oferece uma sala de laboratório aberta com todo o software e dados necessários para este curso, para uso além do horário de aula

Fundamentação do curso

A introdução ao GIS foi projetada para fornecer aos alunos uma compreensão dos métodos e teorias de análise espacial que permitirão aos alunos aplicar o conhecimento e as habilidades do GIS na vida cotidiana e nas carreiras escolhidas, para aplicar o curso a um grau de associado e rsquos no Austin Community College , e prepará-los para o sucesso em cursos de divisão superior em GIS em outras instituições.

Objetivos Comuns

Os alunos aprenderão como compilar, analisar e apresentar dados geoespaciais, enfatizando o valor da comunicação visual. Os alunos aprenderão esses conceitos geoespaciais básicos enquanto trabalham principalmente com o software ESRI & rsquos ArcGIS e exploram outros produtos GIS.

Ao final deste curso, o aluno será capaz de:

  • descrever o que geografia, GIS e análise espacial são
  • explicar a importância da escala e sistemas de coordenadas e projeções
  • aplicar os conceitos básicos de exibição de mapa: simbologia e cartografia
  • distinguir entre estruturas de dados vetoriais e raster e o uso apropriado de cada uma delas
  • compreender captura e compilação de dados
  • demonstrar a capacidade de projetar e criar conjuntos de dados, incluindo funções de edição
  • investigar e analisar em GIS, incluindo a realização de consultas e técnicas de geoprocessamento
  • explorar e usar outras fontes de GIS e dados
  • e diabos e mais

Trabalho do Curso

Cada dia será composto de Palestra e / ou Laboratório. Na maioria dos dias, eles serão divididos de forma relativamente igual. No entanto, em alguns dias, isso pode variar dependendo da natureza do material que precisa ser coberto. E, claro, existem testes, projetos, trabalho de campo e outras atividades que se integram ao currículo.

Além das atribuições de exercícios do livro de laboratório, os alunos são altamente encorajados a praticar suas habilidades de GIS por conta própria em casa ou no trabalho, bem como fazer suas próprias pesquisas para obter mais conhecimento conceitual. Um excelente recurso que os alunos devem começar a usar imediatamente é o Centro de ajuda / recursos do ArcGIS.

Avaliação do curso

Os componentes de avaliação são baseados na participação ativa na aula, na conclusão bem-sucedida e oportuna de exercícios de laboratório estruturados (às vezes incluindo outros exercícios de aula), testes e um projeto de aula.

Projeto de classe (3) 10 pts. ea.

Exercícios de laboratório (3) aprox. 1,5 pontos. ea.

IMPORTANTE: NÃO há testes de maquiagem. Você precisará fazer todo o possível para estar presente nos dias de teste. Se você faltar em um dia de teste, um projeto de substituição será atribuído. Este é um exercício longo e desafiador e pode não ser desejável se você puder evitar. Um segundo teste perdido resultará em uma nota de & ldquo0 & rdquo. Existem 3 testes de estilo de múltipla escolha. Os testes serão realizados após cada seção do curso. Cada teste vale aproximadamente 17 pontos percentuais.

Exercícios de laboratório e participação nas aulas

A participação nas aulas é um fator muito importante para a sua nota. Não é permitido trabalhar em projetos de outros cursos ou itens pessoais. Apenas o Exercício de Laboratório designado para este curso ou outro trabalho designado ou aprovado pelo Instrutor é permitido durante a aula. O tempo de laboratório NÃO é um tempo livre!

Outros trabalhos permitidos durante o tempo de laboratório podem incluir:

  • Projeto de aula
  • Questionários de revisão do Blackboard
  • Centro de ajuda / recursos do ArcGIS Desktop
  • Slides de aula de estudo
  • Outro conforme atribuído pelo instrutor

Classificação de exercícios de laboratório:

Na maioria dos dias, quando os exercícios de laboratório são atribuídos, o trabalho concluído será entregue no final do dia. Isso será feito usando o Arquivo e exportação função no ArcGIS e então impressa. Entregar uma cópia em papel permite um rastro de papel para fins de classificação. A maioria dos exercícios de laboratório recebe um & ldquoA & rdquo. É principalmente uma questão de apenas fazê-lo.

Se você não tiver concluído o seu Exercício de Laboratório quando for devido (normalmente no final da aula, a menos que seja indicado de outra forma), você terá permissão para concluí-lo fora da aula e entregá-lo no início do período de aula seguinte. Não haverá penalidade para isso.

No entanto, se você decidir transformar seu Exercício de Laboratório em dois períodos de aula mais tarde (1 semana de atraso), haverá uma penalidade de -15 pontos, portanto, a melhor nota que você poderia obter seria um & ldquoB & rdquo. Trabalhos entregues mais de 1 semana depois não são aceitos e resultarão em uma nota & ldquo0 & rdquo.

Você deve compreender o impacto de uma nota & ldquo0 & rdquo. Isso reduzirá drasticamente sua nota para este tipo de nota e sua nota geral para o curso. É muito melhor entregar um trabalho incompleto do que nada.

Sua nota final de exercícios de laboratório & ldquorecorded & rdquo será uma & ldquoaverage & rdquo para todos os exercícios de laboratório que você entregou para aquela seção. Lembre-se de que existem 3 seções ao longo do curso. Portanto, cada nota de Exercício de Laboratório registrada por seção do curso vale 10 pontos percentuais.

Aula Projeto

Haverá um projeto de final de curso semestral, dividido em 3 fases. Cada fase do projeto incluirá uma estrutura analítica do trabalho (ou seja, lista de tarefas) e a descrição da entrega final que se baseia no material abordado na aula e no laboratório. As duas primeiras fases do projeto incluirão uma lista de tarefas suportadas por instruções passo a passo. A fase final do projeto incluirá uma lista de tarefas suportadas por instruções mais gerais. Cada fase do projeto vale 10 pontos percentuais. Qualquer projeto com fase atrasado será penalizado. Os projetos são projetados para desenvolver as habilidades e a confiança necessárias para concluir aplicativos do mundo real usando GIS.

Políticas do Curso

Por favor, consulte as seguintes políticas do curso com relação à frequência, desistência, incompletos, desonestidade escolar, alunos com deficiência e liberdade acadêmica. Consulte também os documentos oficiais do ACC, incluindo o Manual do Aluno sobre esses tópicos para obter mais detalhes.

Os alunos devem assistir às aulas e participar ativamente das aulas e dos trabalhos de laboratório. Nenhum trabalho de maquiagem é permitido. Consulte a participação nas aulas acima sobre a classificação dos exercícios de laboratório. Você é responsável por quaisquer anúncios feitos em sala de aula, mesmo que você não estivesse em aula naquele dia.

É responsabilidade do aluno desistir do curso antes da data limite especificada. Se você assistiu a pelo menos uma aula, o instrutor NÃO o retirará da aula. O instrutor só retirará os alunos que nunca assistiram às aulas.

Uma nota incompleta, ou & ldquoI & rdquo, raramente é atribuída neste curso. No caso de uma emergência verdadeira (por exemplo, hospitalização) impedir o aluno de fazer o último teste, uma nota de & ldquoI & rdquo pode ser dada a critério do instrutor. Os incompletos devem ser compensados ​​até a data de publicação no ACC College Calendar, ou o & ldquoI & rdquo será automaticamente convertido para um & ldquoF & rdquo.

Atos proibidos pelo colégio para os quais a disciplina pode ser administrada incluem desonestidade escolar, incluindo, mas não se limitando a trapacear em um exame ou questionário, plágio e colaboração não autorizada com outra pessoa na preparação de um trabalho externo. Os trabalhos acadêmicos apresentados pelos alunos devem ser o resultado de seu pensamento, pesquisa ou auto-expressão. Trabalho acadêmico é definido como, mas não limitado a testes, questionários, feitos eletronicamente ou em projetos de papel, apresentações individuais ou em grupo em sala de aula e trabalhos de casa.

Alunos com deficiência

Cada campus ACC oferece serviços de apoio para alunos com deficiência física ou psicológica documentada. Alunos com deficiência devem solicitar acomodações razoáveis ​​através do Escritório para Alunos com Deficiências no campus onde eles esperam ter a maioria de suas aulas. Os alunos são incentivados a fazer isso três semanas antes do início do semestre.

Cada aluno é fortemente encorajado a participar das discussões em classe. Em qualquer situação de sala de aula que inclua discussão e pensamento crítico, haverá muitos pontos de vista diferentes. Os alunos podem não apenas discordar uns dos outros às vezes, mas os alunos e o professor também podem descobrir que têm visões díspares sobre tópicos sensíveis e voláteis. É minha esperança que essas diferenças aumentem a discussão em classe e criem uma atmosfera onde alunos e instrutores sejam encorajados a pensar e aprender. Portanto, tenha certeza de que suas notas não serão adversamente afetadas por quaisquer crenças ou ideias expressas em sala de aula ou nas designações. Em vez disso, todos respeitaremos as opiniões dos outros quando expressas em discussões em sala de aula.

Respeite o instrutor e todos os alunos em todos os momentos. Você não deve desviar sua atenção para itens não acadêmicos em qualquer momento durante o horário de aula. Isso inclui trabalhar em outras atribuições, usar seu telefone celular / mensagens de texto, verificar e-mail, jogar videogame ou outros itens que distraem. Também evite falar durante as palestras.

Esboço / Calenda do Cursor [Versão 1]

IMPORTANTE: O instrutor reserva-se o direito de alterar tópicos ou datas a qualquer momento. No entanto, o instrutor tentará seguir o esboço do curso o mais fielmente possível e avisar com a maior antecedência possível se houver alterações. O seguinte esboço / calendário serve apenas como uma diretriz.

Se / quando o Esboço / Calendário for revisado, isso será refletido em uma página separada deste Esboço / Calendário.


Muitas maneiras de nomear um lugar

Os alunos analisam mapas de lugares de bairro a mundo e, em seguida, criam mapas para as localizações de suas próprias casas em várias escalas.

Links

Local na rede Internet

1. Apresente o conceito de morar em um lugar que pode ser identificado por muitos nomes diferentes.

Diga aos alunos que todos nós moramos em muitos lugares neste momento. Esclareça que você não está falando sobre pessoas que se mudam de um lugar para outro em momentos diferentes. Peça aos alunos ideias sobre o que são esses lugares. Liste suas idéias no quadro. Oriente os alunos a compreenderem que eles moram em uma casa, em um bairro e também em uma vila ou cidade e em um estado, um país, um continente e na Terra.

2. Compare vários mapas que mostram uma & # 8220 casa & # 8221 em escalas diferentes.

Use a galeria fornecida Ali's Location para levar os alunos em um tour pela localização de uma garota. Explique que conforme a área vista nesses mapas muda, vemos o lugar onde Ali mora em diferentes escalas.

  • Projete o mapa com o endereço de Ali Fong & # 8217s e vizinhança . Peça aos alunos que descrevam o que vêem neste mapa da vizinhança (ruas, parque, ferrovia, localização da biblioteca, escola, casa de Ali e # 8217).
  • Em seguida, vá para o mapa de Ali & # 8217s Estado, Missouri. Peça aos alunos que encontrem Ali & # 8217s cidade, St. Louis, e descreva o que mais eles veem no estado. Perguntar: Que rio corre ao longo da fronteira leste do estado? (Rio Mississippi) Em que parte do estado fica St. Louis? (o leste) Qual é a capital do Missouri? (Cidade de Jefferson)
  • Mover para o mapa dos Estados Unidos, mostrando Ali & # 8217s país. Peça aos alunos que encontrem Missouri no mapa e descrevam o que mais eles veem (os cinquenta estados, Oceanos Pacífico e Atlântico, Golfo do México, grandes rios, Grandes Lagos, Canadá e México ao norte e ao sul). Peça aos alunos que apontem para seu próprio estado no mapa.
  • Vá para o mapa da América do Norte e explique que este é Ali & # 8217s continente. Perguntar: O que mais faz parte deste continente? (Canadá, México, Groenlândia, os países da América Central e Índias Ocidentais)
  • Mova-se para o mapa-múndi e peça aos alunos que encontrem o lugar de Ali & # 8217s no mundo. Perguntar: A casa dela fica mais perto da América do Sul ou da África?

Mostre aos alunos que cada lugar que eles veem no mapa é maior no mundo real do que o anterior. Chamamos isso de mudança na escala do mapa.

3. Visualize os alunos & # 8217 muitos lugares em um mapa interativo.

Projete o National Geographic MapMaker Interactive. Usando a barra vertical à direita para aumentar e diminuir o zoom, encontre a localização de sua escola. Adicione um marcador & # 8220school & # 8221 da guia à esquerda no local correto. Tal como acontece com os mapas na Etapa 2, peça aos alunos que descrevam o mapa da vizinhança ao redor de sua escola. & # 160

Peça aos alunos que imaginem que vocês estão em um foguete voando direto para o espaço. Gradualmente, diminua o zoom no mapa interativo para ver sua cidade. Use as ferramentas de desenho para delinear a localização de sua cidade ou município. Demonstre & # 8212 gradualmente & # 8212o movimento em escala para estado, país, continente e mundo.

4. Peça aos alunos que mapeiem suas casas em várias escalas.

Divida os alunos em pares. Distribua uma cópia da planilha Muitas maneiras de nomear um lugar para cada par. Faça pares trabalharem em computadores para analisar o mapa de seu bairro, cidade / vila, estado, país, continente e mundo. Oriente os alunos a usarem o recurso de pesquisa no mapa para obter ajuda para encontrar seu endereço residencial, cidade ou estado. Na planilha, peça-lhes que descrevam os recursos que veem no mapa para cada um. Discuta com toda a classe as semelhanças e diferenças entre os mapas. Perguntar: Como o mapa muda quando há uma mudança na escala do mapa, por exemplo, de cidade para estado?

5. Peça aos alunos que criem seus próprios atlas de suas casas em várias escalas.

Peça aos alunos que criem seus próprios atlas de seu bairro, cidade / município, estado, país, continente e mundo. Faça-os criar, marcar e salvar mapas usando o MapMaker Interactive. Permita que sejam criativos ao escolher os mapas básicos ou imagens de satélite e adicionar rótulos e cores ao mapa.

Avaliação Informal

Avalie a planilha preenchida Muitas maneiras de nomear um lugar para verificar a compreensão dos alunos.


Contorno

Este módulo é composto por três componentes principais. O primeiro é uma introdução aos fundamentos de posicionamento de satélite e fornece aos alunos a terminologia e a física básica para entender como o sistema funciona (Unidade 1: Fundamentos de GPS / GNSS). O segundo enfoca como os sistemas cinemáticos funcionam, bem como como criar um conjunto de dados topográficos e detectar mudanças em posições monumentais (Unidade 2: Métodos Cinemáticos GPS / GNSS). A unidade 2 contém subunidades que apresentam aos alunos aplicações específicas para o uso de GPS / GNSS cinemático: levantamentos topográficos e detecção de alterações. A Unidade 3 é uma exploração de sistemas estáticos, que fornecem a maior precisão necessária para detectar mudanças extremamente pequenas (Unidade 3: Métodos GPS / GNSS estáticos).

O módulo apresenta o material em uma ordem de complexidade e precisão crescentes, mas as unidades (após a Unidade 1) muitas vezes podem ser ensinadas como lições autônomas. Para instrutores que não desejam usar o módulo em sua totalidade, os pares sugeridos estão incluídos na seção & quotContext for Use & quot na página de cada unidade & # 039s. Os instrutores podem solicitar suporte para alguns tipos de equipamentos e suporte técnico da UNAVCO, que administra a Instalação Geodésica NSF & # 039s.

Nota: Embora o termo GPS (Sistema de Posicionamento Global) seja mais comumente usado na linguagem cotidiana, ele se refere oficialmente apenas à constelação de satélites dos EUA. GNSS (Global Navigation Satellite System) é um termo universal que se refere a todos os sistemas de navegação por satélite, incluindo os dos EUA (GPS), Rússia (GLONASS), União Europeia (Galileo), China (BeiDou) e outros. Neste módulo, usamos o termo GNSS para nos referirmos genericamente ao uso de uma ou mais constelações de satélites para determinar a posição.

Unidade 1Fundamentos de GPS / GNSS

Esta unidade apresenta aos alunos como funcionam os sistemas de navegação global por satélite, uma comparação de sua precisão e uma primeira oportunidade de campo para configurar uma antena e um receptor.

As constelações de satélites orbitando nosso planeta permitem um posicionamento de alta precisão não apenas para aplicações de consumo ou pesquisa, mas também para pesquisas em geociências, como detecção de movimentos de placas, deslizamentos de terra ou outras mudanças na superfície da Terra. Esta unidade apresenta aos alunos os fundamentos desses sistemas globais de navegação por satélite (GNSS), os referenciais usados ​​para o posicionamento e as diferentes técnicas de aquisição, incluindo seus méritos e precisão. Por meio de atividades em sala de aula e de campo, os alunos desenvolvem uma familiaridade com a variedade de instrumentação e aplicativos disponíveis com GNSS. Esta unidade fornece um amplo entendimento conceitual do GNSS aplicável a todas as técnicas de aquisição. As unidades subsequentes enfocam métodos cinemáticos e estáticos e os diferentes produtos gerados usando esses métodos GNSS.

Unidade 2Métodos Cinemáticos de GPS / GNSS

Esta unidade se concentra em ensinar as técnicas necessárias para executar um levantamento cinemático. É explicitamente prático, dando aos alunos a oportunidade de configurar, operar e pós-processar seus dados. Embora sejam menos precisos, os levantamentos cinemáticos requerem mais equipamentos e considerações de projeto do que os sistemas estáticos. Os sistemas cinemáticos têm a vantagem de adquirir rapidamente várias posições com uma precisão de vários cm. Eles são eficazes para uma variedade de aplicações, incluindo medição de formas de relevo de rápida deformação, levantamento topográfico ou outras aplicações que são sensíveis ao tempo e não requerem precisão maior que 2–3 cm.

A aplicação dos Sistemas Globais de Navegação por Satélite (GNSS) nas ciências da terra tornou-se comum. Os dados GNSS podem ser coletados rapidamente e comparados em quadros de referência comuns. Os métodos GNSS cinemáticos em tempo real (RTK) permitem a entrega rápida de informações de posicionamento de alta precisão para cientistas de campo. Esta unidade se concentra no projeto e execução de levantamentos cinemáticos, enfatizando os benefícios e limitações da técnica. Os alunos aprenderão para quais questões a técnica é mais aplicável, bem como as técnicas padrão de processamento de dados. Os alunos aumentam sua compreensão do GNSS por meio de um conhecimento técnico de levantamentos GNSS cinemáticos. Esta unidade prepara os alunos para projetar e implementar uma pesquisa própria por meio de instruções práticas e demonstração de técnicas cinemáticas em tempo real (RTK) ou cinemáticas pós-processadas (PPK) em um ambiente de campo.

Unidade 2.1Medindo a topografia com cinemático GPS / GNSS

Esta unidade se concentra em uma aplicação de técnicas cinemáticas para coletar pontos topográficos de forma rápida e eficiente e processá-los para criar uma superfície contínua.

Levantamentos GNSS cinemáticos podem fornecer um meio rápido de coleta de dados topográficos amplamente distribuídos e de alta precisão. As vantagens dessa técnica em relação aos instrumentos ópticos, como uma estação total, são que ela requer apenas uma pessoa para operar e não depende da manutenção de uma linha direta do local. Uma vez que os pontos são coletados, os alunos aprenderão a interpolar usando ArcMap para criar um modelo contínuo de elevações. Os alunos devem pensar cuidadosamente sobre onde coletam seus pontos e avaliar os méritos das diferentes técnicas de interpolação, incluindo TIN e Krigagem. Por meio de uma aplicação de GNSS cinemática baseada em campo, os alunos irão projetar e conduzir um levantamento topográfico e interpolar os pontos coletados para criar um campo de elevação contínuo. Isso se baseia nas habilidades aprendidas na Unidade 2 e prepara os alunos para técnicas futuras, como diferenciação de superfície e detecção de mudança topográfica (Unidade 2.2).

Unidade 2.2Detecção de alteração com GPS / GNSS cinemático

Esta unidade se concentra na aplicação de técnicas cinemáticas para detectar mudanças em objetos monumentais, como benchmarks ou pedras se movendo em uma encosta.

Embora possa ser difícil de perceber, as paisagens mudam constantemente de forma e posição. O GNSS de alta precisão é uma das várias técnicas capazes de quantificar essas mudanças e é um componente-chave de muitos estudos geológicos, biológicos e de engenharia modernos. Nesta unidade, os alunos aprenderão como abordar um estudo de detecção de mudanças no contexto de um problema geomórfico ou estrutural e, em seguida, projetar e implementar um levantamento GNSS que explore efetivamente o problema. Por meio da aplicação de técnicas de GNSS cinemáticas baseadas em campo, os alunos irão projetar, executar e analisar dados de um levantamento para detectar mudanças. Os alunos elaboram a pesquisa com base em uma questão de interesse científico ou social e são solicitados a defender seu projeto e implementação. Esta é a unidade final focada em GNSS cinemático e visa solidificar o conhecimento e habilidade técnica dos alunos nesta técnica.

Unidade 3Métodos estáticos de GPS / GNSS

Esta unidade se concentra em ensinar as ferramentas e técnicas necessárias para executar uma pesquisa estática. É explicitamente prático, dando aos alunos a oportunidade de configurar, operar e pós-processar seus dados. Levantamentos estáticos levam mais tempo para coletar pontos do que um sistema cinemático, mas podem ser significativamente mais precisos, capazes de resolver movimentos de vários milímetros, incluindo fluência em encostas, formas de relevo de movimento lento e movimento tectônico. Os sistemas estáticos variam dependendo da aplicação, mas são freqüentemente usados ​​para análises de séries temporais de monumentos lentos.

A aplicação dos Sistemas Globais de Navegação por Satélite (GNSS) nas ciências da terra tornou-se comum. Os dados GNSS podem produzir medições de alta precisão e resolução em quadros de referência comuns. Os métodos GNSS estáticos aproveitam os longos tempos de ocupação para resolver medições precisas e dados de série temporal para capturar eventos como deformação tectônica, terremotos, esgotamento do lençol freático e formas terrestres de movimento lento. Esta unidade se concentra no projeto e execução de campo de levantamentos estáticos simples, enfatizando os benefícios e as limitações da técnica. Os alunos aprenderão para quais aplicativos a técnica é mais aplicável, bem como as técnicas padrão de processamento de dados. Além disso, os alunos aumentam sua compreensão dos sistemas GNSS por meio da interpretação de dados de campo de levantamentos estáticos e conjuntos de dados públicos de estações de operação contínua. Esta unidade prepara os alunos para projetar e implementar uma pesquisa própria por meio de instruções práticas e demonstração de técnicas estáticas ou estáticas rápidas em um ambiente de campo.

Avaliação Somativa

Não há uma avaliação somativa única para este módulo. Isso ocorre porque o GNSS cinemático e estático exige equipamentos diferentes e ferramentas interpretativas diferentes. Em vez disso, oferecemos um conjunto de perguntas que podem ser adicionadas ao exercício somativo de diferentes unidades. Alternativamente, essas perguntas podem ser feitas como parte de um exame final.


Extraia valores de geopontos

Para desconstruir uma resposta de geoponto, você pode usar a função pulldata () para extrair os valores para preencher os valores de outras questões.

Survey123 aprimora a função pulldata () quando o símbolo @ é usado no início do primeiro parâmetro. Esse aprimoramento permite que mais do que os quatro parâmetros padrão sejam recuperados. Parâmetros adicionais podem ser recuperados de uma questão de geoponto usando uma função pulldata () aprimorada. O exemplo a seguir extrai o valor de precisão horizontal de uma questão de geoponto:

A disponibilidade das propriedades do geoponto depende do hardware. A tabela a seguir lista as propriedades que podem ser obtidas de um geoponto:

Longitude, valor positivo no hemisfério oriental, valor negativo no hemisfério ocidental.

Latitude, valor positivo no hemisfério norte, valor negativo no hemisfério sul.

Altitude, metros acima do nível do mar (padrão) ou altura acima do elipsóide (se selecionado nas configurações do aplicativo de campo).

Precisão horizontal das coordenadas xey.

Precisão vertical da coordenada z.

Direção da viagem medida no sentido horário do norte.

Categoria da fonte de posição. Os resultados potenciais são Desconhecido (0), Usuário (1), Local do sistema (2), Dispositivo externo (3) e Dispositivo de rede (4).

Altura da antena do dispositivo. A distância da antena à superfície do solo é subtraída dos valores de altitude.

Tipo de altitude selecionado. Os resultados potenciais são altitude acima do nível médio do mar (0) e altura acima do elipsóide (1). Isso está disponível para todos os tipos de provedores de localização.

A tabela a seguir lista propriedades adicionais que podem ser obtidas de um geoponto capturado com um receptor de alta precisão:

Ângulo entre o norte magnético e o norte verdadeiro.

Tipo de correção de posição que a coordenada possui. Os resultados potenciais são NoFix (0), GPS (1), DifferentialGPS (2), PrecisePositioningService (3), RTKFixed (4), RTKFloat (5), Estimado (6), Manual (7), Simulador (8) e SBAS (9).

Informações do dispositivo como um objeto JSON. É útil para depuração e validação. Elementos individuais também podem ser retornados usando o nome completo do elemento. Consulte as seguintes linhas da tabela para todos os elementos disponíveis.

Nome da fonte de posição interna. Isso está disponível apenas para o provedor de localização integrado do dispositivo.

Endereço do dispositivo. Disponível apenas para receptores GNSS externos.

Nome do dispositivo. Disponível apenas para receptores GNSS externos.

Tipo de dispositivo externo. Os resultados potenciais são Desconhecido (-1), Bluetooth (0), Porta serial (1) e Bluetooth LE (2). Disponível apenas para receptores GNSS externos.

Nome da fonte de posição da rede. Disponível apenas para provedores de localização de rede.

Endereço da fonte de posição da rede. Disponível apenas para provedores de localização de rede.

Porta da fonte de posição da rede. Disponível apenas para provedores de localização de rede.

Diferença entre o elipsóide terrestre WGS-84 e o nível médio do mar, conforme definido pelo usuário nas configurações do aplicativo.

Diferença entre o elipsóide terrestre WGS-84 e o nível médio do mar, conforme relatado pelo receptor GNSS. Isso também é conhecido como altura ortométrica.

Tipo de precisão relatado pelas propriedades horizontalAccuracy e verticalAccuracy. Os resultados potenciais são RMS (0) e DOP (1). RMS é a precisão da raiz quadrada média. Isso é calculado com base no intervalo de confiança de 68 por cento para erros de latitude, longitude e altitude relatados na frase GST fornecida pelo receptor. Se o receptor não for compatível com GST, o DOP será usado. DOP é a diluição da exatidão com base na precisão. Isso usa um valor de erro de intervalo estimado pelo usuário constante (UERE) para estimar as precisões horizontal e vertical.

Erro esférico radial médio. Abrange erros horizontais e verticais.

Valor do erro de latitude 1-sigma. Esta propriedade só será preenchida se o seu dispositivo de posicionamento suportar sentenças GST em fluxos NMEA.

Valor do erro de longitude 1-sigma. Esta propriedade só será preenchida se o seu dispositivo de posicionamento suportar sentenças GST em fluxos NMEA.

Valor do erro de 1 sigma de altitude. Esta propriedade só será preenchida se o seu dispositivo de posicionamento suportar sentenças GST em fluxos NMEA.

Diluição horizontal de precisão de dados posicionais (HDOP).

Diluição vertical de precisão de dados posicionais (VDOP).

Diluição Posicional de Precisão (PDOP) dos dados posicionais. A equação usada para determinar o PDOP é PDOP ^ 2 = HDOP ^ 2 + VDOP ^ 2.

Idade do sinal diferencial e correção usada pelo receptor GPS para corrigir diferencialmente a posição.

ID da estação de referência diferencial (DSID) da estação usada pelo receptor GPS.

Quantidade de satélites de posicionamento visíveis no momento da captura do local.

Quantidade de satélites de posicionamento usados ​​para retornar os dados de posição.

Formato de coordenada

A função pulldata () também pode ser usada para extrair valores de geopontos e formatá-los em formatos de coordenadas adicionais. Esses formatos de coordenadas também aceitam os seguintes parâmetros adicionais específicos:

  • pulldata ("@ geopoint", $, "MGRS") retorna o geoponto como um valor de grade do Military Grid Reference System (MGRS) com uma precisão de 1 metro. Ao fornecer um parâmetro decimal opcional, a precisão pode ser alterada, por exemplo, pulldata ("@ geopoint", $, "MGRS", 100) retorna um valor de grade com uma precisão de 100 metros.
  • pulldata ("@ geopoint", $, "USNG") retorna o geoponto como um valor de grade do United States National Grid (USNG) com uma precisão de 1 metro. Como com MGRS, um parâmetro decimal opcional pode ser usado para alterar a precisão do valor da grade.
  • pulldata ("@ geopoint", $, "UTM") retorna o geoponto como coordenadas Universal Transverse Mercator (UTM). Isso é retornado como um objeto JSON:


6.8 Configurando a detecção de morte

A detecção de morte é um mecanismo de cluster que detecta rapidamente quando um membro do cluster falhou. Os membros do cluster com falha são removidos do cluster e todos os outros membros do cluster são notificados sobre o membro que partiu. A detecção de morte permite que o cluster diferencie entre a falha do membro real e um membro que não responde, como o caso quando uma JVM conduz uma coleta de lixo completa.

A detecção de morte funciona criando um anel de conexões TCP entre todos os membros do cluster. A comunicação TCP é enviada na mesma porta usada para a comunicação UDP do cluster. Cada membro do cluster emite uma pulsação unicast e o membro mais antigo do cluster emite a pulsação do cluster, que é uma mensagem de transmissão. Cada membro do cluster usa a conexão TCP para detectar a morte de outro nó dentro do intervalo de pulsação. A detecção de morte está habilitada por padrão e é configurada no elemento & lttcp-ring-listener & gt.

Os seguintes tópicos estão incluídos nesta seção:

6.8.1 Alterar as configurações do TCP-Ring

Várias configurações são usadas para alterar o comportamento padrão do ouvinte do anel TCP. Isso inclui alterar a quantidade de tentativas e tempo antes de determinar se um computador que está hospedando membros de cluster tornou-se inacessível. O padrão é 3 e 15 segundos, respectivamente. A fila de backlog do soquete do servidor TCP / IP também pode ser definida e o padrão é o valor usado pelo sistema operacional.

Para alterar as configurações do anel TCP, edite o arquivo de substituição operacional e adicione os seguintes elementos do anel TCP:

Os valores dos elementos & ltip-timeout & gt e & ltip-responses & gt devem ser altos o suficiente para isolar contra interrupções de rede temporárias permitidas.

A propriedade de sistema tangosol.coherence.ipmonitor.pingtimeout é usada para especificar um tempo limite em vez de usar o arquivo de substituição operacional. Por exemplo:

6.8.2 Alterar o intervalo de pulsação

O intervalo de pulsação de detecção de morte pode ser alterado. Um intervalo mais alto alivia o tráfego de rede, mas também prolonga a detecção de membros com falha. O valor de pulsação padrão é 1 segundo.

Para alterar o intervalo de pulsação de detecção de morte, edite o arquivo de substituição operacional e adicione um elemento & ltheartbeat-milliseconds & gt que inclui o valor de pulsação. Por exemplo:

6.8.3 Desativando a detecção de morte

A detecção de morte está habilitada por padrão e deve ser explicitamente desabilitada. Desativar a detecção de morte pode aliviar o tráfego de rede, mas também prolonga a detecção de membros com falha. Se desabilitado, um membro do cluster usa o intervalo de tempo limite de reenvio do editor do pacote para determinar se outro membro parou de responder aos pacotes UDP. Por padrão, o intervalo de tempo limite é definido para 5 minutos. Consulte "Alterando o tempo limite de reenvio do pacote" para obter mais detalhes.

Para desativar a detecção de morte, edite o arquivo de substituição operacional e adicione um elemento & ltenabled & gt que está definido como falso. Por exemplo:


Há uma forte cultura de tuplas sendo para coleções heterogêneas, semelhante ao que você usaria para struct s em C, e listas sendo para coleções homogêneas, semelhante ao que você usaria para matrizes. Mas eu nunca concordei exatamente com o problema da mutabilidade mencionado nas outras respostas. A mutabilidade tem seus dentes (na verdade, você não pode alterar uma tupla), enquanto a homogeneidade não é imposta e, portanto, parece ser uma distinção muito menos interessante.

As tuplas são de tamanho fixo por natureza, enquanto as listas são dinâmicas.
Em outras palavras, uma tupla é imutável Considerando que uma lista é mutável.

  1. Você não pode adicionar elementos a uma tupla. As tuplas não têm método de acréscimo ou extensão.
  2. Você não pode remover elementos de uma tupla. As tuplas não têm método de remoção ou pop.
  3. Você pode encontrar elementos em uma tupla, uma vez que isso não altera a tupla.
  4. Você também pode usar o operador in para verificar se um elemento existe na tupla.

Tuplas são mais rápidas do que listas. Se você está definindo um conjunto constante de valores e tudo o que vai fazer com ele é iterar por ele, use uma tupla em vez de uma lista.

Isso torna seu código mais seguro se você “protege contra gravação” os dados que não precisam ser alterados. Usar uma tupla em vez de uma lista é como ter uma declaração de afirmação implícita de que esses dados são constantes e que um pensamento especial (e uma função específica) é necessário para substituí-los.

Algumas tuplas podem ser usadas como chaves de dicionário (especificamente, tuplas que contêm valores imutáveis ​​como strings, números e outras tuplas). As listas nunca podem ser usadas como chaves de dicionário, porque as listas não são imutáveis.

Eu acredito (e dificilmente sou bem versado em Python) que a principal diferença é que uma tupla é imutável (não pode ser alterado no local após a atribuição) e uma lista é mutável (você pode acrescentar, alterar, subtrair, etc).

Então, eu tendo a fazer minhas tuplas coisas que não devem mudar após a atribuição e minhas listas coisas que podem.

Deve ser mutável? Use uma lista. Não deve ser mutável? Use uma tupla.

Caso contrário, é uma questão de escolha.

Para coleções de objetos heterogêneos (como um endereço dividido em nome, rua, cidade, estado e CEP), prefiro usar uma tupla. Eles sempre podem ser facilmente promovidos a tuplas nomeadas.

Da mesma forma, se a coleção for iterada, prefiro uma lista. Se for apenas um contêiner para armazenar vários objetos como um, prefiro uma tupla.

A primeira coisa que você precisa decidir é se a estrutura de dados precisa ser mutável ou não. Como foi mencionado, as listas são mutáveis, as tuplas não. Isso também significa que tuplas podem ser usadas para chaves de dicionário, enquanto as listas não podem.

Na minha experiência, tuplas são geralmente usadas onde a ordem e a posição são significativas e consistentes. Por exemplo, ao criar uma estrutura de dados para escolher seu próprio jogo de aventura, optei por usar tuplas em vez de listas porque a posição na tupla era significativa. Aqui está um exemplo dessa estrutura de dados:

A primeira posição na tupla é a escolha exibida ao usuário quando ele joga o jogo e a segunda posição é a chave da página para a qual a escolha vai e isso é consistente para todas as páginas.

As tuplas também são mais eficientes em termos de memória do que as listas, embora não tenha certeza de quando esse benefício se tornará aparente.


Assista o vídeo: Wielowątkowość w języku JAVA - Altkom Akademia