Mais

Usando o nome da classe de recurso para preencher o novo campo

Usando o nome da classe de recurso para preencher o novo campo


Estou tentando obter o nome da classe de recurso (de Iterate Feature Classes) em um novo campo. Tenho seguido os modelos descritos nos dois tópicos a seguir.

Usando o valor de Iterate Feature Selection para calcular o campo no ArcMap 10.1 ModelBuilder

e

Este

No entanto, sempre que executo o modelo, recebo a seguinte mensagem de erro

ERROR 000539: Erro ao executar a expressão: CF0140r01 Traceback (última chamada mais recente): Arquivo "", linha 1, em NameError: nome 'CF0140r01' não definido Falha ao executar (Calcular campo)

Eu tentei usando o Parse Path usando% Value% no campo de expressão (aqui está o meu modelo) (http://i.imgur.com/aOFgCgJ.jpg ">

e o campo Calcular

Tentei simplificar esse modelo (nem mesmo tenho certeza de por que preciso da ferramenta Feature Class para Feature Class, só a tenho lá porque um thread anterior que estava usando para construir isso tinha isso nele). Aqui está o modelo atualizado e simplificado com a mensagem de erro que estou recebendo. Para sua informação: a expressão na ferramenta Calcular campo é% Name%


O máximo em estupidez.

Tudo o que estava faltando (em qualquer uma das maneiras que eu abordei) foi "MARCAS DE CITAÇÃO" em torno da expressão.

ou seja, Expression = "% Value%" se estiver usando o Caminho de Análise, ou "% Name%" se não estiver usando o Caminho de Análise


Eu imagino que o problema esteja no fato de você ter nomeado a saída da ferramenta FeatureClass para a ferramenta FeatureClass usando a sintaxe de substituição embutida, o que não faz sentido. Renomeie para algo como "saída" (não inclua as aspas!). Então, a expressão da ferramenta de cálculo do seu campo permanece como% Name%, que é a substituição inline proveniente da variável Nome, que é uma das saídas do iterador.


GEOinSIGht


Geografia física

A geografia física (ou fisiogeografia) concentra-se na geografia como uma ciência da Terra. Tem como objetivo compreender a litosfera física, a hidrosfera, a atmosfera, a pedosfera e os padrões globais de flora e fauna (biosfera). A geografia física pode ser dividida nas seguintes categorias amplas:

  • Biogeografia Climatologia e paleoclimatologia Geografia costeira Env. geog. & amp management
  • Geodésia Geomorfologia Glaciologia Hidrologia e Hidrografia

Geografia Humana


A geografia humana é um ramo da geografia que se concentra no estudo de padrões e processos que moldam a interação humana com vários ambientes. Abrange aspectos humanos, políticos, culturais, sociais e econômicos. Embora o foco principal da geografia humana não seja a paisagem física da Terra (veja a geografia física), dificilmente é possível discutir a geografia humana sem se referir à paisagem física na qual as atividades humanas estão ocorrendo, e a geografia ambiental está emergindo como um link entre os dois. A geografia humana pode ser dividida em muitas categorias amplas, como:

  • Geografia cultural Geografia do desenvolvimento Geografia econômica Geografia da saúde
  • Histórico e geog. Geog político. & amp Geopolítica Pop. geog. ou Demografia Religião geografia
  • Geografia social Geografia de transporte Geografia de turismo Geografia urbana

Várias abordagens para o estudo da geografia humana também surgiram ao longo do tempo e incluem:

  • * Geografia comportamental
  • * Geografia Feminista
  • * Teoria da cultura
  • * Geosofia

Geografia ambiental

A geografia ambiental é o ramo da geografia que descreve os aspectos espaciais das interações entre os humanos e o mundo natural. Requer uma compreensão dos aspectos tradicionais da geografia física e humana, bem como das maneiras pelas quais as sociedades humanas conceituam o meio ambiente.

A geografia ambiental surgiu como uma ponte entre a geografia humana e a física como resultado da crescente especialização dos dois subcampos. Além disso, como a relação humana com o meio ambiente mudou como resultado da globalização e da mudança tecnológica, uma nova abordagem foi necessária para entender a relação dinâmica e mutante. Exemplos de áreas de pesquisa em geografia ambiental incluem gestão de emergências, gestão ambiental, sustentabilidade e ecologia política.

Geomática
Modelo Digital de Elevação (DEM)

Geomática é um ramo da geografia que surgiu desde a revolução quantitativa na geografia em meados dos anos 1950. Geomática envolve o uso de técnicas espaciais tradicionais usadas em cartografia e topografia e sua aplicação em computadores. Geomática tornou-se um campo difundido com muitas outras disciplinas que usam técnicas como GIS e sensoriamento remoto. A geomática também levou à revitalização de alguns departamentos de geografia, especialmente na América do Norte, onde o assunto estava em declínio durante os anos 1950.

Geomática abrange uma grande área de campos envolvidos com a análise espacial, como Cartografia, Sistemas de Informação Geográfica (SIG), Sensoriamento Remoto e Sistemas de Posicionamento Global (GPS).

Geografia regional

A geografia regional é um ramo da geografia que estuda as regiões de todos os tamanhos da Terra. Possui um caráter descritivo predominante. O objetivo principal é compreender ou definir a singularidade ou o caráter de uma determinada região que consiste em elementos naturais e humanos. É dada atenção também à regionalização, que abrange as técnicas adequadas de delimitação do espaço em regiões.

A geografia regional também é considerada como uma abordagem certa para estudar em ciências geográficas (semelhante a geografias quantitativas ou críticas; para mais informações, consulte História da geografia).

Campos relacionados

* Planejamento urbano, planejamento regional e planejamento espacial: use a ciência da geografia para auxiliar na determinação de como desenvolver (ou não desenvolver) a terra para atender a critérios específicos, como segurança, beleza, oportunidades econômicas, preservação do edificado ou natural herança e assim por diante. O planejamento de vilas, cidades e áreas rurais pode ser visto como geografia aplicada.

* Ciência regional: na década de 1950 surgiu o movimento científico regional liderado por Walter Isard, para fornecer uma base mais quantitativa e analítica às questões geográficas, em contraste com as tendências descritivas dos programas tradicionais de geografia. A ciência regional compreende o corpo de conhecimento no qual a dimensão espacial desempenha um papel fundamental, como economia regional, gestão de recursos, teoria da localização, planejamento urbano e regional, transporte e comunicação, geografia humana, distribuição populacional, ecologia da paisagem e qualidade ambiental.

* Ciências Interplanetárias: Embora a disciplina de geografia normalmente se preocupe com a Terra, o termo também pode ser usado informalmente para descrever o estudo de outros mundos, como os planetas do Sistema Solar e até mesmo além. O estudo de sistemas maiores do que a própria Terra geralmente faz parte da Astronomia ou Cosmologia. O estudo de outros planetas é geralmente chamado de ciência planetária. Termos alternativos como Areologia (o estudo de Marte) foram propostos, mas não são amplamente usados.

Técnicas geográficas

Como as inter-relações espaciais são fundamentais para essa ciência sinótica, os mapas são uma ferramenta fundamental. A cartografia clássica foi associada a uma abordagem mais moderna à análise geográfica, sistemas de informação geográfica baseados em computador (SIG).

Em seu estudo, os geógrafos usam quatro abordagens inter-relacionadas:

* Sistemática & # 8211 Agrupa o conhecimento geográfico em categorias que podem ser exploradas globalmente.
* Regional & # 8211 Examina relações sistemáticas entre categorias para uma região ou local específico do planeta.
* Descritivo & # 8211 Simplesmente especifica os locais de recursos e populações.
* Analítico & # 8211 Pergunta por que encontramos características e populações em uma área geográfica específica.

Cartografia

A cartografia estuda a representação da superfície da Terra com símbolos abstratos (criação de mapas). Embora outras subdisciplinas da geografia confiem em mapas para apresentar suas análises, a feitura real de mapas é abstrata o suficiente para ser considerada separadamente. A cartografia cresceu de uma coleção de técnicas de desenho para uma ciência real.

Os cartógrafos devem aprender psicologia cognitiva e ergonomia para entender quais símbolos transmitem informações sobre a Terra de maneira mais eficaz, e psicologia comportamental para induzir os leitores de seus mapas a agirem com base nas informações. Eles devem aprender geodésia e matemática bastante avançada para entender como a forma da Terra afeta a distorção dos símbolos do mapa projetados em uma superfície plana para visualização. Pode-se dizer, sem muita controvérsia, que a cartografia é a semente da qual cresceu o campo maior da geografia. A maioria dos geógrafos citará uma fascinação infantil por mapas como um sinal precoce de que acabariam no campo.

Sistemas de Informação Geográfica

Os sistemas de informações geográficas (SIG) tratam do armazenamento de informações sobre a Terra para recuperação automática por um computador, de maneira precisa e adequada ao propósito da informação. Além de todas as outras subdisciplinas da geografia, os especialistas em GIS devem compreender ciência da computação e sistemas de banco de dados. O GIS revolucionou o campo da cartografia, quase toda a cartografia é feita agora com o auxílio de alguma forma de software GIS. GIS também se refere à ciência de usar software GIS e técnicas de GIS para representar, analisar e prever relações espaciais. Neste contexto, GIS significa Ciência da Informação Geográfica.

Sensoriamento remoto

O sensoriamento remoto pode ser definido como a arte e a ciência de obter informações sobre as características da Terra a partir de medições feitas à distância. Os dados de sensoriamento remoto vêm em muitas formas, como imagens de satélite, fotografias aéreas e dados obtidos de sensores portáteis. Os geógrafos usam cada vez mais dados de sensoriamento remoto para obter informações sobre a superfície terrestre, o oceano e a atmosfera da Terra porque: a) fornece informações objetivas em uma variedade de escalas espaciais (local a global), b) fornece uma visão sinótica da área de interesse, c) permite o acesso a locais distantes e / ou inacessíveis, d) fornece informações espectrais fora da parte visível do espectro eletromagnético, ee) facilita os estudos de como características / áreas mudam ao longo do tempo. Os dados detectados remotamente podem ser analisados ​​independentemente ou em conjunto com outras camadas de dados digitais (por exemplo, em um Sistema de Informação Geográfica).

Métodos quantitativos geográficos
Geoestatística

A geoestatística trata da análise quantitativa de dados, especificamente da aplicação de metodologia estatística à exploração de fenômenos geográficos. A geoestatística é usada extensivamente em uma variedade de campos, incluindo: hidrologia, geologia, exploração de petróleo, análise do clima, planejamento urbano, logística e epidemiologia. A base matemática para geoestatística deriva da análise de agrupamento, análise discriminante linear e testes estatísticos não paramétricos, e uma variedade de outros assuntos. As aplicações da geoestatística dependem fortemente dos sistemas de informação geográfica, particularmente para a interpolação (estimativa) de pontos não medidos. Os geógrafos estão fazendo contribuições notáveis ​​ao método das técnicas quantitativas.

Métodos qualitativos geográficos
Etnografia

Métodos qualitativos geográficos, ou técnicas de pesquisa etnográfica, são usados ​​por geógrafos humanos. Na geografia cultural, há uma tradição de empregar técnicas de pesquisa qualitativa também usadas na antropologia e na sociologia. A observação participante e as entrevistas em profundidade fornecem aos geógrafos humanos dados qualitativos.


Alguns tipos de sistemas de informação geográfica que você precisa conhecer

ArcGIS: Esta é uma solução de mapeamento baseada em nuvem. Ele oferece ferramentas de mapeamento on-line robustas, porém simples, que podem ser utilizadas até mesmo por usuários leigos para criar e compartilhar mapas atraentes. Além de mapas, você também pode usar o ArcGIS Online para colaboração, administração e análise. Além disso, esta plataforma oferece recursos exclusivos para o uso de análises baseadas em localização para melhorar seus negócios.

O benefício mais notável do ArcGIS é o uso de um sistema de informações geográficas (GIS). O GIS ajuda organizações de todos os tamanhos a questionar, analisar, visualizar e interpretar dados para obter uma compreensão de relacionamentos, tendências e padrões. O sistema fornece comunicação aprimorada, melhor manutenção de registros, economia de custos e melhor tomada de decisões.

SuperGIS Desktop: Um robusto software de mapeamento GIS para desktop que oferece os recursos para analisar, visualizar, gerenciar e editar dados geográficos. Em seguida, você pode exibir os resultados em mapas de qualidade progressiva. É fácil personalizar as várias funções do aplicativo para suas necessidades. Além disso, a plataforma oferece suporte a vários tipos de dados e oferece ferramentas sofisticadas de processamento de dados.

Com o Process Designer do SuperGIS Desktop, um plano urbano pode criar e automatizar fluxos de trabalho geoespaciais personalizados. Também é capaz de processar em lote, de forma que projetos e relatórios complexos se tornem menos tediosos de fazer e possam ser concluídos com muito mais rapidez. Os usuários também podem publicar fluxos de trabalho online para torná-los acessíveis em qualquer lugar onde haja um dispositivo habilitado para web.

Cliente GIS Simples: Uma plataforma de software GIS repleta de recursos que roda em MS Windows. Além do desktop, é leve o suficiente para ser usado em tablets e laptops com Windows para tarefas como planejamento de viagem e coleta de dados de campo. Este aplicativo é recomendado para edição e visualização de shapefiles, pois oferece suporte para gravação e leitura de vários usuários aos shapefiles. O fornecedor oferece um teste gratuito de 30 dias.

Com o Simple GIS Client, as empresas de planejamento urbano têm um software poderoso que funciona em máquinas Windows, mas ainda é leve o suficiente para funcionar em laptops e tablets com Windows para uso em campo. Isso permite que os usuários tenham mobilidade enquanto trabalham com o cliente de desktop.

Mapa Bentley: Este é um mapeamento de área de trabalho 2D e 3D e software GIS. Você pode criar, manter, compartilhar e analisar seus dados comerciais, de engenharia e geoespaciais em um ambiente MicroStation. Oferece uma interface de programa de aplicativo (API) flexível, mas forte, para ajudá-lo a criar aplicativos GIS personalizados. Use o aplicativo móvel para aumentar a produtividade de sua equipe de campo.

Com o Bentley Map, os planejadores urbanos podem acessar vários bancos de dados espaciais online enquanto trabalham. Esse recurso permite que as organizações armazenem e gerenciem uma grande quantidade de dados espaciais. Além disso, o aplicativo se conecta ao Oracle Spatial para permitir que os usuários modifiquem em 2D e 3D diretamente. Dessa forma, os dados rasterizados e vetorizados são enviados diretamente para um repositório central e, em seguida, disponibilizados a partir do desktop para facilidade de operações e produtividade aprimorada.

Maptitude: Um produto de software de mapeamento da Caliper Corporation que permite visualizar, integrar e editar mapas. É um pacote fácil de usar que ajuda você a aproveitar os benefícios da análise espacial e do mapeamento da área de trabalho. Maptitude informa onde seus consumidores estão e descubra onde as vendas são máximas. Além disso, você pode descobrir oportunidades ocultas e obter respostas para questões geográficas que afetam suas operações.

Maptitude é um software de mapeamento GIS que ajuda os desenvolvedores urbanos a descobrir locais privilegiados para suas pesquisas com base no tráfego de pedestres, padrões de zoneamento de pesquisa, valor de propriedade, amenidades circundantes, análise demográfica e muito mais. Com esse recurso, você é capaz de identificar locais onde sua empresa pode prosperar e fornecer serviços de alta qualidade para seu público-alvo.

MapViewer: Este é um software de mapeamento GIS que oferece ferramentas poderosas que ajudam os planejadores urbanos a criar mapas temáticos de nível profissional e permite que os usuários tenham controle total sobre seus dados espaciais. Os recursos de mapeamento, juntamente com a exibição de mapa flexível, análises avançadas e comunicação instantânea tornam o software uma proposta atraente para profissionais de negócios, analistas de GIS e indivíduos que trabalham com dados distribuídos espacialmente.

Vários tipos de mapas são suportados pelo software, incluindo base, pino, coropleto, contorno, densidade, símbolo, território, vetor, gráfico de linha, gradiente, fluxo, barra, torta, prisma, multi-gráfico e cartograma.
As ferramentas de geoprocessamento do software permitem tomar decisões mais informadas e destacar áreas de interesse, o que ajuda a restringir os dados para análises posteriores.

MapViewer garante acesso imediato a mapas e dados online e é nativamente compatível com vários formatos de arquivo, incluindo DXF, SHP e XLSX. Também torna mais fácil compartilhar informações e colaborar de forma mais eficaz. Os fluxos de trabalho simplificados reduzem o tempo que leva para ir dos dados brutos aos mapas reais e ajudam a alcançar os resultados desejados em minutos.

Todos os principais recursos do software GIS listados acima

Ferramentas de roteamento: Permitem projetar paradas precisas e gerenciar, comparar e manipular rotas.
Ferramentas de território: Os planejadores urbanos precisam de ferramentas de criação de territórios que ajudem a lidar com tabelas de dados e a representar e manipular visualmente as áreas de serviço.
Relatórios: Os principais aplicativos de software GIS permitem que você crie de forma intuitiva e rápida relatórios de alta qualidade em formatos de arquivo PDF e MS Excel.

Interoperabilidade: Plataformas de GIS de qualidade suportam os padrões de dados mais recentes e uma variedade de formatos de arquivo, incluindo aqueles para MS Excel, MS MapPoint e Google Maps.
Dados: Além disso, eles fornecem novos conjuntos de dados para diferentes países com acesso às informações geográficas disponíveis mais recentes.

Logística e Operações: Um recurso de distância e tempo de viagem que cria uma tabela do Excel que mostra os custos de viagem entre qualquer número de locais. Você pode descobrir rapidamente os locais mais próximos e de backup classificados por distância ou tempo de viagem.
Análise de localização: Esta técnica é usada para identificar locais ideais para novos pontos de venda.

Benefícios Benefícios de Sistemas de Informação Geográfica (GIS)

  • A tomada de decisão é aprimorada porque você obtém informações detalhadas e específicas sobre os locais.
  • Você pode aumentar a eficiência e reduzir despesas, especialmente em relação a horários de programação, movimentos da frota e cronogramas de manutenção.
  • O formato visual é fácil de entender, o que ajuda a melhorar a comunicação entre os departamentos ou organizações envolvidos.
  • O software GIS permite a manutenção de registros sem esforço, pois registra facilmente as mudanças geográficas.
  • Auxilia na gestão geográfica, pois você pode saber o que está acontecendo em uma localização e espaço geográfico, e utilizá-lo para planejar ações.
  • As soluções de software Cloud GIS facilitam a colaboração instantânea.
  • Oferece maior transparência para o engajamento dos cidadãos.
  • Permite a identificação de populações carentes e em risco em uma comunidade.
  • Auxilia no planejamento e alocação de recursos.
  • Melhora a gestão dos recursos naturais.
  • Melhora a comunicação durante uma crise.
  • Por último, o software GIS pode ser usado para planejar o impacto das mudanças demográficas em uma comunidade.

Em uma pesquisa recente realizada pelo GIS Professional, lança luz sobre os problemas enfrentados pelos usuários do software GIS. Na pesquisa, 32% identificaram a precisão dos dados e 31% apontaram o gerenciamento eficiente de dados como os principais desafios.

Além disso, 12% nomearam o código aberto e os dados abertos como uma tendência e um desafio. 8% consideram a privacidade do local uma questão a ser cautelosa. A disponibilidade de dados e software de código aberto está criando novos usuários que entendem as vantagens do GIS, mas não têm o conhecimento para usar o sistema adequadamente.


Os mapas digitais estão fornecendo aos estudiosos a configuração histórica da terra

Poucas batalhas na história foram mais examinadas do que os três dias ensanguentados de Gettysburg em julho de 1863, o ponto de virada na Guerra Civil. Ainda assim, havia perguntas que todos os diários, relatórios oficiais e correspondência não conseguiam responder com precisão. O que, por exemplo, o general Robert E. Lee poderia realmente ver quando emitiu uma série de ordens fatídicas que viraram a maré contra o Exército Confederado há quase 150 anos?

Agora, os historiadores têm uma nova ferramenta que pode ajudar. Tecnologia avançada semelhante ao Google Earth, MapQuest e os sistemas GPS usados ​​em milhões de carros tornou possível recriar uma paisagem desaparecida. Esta nova geração de mapas digitais deu origem a um campo acadêmico conhecido como humanidades espaciais. Historiadores, teóricos literários, arqueólogos e outros estão usando Sistemas de Informação Geográfica - software que exibe e analisa informações relacionadas a um local físico - para reexaminar lugares reais e fictícios como as aldeias ao redor de Salem, Massachusetts, na época dos julgamentos de bruxas a região de Dust Bowl devastada durante a Grande Depressão e as tabernas Eastcheap onde Falstaff de Shakespeare e o Príncipe Hal se divertiam.

Como a tripulação da nave Enterprise, os humanistas estão explorando uma nova fronteira do universo acadêmico: o espaço.

“O mapeamento de informações espaciais revela parte da história humana que, de outra forma, não poderíamos saber”, disse Anne Kelly Knowles, geógrafa do Middlebury College em Vermont. “Ele permite que você veja padrões e informações que são literalmente invisíveis.” Ele adiciona camadas de informações a um mapa que podem ser adicionadas ou retiradas à vontade em várias combinações. O mesmo local também pode ser visualizado para frente e para trás ao longo do tempo com um clique do mouse.

Imagem

Hoje, os visitantes de Gettysburg podem subir até a cúpula do seminário luterano, onde Lee se posicionou em 2 de julho, o segundo dia de luta, ou ficar em Seminary Ridge, onde no dia seguinte Lee assistiu por trás das linhas confederadas enquanto milhares de seus homens avançavam através das fazendas abertas para a morte no notório Pickett's Charge. Mas eles não verão o que o general viu porque os anos que se passaram alteraram a topografia. Ao longo das décadas, uma pedreira, um reservatório, diferentes plantas e árvores foram adicionadas e as elevações mudaram como resultado da aragem mecânica e da erosão.

Os Sistemas de Informação Geográfica, conhecidos como GIS, permitiram que a Sra. Knowles e seus colegas recriassem uma versão digital do campo de batalha original de Gettysburg a partir de mapas históricos, descrições documentadas de posições de tropas e cenários e representações de estradas históricas, cercas, edifícios e vegetação. “A única maneira que eu sabia como responder à pergunta” sobre o que Lee viu, disse a Sra. Knowles, “era recriar o terreno digitalmente usando GIS e depois perguntar ao programa GIS: o que você pode ver de uma determinada posição no digital paisagem, e o que você não pode ver? ”

Ela disse que seu trabalho ajuda a "tornar o dilema de Lee mais vívido e pessoal". Os líderes militares do século XIX confiavam principalmente em seus próprios olhos, e pequenas diferenças de altitude eram estrategicamente importantes. “Lee provavelmente não poderia ter visto as enormes forças federais se acumulando no lado leste do campo de batalha no dia 2 durante o famoso ataque a Little Round Top”, disse a Sra. Knowles. “Ele teve que tomar decisões com informações realmente inadequadas.”

O mesmo fez o tenente-general James Longstreet, que foi vilipendiado na Confederação em parte por causa de sua decisão em 2 de julho de levar suas tropas em uma longa contra-marcha para evitar a detecção em vez de atacar o Little Round Top diretamente. A marcha “fez de Longstreet a cabra de Gettysburg”, disse Knowles. Mas não havia como Longstreet perceber que a Little Round Top estava sem defesa na época. “A análise diz que Longstreet tomou a melhor decisão que pôde”, acrescentou Knowles, que atualmente está trabalhando em um mapa digital das conquistas territoriais e campos de trabalho forçado dos nazistas na Europa.

Novos métodos de análise geográfica assistida por computador também podem oferecer novas interpretações de tópicos familiares. Geoff Cunfer, historiador da Universidade de Saskatchewan, revisitou as causas do Dust Bowl dos anos 1930, analisando dados de todos os 208 condados do Texas, Novo México, Colorado, Oklahoma e Kansas que foram afetados, um empreendimento impossível sem este sistema. Ele descobriu que a explicação tradicional de que os agricultores aram extensivamente a terra sem se preocupar com os limites ambientais era verdadeira apenas em alguns lugares. Os condados do sul mal lavrados também sofreram com a praga da poeira. Usando relatórios de precipitação anual, pastagens não aradas, direção do vento, secas, censos agrícolas, estudos históricos e relatórios anteriores sobre tempestades de areia - "uma caixa de sapatos bagunçada cheia de recortes de jornais" - Cunfer criou conjuntos de dados que podem ser plotados em mapas.

Ele descobriu que tempestades de poeira ocorriam regularmente no século 19 e eram uma parte natural da ecologia das planícies antes que qualquer aragem ocorresse, mas não eram "relatadas e divulgadas", disse ele.

Ferramentas de mapeamento avançadas, desde 1960, foram inicialmente usadas principalmente para análise ambiental e planejamento urbano. No final dos anos 1980 e 1990, os sistemas de informações históricas geográficas permitiram que os estudiosos pegassem informações do censo e outros dados quantificáveis ​​e registrassem as mudanças em um local ao longo do tempo. No final da década de 1990, redes e organizações profissionais começaram a se formar, mas esse tipo de cartografia permaneceu à margem.

Esse sistema insiste na precisão, explicou David Bodenhamer, historiador da Universidade de Indiana que está editando uma série de livros sobre humanidades espaciais. Cada bit de dados é representado por um ponto, um polígono fechado ou um pixel em um mapa. Os críticos reclamaram que essa exatidão não permitia pontos de vista múltiplos.

Em meados dos anos 2000, os desenvolvimentos tecnológicos permitiram aos estudiosos romper com o formato de mapa estrito e adicionar fotografias e textos para criar o que Bodenhamer chama de “mapas profundos”, que podem capturar mais de uma perspectiva.

Em 2005, o Sr. Bodenhamer, em colaboração com colegas da Florida State University e da West Virginia University, ajudou a criar o Polis Center em Indianápolis, que se autodenomina o primeiro centro virtual de humanidades espaciais. Um de seus primeiros projetos foi financiado pelo National Endowment for the Humanities: um atlas digital detalhado da religião na América do Norte que dividia as denominações por condado. Os Sistemas de Informações Geográficas tornam possível analisar padrões complexos e mutáveis ​​de preferências políticas, afiliação religiosa, migração e influência cultural de novas maneiras, vinculando-os à geografia, disse Bodenhamer.

Benjamin Ray, diretor do Salem Witch Trials Documentary Archive da Universidade da Virgínia, disse que visualizar dados ajuda a analisá-los. “O olho é um bom classificador de padrões”, disse ele. O Sr. Ray se perguntou por que as acusações de bruxaria se espalharam tão rápida e amplamente em 1692 de Salem para 25 comunidades, enquanto os incidentes anteriores permaneceram pequenos e localizados. Quando ele traçou as acusações em um mapa digital que mostrava uma progressão ao longo do tempo, ele percebeu imediatamente: “Parecia uma espécie de epidemia, quase uma doença”.

Isso o fez examinar o que as autoridades de Salem fizeram de forma diferente desta vez, que não conseguiu conter a histeria. Ele descobriu que os juízes quebraram suas próprias regras ao permitir que as pessoas fizessem acusações sem postar um título monetário, permitindo que os acusadores fossem entrevistados em grupos e permitindo "evidências espectrais" - evidências visíveis apenas para o acusador - como suficientes para uma condenação. Depois de adicionar a afiliação à igreja ao mapa, ele viu que também havia uma correlação entre a membresia da igreja e os acusadores, o que refletia uma brecha na aldeia quanto ao apoio ao ministro.

Bodenhamer disse que as humanidades se tornaram muito abstratas e negligenciaram o espaço físico. O valor do que os estudiosos estão chamando de “virada espacial”, acrescentou ele, é que “permite que você faça novas perguntas: por que algo se desenvolveu aqui e não em outro lugar, o que há no contexto deste lugar?”


Referências

Akyürek B, Duru M, Sütçü Y, Papak I, Şaroglu F, Pehlivan N, Gönenç O, Granit S, Yaşar T (1997) 1: 100.000 ölçekli açýnsama nitelikli Türkiye Jeoloji Haritaları No: 55, Ankara-F15 Paftasik T Genel Müdürlügü Jeoloji Etütleri Dairesi, Ancara

Baxter JW, Eyles JD, Elliot SJ (1999) Dos princípios da localização às práticas de localização: um estudo de caso de discórdia entre confiança, equidade e participação da comunidade. J Environ Plann Manage 42 (4): 501-525

Eastman JR (1993) IDRISI: um sistema de análise geográfica baseado em grade, versão 4.1. Escola de Graduação em Geografia, Clark University, Worcester

Erkut E, Moran SR (1991) Localizando instalações desagradáveis ​​no setor público: uma aplicação do processo de hierarquia às decisões de localização de aterros municipais. Socioecon Plann Sci 25 (2): 89–102

Janssen R (1992) Suporte à decisão multiobjetivo para a gestão ambiental. Kluwer, Dordrecht, 232 p

Kao JJ, Lin H (1996) Multifactor espacial analysis for landfill siting. J Environ Eng 122 (10): 902–908

Lober DJ (1995) Resolvendo o impasse da localização: modelagem de critérios de localização socioambientais com um sistema de informações geográficas. J Am Plann Assoc 61 (4): 482-495

Malczewski J (1997) Propagação de erros na análise de localização multicritério: um estudo de caso. In: Fandel G, Gal T (eds) Tomada de decisão com múltiplos critérios. Springer, Berlin Heidelberg New York, pp 154-155

Malczewski J (1999) GIS e análise de decisão multicritério. John Wiley and Sons Inc., 392p

Ger B (2004) Seleção de local de aterro usando sistemas de informação geográfica. Tese de M.Sc, METU, 114 p. http://www.rsgis.metu.edu.tr

Saaty TL (1980) O processo de hierarquia analítica. McGraw Hill, Nova York

Siddiqui MZ, Everett JW, Vieux BE (1996) Localização de aterro usando sistemas de informação geográfica: uma demonstração. J Environ Eng 122 (6): 515-523

Süzen ML, Doyuran V (2004) Avaliação bivariada de susceptibilidade a deslizamentos de terra usando sistemas de informação geográfica: um método e aplicação para Asarsuyu Catchment, Turquia. Eng Geol 71 (3-4): 303-321

Tchobanoglous G, Kreith F (2002) Manual de gestão de resíduos sólidos. McGraw Hill, Nova York


Uso

  • Quando os recursos de entrada são polígonos, os recursos de clipe também devem ser polígonos.
  • Quando os recursos de entrada são linhas, os recursos de clipe podem ser linhas ou polígonos. Ao recortar recursos de linha com recursos de linha, apenas as linhas coincidentes ou segmentos de linha são gravados na saída, conforme mostrado no gráfico abaixo.
  • Quando os recursos de entrada são pontos, os recursos de clipe podem ser pontos, linhas ou polígonos. Ao cortar recursos de ponto com recursos de ponto, apenas os pontos coincidentes são gravados na saída, conforme mostrado no gráfico abaixo. Ao cortar recursos de ponto com recursos de linha, apenas os pontos que coincidem com os recursos de linha são gravados na saída.

A classe de recurso de saída conterá todos os atributos dos recursos de entrada.

Esta ferramenta usará um processo de agrupamento para lidar com conjuntos de dados muito grandes para melhor desempenho e escalabilidade. Para obter mais detalhes, consulte Geoprocessamento com grandes conjuntos de dados.

Recursos de linha cortados por recursos de polígono:

Recursos de ponto recortados por recursos de polígono:

Recursos de linha cortados com recursos de linha:

Recursos pontuais cortados com recursos pontuais:

Os valores de atributos das classes de recursos de entrada serão copiados para a classe de recursos de saída. No entanto, se a entrada for uma camada ou camadas criadas pela ferramenta Criar camada de recurso e a Política de proporção de uso de um campo estiver marcada, uma proporção do valor do atributo de entrada é calculada para o valor do atributo de saída. Quando a Política de Proporção de Uso está ativada, sempre que um recurso em uma operação de sobreposição é dividido, os atributos dos recursos resultantes são uma proporção do valor do atributo do recurso de entrada. O valor de saída é baseado na proporção em que a geometria do recurso de entrada foi dividida. Por exemplo, se a geometria de entrada foi dividida igualmente, cada novo valor de atributo do recurso é atribuído à metade do valor do valor do atributo do recurso de entrada. A política de proporção de uso se aplica apenas a tipos de campo numérico.

Cuidado:

As ferramentas de geoprocessamento não respeitam as políticas de classe de recurso de geodatabase ou de divisão de campo da tabela.


Usando o nome da classe de recurso para preencher o novo campo - Sistemas de informações geográficas

Você solicitou uma tradução automática de um conteúdo selecionado de nossos bancos de dados. Esta funcionalidade é fornecida exclusivamente para sua conveniência e não tem a intenção de substituir a tradução humana. Nem a SPIE, nem os proprietários e editores do conteúdo fazem, e se isentam explicitamente, de quaisquer representações ou garantias expressas ou implícitas de qualquer tipo, incluindo, sem limitação, representações e garantias quanto à funcionalidade do recurso de tradução ou à precisão ou integridade de as traduções.

As traduções não são retidas em nosso sistema. O uso deste recurso e as traduções estão sujeitos a todas as restrições de uso contidas nos Termos e Condições de Uso do site da SPIE.

Advanced Feature Extraction In Remote Sensing Using Artificial Intelligence And Geographic Information Systems

John E Estes, 1 Mark A Friedl, 1 Jeffrey L Star 1

1 University of California (United States)

ASSINAR A BIBLIOTECA DIGITAL

50 downloads por assinatura de 1 ano

25 downloads por assinatura de 1 ano

Inclui PDF, HTML e Vídeo, quando disponível

Traditional computer assisted image analysis techniques in remote sensing lag well behind human abilities in terms of both speed and accuracy. A fundamental limitation of computer assisted techniques is their inability to assimilate a variety of different data types leading to an interpretation in a manner similar to human image interpretation. Expert systems and computer vision techniques are proposed as a potential solution to these limitations. Some aspects of human expertise in image analysis may be codified into expert systems. Image understanding and symbolic reasoning provide a means of assimilating spatial information and spatial reasoning into the analysis procedure. Knowledge-based image analysis systems incorporate many of these concepts and have been implemented for some well defined problem domains. Geographic information systems represent an excellent environment for this type of analysis by providing both analytic tools and contextual information to the analysis procedure.

© (1988) COPYRIGHT Society of Photo-Optical Instrumentation Engineers (SPIE). O download do resumo é permitido apenas para uso pessoal.


Meta-analyses of the integrated platform

In the preceding sections, we briefly reported on users’ requests, and on potential features, to be implemented in the future MIRRI Information System. In this section we highlight some of the technological and graphical options for certain features of the user interface.

Harmonization of field content in database

If one needs to search various databases in a network, the search-field content has to be controlled both semantically and syntactically. During the first World Data Centre for Microorganisms (WDCMs) seminar held at Beijing, China, in May 2011, evidence for differences in the description of strain properties in collection data fields were demonstrated. For example, data on one strain of Aspergillus brasiliensis (Varga et al. 2007) were extracted from four catalogues with the following related strain numbers: ATCC 9642, CBS 246.65, DSM 63263 and VKM F-1119. A total of 24 data fields for the given strain from each collection were then paired and compared: only two fields in two collections were syntactically identical, i.e., aside from the same content, they also had the same format. There was in fact no significant differences in the reported strain properties in the four catalogues, aside from the syntax in the terms used to describe them. This example shows that a mere problem of field values could potentially render common searches of various databases difficult and incoherent. Hence, the need for harmonization of the type and description of data in a network of databases is evident.

According to the Taxonomic Databases Working Group (TDWG) roadmap and the experience of the Global Biodiversity Information Facility (GBIF) (WFCC 2010 Technical_Architecture_Group 2008), and BioMedBridges (BioMedBridges WP3: ESFRI BMS Standards Description and Harmonization, http://www.biomedbridges.eu/workpackages/wp3), the crucial components for the interoperability of databases are: “community supported vocabularies” “ontologies expressing shared semantics of data” “common exchange protocols”, and “persistent identifiers”.

“Vocabularies” refers to information data standards with detailed specifications of content in data fields (controlled vocabularies), in a specified vocabulary format. On the basis of these standards, identical information for a given concept can be inserted in all involved documents. In our case, in all catalogues of the CC partners. “Community supported” refers to the actual support in adopting and maintaining the tool, i.e., the vocabulary, over time. The starting point for the definition of a community-supported vocabulary may be the creation of a list of popular fields and related content in the catalogues of community members. To determine the most used fields, online catalogues of the WDCM/CCINFO collections were compared. In addition, MIRRI partners provided the fields they included in their catalogues. The subsequent elaboration of a list of those fields commonly used by CCs has paved the way to the establishment of a shared list, and to its adoption by the community. This list may be termed “Recommended Datasets” or “Practical Datasets” (PDS), to avoid confusion with previous CABRI definitions.

“Ontologies” allow for the semantics of both textual and factual information to be encoded and expressed, which is however often implicit and therefore unusable by a software tool. An ontology is a well-defined description of all concepts inherent in a given knowledge domain and of the relationships among them. The most informative ontologies include all instances of concepts, i.e., all values that can be validly associated with a concept. These instances can also be expressed by using vocabularies. In bioinformatics, ontologies have many applications, the most important being data validation and data integration. With respect to data validation, software can be developed to allow the checking of values assigned to information described in the ontology. A simple example is the automatic validation of species names on the basis of a special ontology for microbial names. This could be straightforward, e.g., comparing values listed in a catalogue with the list of valid names in a vocabulary. It could also be further articulated, e.g., when assessing the validity of single components of a scientific name [genus, species, approbation, author(s), year] per se, and in conjunction with the other components of the name.

Regarding data integration, the assignment of a given ontological concept to a piece of information, for example in a database, allows semantically correct connections between heterogeneous databases to be established. One possible example relates to the Gene Ontology (GO http://geneontology.org/), a widely adopted ontology of gene products. It is possible to “annotate” the description of a strain, i.e., to add GO terms that best fit its properties, to establish a potential connection with all databases that use GO. The shared adoption and use of ontologies is therefore an essential prerequisite for data validation and integration in modern Information Systems. Although some data, such as dates, do not strictly need an ontological description, it is important that all specific information have one.

For strain-associated data, special ontologies including all related concepts and their relationships are required, along with lists of instances (vocabularies) that take into account the variety of CC data for each piece of information. An ontology of fungal names, introduced in April 2013 for use in BioloMICS (https://www.bio-aware.com/), covers many online-catalogue data fields. However, updating strain information to a “new taxonomy”, i.e., to current names, is not straightforward. A study carried out by MIRRI partners on a catalogue list of strains belonging to a species demonstrated that it was rare that a name change applies to all strains of this species. For this reason, the least requirement would be a reference to the publication citing the new taxonomy before a name change could be considered. The changes could eventually be implemented, but only after further work, e.g., such as sequencing being carried out when a species is split on this basis.

In Environmental Ontology, community ontology for the concise, controlled description of environments (EnvO), types of soil were compared with soil classifications and almost all the recognized types were absent from the Metagenome and Microbes Environmental Ontology (MEO) (http://bioportal.bioontology.org/ontologies/MEO?p=classes&conceptid=root). In order to verify if this mal-adoption of existing ontologies in the representation of data in CC catalogues applies to other information, MIRRI partners were asked to provide lists of unique values for each field in their catalogues. These values could then be compared to the content of related domain ontologies. The obvious need for ontologies in database networking suggests that where no ontology is available, an appropriate one should be created. This would need to be a joint effort between microbiologists and IT specialists. To this end, a careful evaluation of existing ontologies in biological, agricultural, and biomedical research is needed. This is especially relevant given that the MIRRI Information System should be made interoperable with many other systems that are not strictly linked to microbiology, but that are nonetheless relevant for microbial resources, such as databases of sequences, proteins, enzymes, and chemical compounds. In this context, the Open Biological and Biomedical Ontologies Foundry (OBO http://obofoundry.org/), the National Center for Biomedical Ontology (NCBO http://www.bioontology.org/), and the associated BioPortal (http://bioportal.bioontology.org/), which is self-defined as “the world’s most comprehensive repository of biomedical ontologies”, are all of paramount importance. When searching through the BioPortal, various concepts and instances related to microbiology can be found. For instance, the concept of “strain” is present in 33 distinct ontologies. Three examples of the definitions referring to the microbiological concept of a strain are listed in Table 2.

CCs can clearly benefit from current definitions to improve their Information Systems for better interoperability and, moreover, the community of CC researchers can offer important and relevant contributions to other interested parties by providing a proper and extended ontology for microbiological concepts.

Navigation in the information space of microbiology, bioinformatics, biotechnology, agriculture, medicine

The main goal of the user interface of an Information System is, evidently, to provide the users with: (1) facilitated access to the available information about the strains of interest in CCs, and (2) convenient and efficient tools to browse through, and to extract and/or compare, the associated data. In addition, the system should provide a unique interface for the supply of strains and genetic material held either in one collection, or in a number of different collections. The objective would be to make research easier and more efficient via a unique access point, a “One-stop shop”.

To date, no structure has been created which fulfils these functions. However, there is one example of a web server, the Global Catalogue of Microorganisms (GCMs) of WDCM, from which a large number of details, such as strain name, strain number, and strains per referenced CC, can be accessed (Fig. 3). Although the GCM and its efficient search portal is an important accomplishment, a number of its features do not cater for the CC users’ needs. The data of each CC needs to be manually transferred to the GCM by the CCs themselves, resulting in a number of out-of-date catalogues. Although advanced, searches are not completely versatile requests combining more than two fields are not available in the GCM. Nevertheless, the GCM catalogue and its search tools remain the most thorough Information System for microbiological services. This example demonstrates that the key response would be to harmonize the fields in the database network as described above.

The “Advanced search” interface of WDCM with the request Isolation Source. The result of the request for Isolation Source for the entire content of the GCM (http://gcm.wfcc.info/strains.jsp) 02/02/2015

An overview of the main tasks involved in the construction of the MIRRI-IS with a temporal perspective is given in Fig. 4.

Schematic representation of the main tasks of the construction of the MIRRI-IS. For simplicity’s sake, the hypothesis of an inter-operable interface linking all individual CC databases was chosen (see Proposed solutions for increased interoperability between the existing databases section)


Study 2

In Study 2, we explored the links between self-selection to a STEM field—Geographic Information Systems (GIS)—and improvement in navigation skills after extended exposure to domain knowledge from that field. GIS involves the use of an integrated toolbox of hardware and software systems and processes designed to allow an individual to store, retrieve, visualize and transform spatial data. Over the last three decades, GIS applications have extended beyond the field of geography and into various educational domains (Madsen & Rump, 2012) with the ultimate goal to enhance our ability to address planning and management problems (National Research Council, 2006). Not unlike the field of geology, GIS entails large-scale spatial reasoning and transformations, albeit through a different medium of learning. Where geology expertise often relies on fieldwork in the real world, GIS training focuses on a technology-assisted ability to store, visualize and manipulate digitized spatial information. So, does a suite of spatial visualization and analyses software at a figural scale demand high large-scale spatial thinking and does domain-specific knowledge in this GEO field translate into better spatial skills, specifically navigation skills?

Lee and Bednarz (2009) found that students enrolled in a GIS course outperformed a control group on a spatial test. In addition, GIS participants showed significant improvement in spatial thinking during the semester. However, the questions on the spatial test created to measure spatial thinking skill were closely related to the GIS course work and as such may not have been reflective of domain-general large-scale and small-scale spatial skills. Similarly, Hall-Wallace and McAuliffe (2002) found a significant positive correlation between small-scale spatial skills—measured by the surface development and cubes comparison tasks—and GIS learning. Although limited, there is a growing body of research investigating the relation between spatial thinking skills and GIS learning (e.g., Albert & Golledge, 1999 Baker & Bednarz, 2003 Britz & Webb, 2016 Kim & Bednarz, 2013). However, research so far has been limited to small-scale spatial thinking and to spatial tests closely related to the GIS curriculum.

In Study 2, we compared large-scale and small-scale spatial skills of novice GIS students with students enrolled in a nonspatial communications (COM) course at the start (T1) and end (T2) of an academic semester. As in Study 1, participants in Study 2 completed a virtual navigation paradigm in addition to mental rotation and spatial working memory tasks. Spatial and nonspatial skill at T1 was used as a baseline to examine improvement over the course of a semester. We hypothesized that: GIS students will have significantly better spatial skills at T1 as compared to COM students GIS students will show greater improvement in spatial skills, specifically in navigation skills, from T1 to T2 compared to COM students and mental rotation and spatial working memory may mediate the relation between academic course and spatial skills improvement.


Sistemas de Informação Geográfica

Data collection is an integral part of Geographic Information Systems (GIS). The GIS Lab has a suite of field mapping equipment capable of collecting data at a wide range of accuracies. The equipment is available for loan within the USM Community. Contact the lab for specific details or to make borrowing arrangements.

Garmin GPS units (6): The Garmin GPS units are termed recreation-grade because they can collect points with an accuracy of about 5 meters. These are used for GPS demonstrations, geocaching, and data collection where high accuracy is not required. These units are available to anyone who has attended a brief training with the GIS Lab Manager.

GPS-enabled PDAs running field GIS software (6): These are the newest addition to the Lab's resources. They are a streamlined alternative to traditional data collection. They are used in the Digital Mapping Class as well as by guest lectures in non-GIS courses. These units are available to anyone who has attended a brief training with the GIS Lab Manager.

Trimble GeoXTs (6): The GeoXTs are termed mapping-grade because they can collect data with an accuracy better than 1 meter with post-processing. These units are often borrowed for field projects and available to anyone who has taken a GIS Course.

SpectraPrecision Total Stations (3): These high precision instruments can accurately measure locations to within centimeters. They are heavily used by the Digital Mapping Class. These units are available to anyone who has taken a GIS Course. In addition, a member of the Lab Staff will accompany the equipment into the field.

Real Time Kinematic (RTK) GPS (3): The RTK units are termed survey-grade because they can measure locations with an accuracy of centimeters with no postprocessing required. They too are used by the Digital Mapping Class. These units are available to anyone who has taken a GIS Course. In addition, a member of the Lab Staff will accompany the equipment into the field.