Suite

Utilisation du nom de la classe d'entités pour remplir un nouveau champ

Utilisation du nom de la classe d'entités pour remplir un nouveau champ


J'essaie d'obtenir le nom de la classe d'entités (à partir de l'itération des classes d'entités) dans un nouveau champ. J'ai suivi les modèles décrits dans les deux fils suivants.

Utilisation de la valeur de l'itération de la sélection d'entités pour calculer le champ dans ArcMap 10.1 ModelBuilder

et

celui-ci

Cependant, chaque fois que j'exécute le modèle, j'obtiens le message d'erreur suivant

ERREUR 000539 : Erreur lors de l'exécution de l'expression : CF0140r01 Traceback (appel le plus récent en dernier) : Fichier "", ligne 1, dans NameError : le nom 'CF0140r01' n'est pas défini Échec de l'exécution (Calculer le champ)

Je l'ai essayé en utilisant Parse Path en utilisant %Value% dans le champ d'expression (voici mon modèle) (http://i.imgur.com/aOFgCgJ.jpg">

et le champ Calculer

J'ai essayé de simplifier ce modèle (je ne sais même pas pourquoi j'ai besoin de l'outil Classe d'entités en classe d'entités, je l'ai juste là car un fil précédent que j'utilisais pour le construire contenait cela). Voici le modèle mis à jour et simplifié, avec le message d'erreur que je reçois. Pour info : l'expression dans l'outil Calculer le champ est %Name%


Le summum de la bêtise.

Tout ce qui me manquait (de toutes les manières dont je l'ai approché) était les "GITRES" autour de l'expression.

c'est à dire. Expression = "%Value%" si vous utilisez le chemin d'analyse, ou "%Name%" si vous n'utilisez pas le chemin d'analyse


J'imagine que le problème vient du fait que vous avez nommé la sortie de l'outil FeatureClass en FeatureClass en utilisant la syntaxe de substitution en ligne, ce qui n'a aucun sens. Renommez-le en quelque chose comme "sortie" (n'incluez pas les guillemets !). Ensuite, votre expression d'outil de calcul de champ reste en tant que %Name% qui est la substitution en ligne provenant de la variable Name qui est l'une des sorties de l'itérateur.


GEOinSIGHT


Géographie physique

La géographie physique (ou physiogéographie) se concentre sur la géographie en tant que science de la Terre. Il vise à comprendre la lithosphère physique, l'hydrosphère, l'atmosphère, la pédosphère et les modèles mondiaux de la flore et de la faune (biosphère). La géographie physique peut être divisée en les grandes catégories suivantes :

  • Biogéographie Climatologie & paléoclimatologie Géographie côtière Env. géog. &gestion des amplis
  • Géodésie Géomorphologie Glaciologie Hydrologie & Hydrographie

Géographie humaine


La géographie humaine est une branche de la géographie qui se concentre sur l'étude des modèles et des processus qui façonnent l'interaction humaine avec divers environnements. Elle englobe les aspects humains, politiques, culturels, sociaux et économiques. Alors que l'objectif principal de la géographie humaine n'est pas le paysage physique de la Terre (voir géographie physique), il est difficilement possible de discuter de géographie humaine sans se référer au paysage physique sur lequel les activités humaines se déroulent, et la géographie environnementale apparaît comme un lien entre les deux. La géographie humaine peut être divisée en plusieurs grandes catégories, telles que :

  • Géographie culturelle Géographie du développement Géographie économique Géographie de la santé
  • Historique & Temps geog. Géopolitique. & Géopolitique Pop. géog. ou Démographie Religion géographie
  • Géographie sociale Géographie des transports Géographie du tourisme Géographie urbaine

Diverses approches de l'étude de la géographie humaine ont également surgi au fil du temps et comprennent:

  • * Géographie comportementale
  • * Géographie féministe
  • * Théorie culturelle
  • * Géosophie

Géographie environnementale

La géographie environnementale est la branche de la géographie qui décrit les aspects spatiaux des interactions entre les humains et le monde naturel. Cela nécessite une compréhension des aspects traditionnels de la géographie physique et humaine, ainsi que des façons dont les sociétés humaines conceptualisent l'environnement.

La géographie environnementale a émergé comme un pont entre la géographie humaine et physique en raison de la spécialisation croissante des deux sous-domaines. En outre, comme la relation humaine avec l'environnement a changé en raison de la mondialisation et du changement technologique, une nouvelle approche était nécessaire pour comprendre la relation changeante et dynamique. Des exemples de domaines de recherche en géographie environnementale comprennent la gestion des urgences, la gestion de l'environnement, la durabilité et l'écologie politique.

Géomatique
Modèle numérique d'élévation (MNE)

La géomatique est une branche de la géographie qui a émergé depuis la révolution quantitative de la géographie au milieu des années 1950. La géomatique implique l'utilisation de techniques spatiales traditionnelles utilisées en cartographie et en topographie et leur application aux ordinateurs. La géomatique est devenue un domaine très répandu avec de nombreuses autres disciplines utilisant des techniques telles que les SIG et la télédétection. La géomatique a également conduit à une revitalisation de certains départements de géographie, en particulier en Amérique du Nord, où le sujet avait un statut en déclin au cours des années 1950.

La géomatique englobe un vaste domaine de domaines impliqués dans l'analyse spatiale, tels que la cartographie, les systèmes d'information géographique (SIG), la télédétection et les systèmes de positionnement global (GPS).

Géographie régionale

La géographie régionale est une branche de la géographie qui étudie les régions de toutes tailles à travers la Terre. Il a un caractère descriptif dominant. L'objectif principal est de comprendre ou de définir l'unicité ou le caractère d'une région particulière qui se compose d'éléments naturels et humains. L'attention est également portée sur la régionalisation qui recouvre les techniques propres de délimitation de l'espace en régions.

La géographie régionale est également considérée comme une certaine approche pour étudier en sciences géographiques (similaire aux géographies quantitatives ou critiques, pour plus d'informations, voir Histoire de la géographie).

Domaines connexes

* Urbanisme, aménagement du territoire et aménagement du territoire : utiliser la science de la géographie pour aider à déterminer comment développer (ou ne pas développer) le territoire pour répondre à des critères particuliers, tels que la sécurité, la beauté, les opportunités économiques, la préservation du bâti ou de la nature patrimoine, etc. La planification des villes, des villes et des zones rurales peut être considérée comme une géographie appliquée.

* Science régionale : Dans les années 1950, le mouvement scientifique régional dirigé par Walter Isard est né, pour fournir une base plus quantitative et analytique aux questions géographiques, contrairement aux tendances descriptives des programmes de géographie traditionnels. La science régionale comprend l'ensemble des connaissances dans lesquelles la dimension spatiale joue un rôle fondamental, telles que l'économie régionale, la gestion des ressources, la théorie de la localisation, la planification urbaine et régionale, les transports et la communication, la géographie humaine, la répartition de la population, l'écologie du paysage et la qualité de l'environnement.

* Sciences interplanétaires : alors que la discipline de la géographie concerne normalement la Terre, le terme peut également être utilisé de manière informelle pour décrire l'étude d'autres mondes, tels que les planètes du système solaire et même au-delà. L'étude de systèmes plus grands que la terre elle-même fait généralement partie de l'astronomie ou de la cosmologie. L'étude d'autres planètes est généralement appelée science planétaire. Des termes alternatifs tels que Areology (l'étude de Mars) ont été proposés, mais ne sont pas largement utilisés.

Techniques géographiques

Les interrelations spatiales étant la clé de cette science synoptique, les cartes sont un outil clé. La cartographie classique a été rejointe par une approche plus moderne de l'analyse géographique, les systèmes d'information géographique (SIG) informatisés.

Dans leur étude, les géographes utilisent quatre approches interdépendantes :

* Systématique – Regroupe les connaissances géographiques en catégories pouvant être explorées à l'échelle mondiale.
* Régional – Examine les relations systématiques entre les catégories pour une région ou un emplacement spécifique sur la planète.
* Descriptif – Spécifie simplement les emplacements des entités et des populations.
* Analytique – Demande pourquoi nous trouvons des entités et des populations dans une zone géographique spécifique.

Cartographie

La cartographie étudie la représentation de la surface de la Terre avec des symboles abstraits (fabrication de cartes). Bien que d'autres sous-disciplines de la géographie s'appuient sur des cartes pour présenter leurs analyses, la fabrication des cartes est suffisamment abstraite pour être considérée séparément. La cartographie est passée d'un ensemble de techniques de dessin à une véritable science.

Les cartographes doivent apprendre la psychologie cognitive et l'ergonomie pour comprendre quels symboles véhiculent le plus efficacement des informations sur la Terre, et la psychologie comportementale pour inciter les lecteurs de leurs cartes à agir sur ces informations. Ils doivent apprendre la géodésie et les mathématiques assez avancées pour comprendre comment la forme de la Terre affecte la distorsion des symboles cartographiques projetés sur une surface plane pour la visualisation. On peut dire, sans trop de controverse, que la cartographie est la graine à partir de laquelle le domaine plus large de la géographie a grandi. La plupart des géographes citent une fascination de l'enfance pour les cartes comme signe précoce qu'ils se retrouveraient sur le terrain.

Systèmes d'information géographique

Les systèmes d'information géographique (SIG) traitent du stockage d'informations sur la Terre pour une récupération automatique par un ordinateur, d'une manière précise et appropriée à l'objectif de l'information. En plus de toutes les autres sous-disciplines de la géographie, les spécialistes des SIG doivent comprendre l'informatique et les systèmes de bases de données. Le SIG a révolutionné le domaine de la cartographie, presque toute la cartographie se fait maintenant à l'aide d'une forme de logiciel SIG. Le SIG fait également référence à la science consistant à utiliser un logiciel SIG et des techniques SIG pour représenter, analyser et prédire les relations spatiales. Dans ce contexte, GIS signifie Geographic Information Science.

Télédétection

La télédétection peut être définie comme l'art et la science d'obtenir des informations sur les caractéristiques de la Terre à partir de mesures effectuées à distance. Les données de télédétection se présentent sous de nombreuses formes telles que l'imagerie satellite, la photographie aérienne et les données obtenues à partir de capteurs portables. Les géographes utilisent de plus en plus les données de télédétection pour obtenir des informations sur la surface terrestre, l'océan et l'atmosphère de la Terre, car elles : a) fournissent des informations objectives à diverses échelles spatiales (locale à mondiale), b) fournissent une vue synoptique de la zone de l'intérêt, c) permet l'accès à des sites distants et/ou inaccessibles, d) fournit des informations spectrales en dehors de la partie visible du spectre électromagnétique, et e) facilite les études sur la façon dont les caractéristiques/zones changent au fil du temps. Les données de télédétection peuvent être analysées indépendamment ou en conjonction avec d'autres couches de données numériques (par exemple, dans un système d'information géographique).

Méthodes quantitatives géographiques
Géostatistique

La géostatistique traite de l'analyse de données quantitatives, en particulier l'application de la méthodologie statistique à l'exploration des phénomènes géographiques. La géostatistique est largement utilisée dans divers domaines, notamment : l'hydrologie, la géologie, l'exploration pétrolière, l'analyse météorologique, l'urbanisme, la logistique et l'épidémiologie. La base mathématique de la géostatistique découle de l'analyse par grappes, de l'analyse discriminante linéaire et des tests statistiques non paramétriques, ainsi que d'une variété d'autres sujets. Les applications de la géostatistique reposent fortement sur les systèmes d'information géographique, en particulier pour l'interpolation (estimation) des points non mesurés. Les géographes apportent des contributions notables à la méthode des techniques quantitatives.

Méthodes qualitatives géographiques
Ethnographie

Les méthodes qualitatives géographiques, ou techniques de recherche ethnographique, sont utilisées par les géographes humains. En géographie culturelle, il existe une tradition d'employer des techniques de recherche qualitative également utilisées en anthropologie et en sociologie. L'observation participante et les entretiens approfondis fournissent aux géographes humains des données qualitatives.


Certains types de systèmes d'information géographique que vous devez connaître

ArcGIS: Il s'agit d'une solution de cartographie basée sur le cloud. Il offre des outils de cartographie en ligne robustes mais simples qui peuvent être utilisés même par des utilisateurs profanes pour créer et partager des cartes attrayantes. Outre les cartes, vous pouvez également utiliser ArcGIS Online pour la collaboration, l'administration et l'analyse. En plus de cela, cette plate-forme offre des capacités uniques pour utiliser l'analyse basée sur la localisation pour améliorer votre entreprise.

L'avantage le plus notable d'ArcGIS est l'utilisation d'un système d'information géographique (SIG). Le SIG aide les organisations de toutes tailles à interroger, analyser, visualiser et interpréter les données pour mieux comprendre les relations, les tendances et les modèles. Le système offre une communication améliorée, une meilleure tenue des dossiers, des économies de coûts et une meilleure prise de décision.

Bureau SuperGIS: Un logiciel de cartographie SIG de bureau robuste qui vous permet d'analyser, de visualiser, de gérer et de modifier des données géographiques. Ensuite, vous pouvez afficher les résultats sur des cartes de qualité progressive. Il est facile de personnaliser les différentes fonctions de l'application selon vos besoins. De plus, la plate-forme prend en charge divers types de données et propose des outils de traitement de données sophistiqués.

Avec le Process Designer de SuperGIS Desktop, un plan urbain peut créer et automatiser des workflows géospatiaux personnalisés. Il est également capable de traiter par lots afin que les projets et rapports complexes deviennent moins fastidieux à faire et puissent être terminés beaucoup plus rapidement. Les utilisateurs peuvent également publier des flux de travail en ligne afin de les rendre accessibles partout où il y a un appareil compatible Web.

Client SIG simple: Une plate-forme logicielle SIG riche en fonctionnalités qui s'exécute sur MS Windows. Outre le bureau, il est suffisamment léger pour être utilisé sur des tablettes et des ordinateurs portables Windows pour des tâches telles que la planification de voyages et la collecte de données sur le terrain. Cette application est recommandée pour l'édition et la visualisation de fichiers de formes car elle prend en charge l'accès en écriture et en lecture multi-utilisateurs aux fichiers de formes. Le vendeur propose un essai gratuit de 30 jours.

Avec Simple GIS Client, les entreprises d'urbanisme disposent d'un logiciel puissant qui s'exécute sur des machines Windows mais suffisamment léger pour fonctionner sur des ordinateurs portables et des tablettes Windows pour une utilisation sur le terrain. Cela permet aux utilisateurs d'être mobiles tout en travaillant avec le client de bureau.

Carte Bentley: Il s'agit d'un logiciel de cartographie et de SIG de bureau 2D et 3D. Vous pouvez créer, gérer, partager et analyser vos données commerciales, d'ingénierie et géospatiales dans un environnement MicroStation. Offre une interface de programme d'application (API) flexible mais puissante pour vous aider à créer des applications SIG personnalisées. Utilisez l'application mobile pour améliorer la productivité de votre personnel sur le terrain.

Avec Bentley Map, les urbanistes peuvent accéder à plusieurs bases de données spatiales en ligne pendant qu'ils travaillent. Cette fonctionnalité permet aux organisations de stocker et de gérer une grande quantité de données spatiales. De plus, l'application se connecte à Oracle Spatial pour permettre aux utilisateurs de modifier directement en 2D et 3D. De cette façon, les données rastérisées et vectorielles sont envoyées directement vers un référentiel central, puis rendues accessibles depuis le bureau pour une facilité d'utilisation et une productivité accrue.

Maptitude : un logiciel de cartographie de Caliper Corporation qui vous permet de visualiser, d'intégrer et de modifier des cartes. Il s'agit d'un package facile à utiliser qui vous permet de profiter des avantages de l'analyse spatiale et de la cartographie de bureau. Maptitude vous indique où sont vos consommateurs et où les ventes sont maximales. En plus de cela, vous pouvez découvrir des opportunités cachées et obtenir des réponses aux questions géographiques qui affectent vos opérations.

Maptitude est un logiciel de cartographie SIG qui aide les développeurs urbains à découvrir des emplacements de choix pour leurs recherches en fonction de la circulation piétonnière, des normes de zonage de recherche, de la valeur de la propriété, des commodités environnantes, de l'analyse démographique, etc. Grâce à cette fonctionnalité, vous êtes en mesure d'identifier les emplacements où votre entreprise peut prospérer et de fournir un service de haute qualité à votre cible démographique.

MapViewer : Il s'agit d'un logiciel de cartographie SIG qui offre des outils puissants qui aident les urbanistes à créer des cartes thématiques de qualité professionnelle et permet aux utilisateurs de prendre le contrôle total de leurs données spatiales. Les fonctionnalités de cartographie ainsi que l'affichage de carte flexible, les analyses avancées et la communication instantanée font du logiciel une proposition attrayante pour les professionnels, les analystes SIG et les personnes qui travaillent avec des données spatialement distribuées.

Plusieurs types de cartes sont pris en charge par le logiciel, notamment base, épingle, choroplèthe, contour, densité, symbole, territoire, vecteur, graphique linéaire, gradient, flux, barre, tarte, prisme, multi-graphique et cartogramme.
Les outils de géotraitement du logiciel permettent de prendre des décisions plus éclairées et de mettre en évidence les zones d'intérêt, ce qui aide à affiner les données pour une analyse plus approfondie.

MapViewer garantit un accès immédiat aux cartes et aux données en ligne et est nativement compatible avec divers formats de fichiers, notamment DXF, SHP et XLSX. Cela facilite également le partage d'informations et la collaboration plus efficace. Les flux de travail rationalisés réduisent le temps nécessaire pour passer des données brutes aux cartes réelles et permettent d'obtenir les résultats souhaités en quelques minutes.

Toutes les fonctionnalités clés du logiciel SIG énumérées ci-dessus

Outils de routage: Ils permettent de concevoir des arrêts précis et de gérer, comparer et manipuler des itinéraires.
Outils de territoire: Les urbanistes ont besoin d'outils de création de territoire qui aident à manipuler des tableaux de données et à représenter et manipuler visuellement les zones de service.
Rapports: Les meilleures applications logicielles SIG vous permettent de créer de manière intuitive et rapide des rapports de qualité supérieure aux formats de fichiers PDF et MS Excel.

Interopérabilité: Les plates-formes SIG de qualité prennent en charge les normes de données les plus récentes et une gamme de formats de fichiers, notamment ceux de MS Excel, MS MapPoint et Google Maps.
Données: En plus de cela, ils fournissent de nouveaux ensembles de données pour différents pays avec accès aux dernières informations géographiques disponibles.

Logistique et opérations: fonction de distance et de temps de conduite qui crée un tableau Excel qui affiche les coûts de déplacement entre un nombre quelconque d'emplacements. Vous pouvez rapidement trouver les emplacements les plus proches et de sauvegarde classés par distance ou temps de trajet.
Analyse de localisation: Cette technique est utilisée pour identifier les emplacements idéaux pour de nouveaux points de vente.

Avantages des systèmes d'information géographique (SIG) Avantages

  • La prise de décision est améliorée car vous obtenez des informations détaillées et spécifiques sur les emplacements.
  • Vous pouvez augmenter l'efficacité et réduire les dépenses, notamment en ce qui concerne les horaires de planification, les mouvements de flotte et les calendriers de maintenance.
  • Le format visuel est facile à comprendre, ce qui contribue à améliorer la communication entre les services ou les organisations concernés.
  • Le logiciel SIG permet une tenue de dossiers sans effort car il enregistre facilement les changements géographiques.
  • Aide à la gestion géographique car vous pouvez apprendre à savoir ce qui se passe dans un emplacement et un espace géographiques, et l'utiliser pour planifier des actions.
  • Les solutions logicielles Cloud SIG facilitent la collaboration instantanée.
  • Offre une transparence accrue pour l'engagement des citoyens.
  • Permet d'identifier les populations mal desservies et à risque dans une communauté.
  • Aide à la planification et à l'allocation des ressources.
  • Améliore la gestion des ressources naturelles.
  • Améliore la communication pendant une crise.
  • Enfin, un logiciel SIG peut être utilisé pour planifier l'impact des changements démographiques dans une communauté.

Une récente enquête menée par GIS Professional met en lumière les problèmes rencontrés par les utilisateurs de logiciels SIG. Dans l'enquête, 32 % ont identifié l'exactitude des données et 31 % ont cité la gestion efficace des données comme les principaux défis.

De plus, 12 % ont cité l'open source et les données ouvertes à la fois comme une tendance et un défi. 8% ont cité la confidentialité des emplacements comme un problème dont il faut se méfier. La disponibilité de données et de logiciels open source crée de nouveaux utilisateurs qui comprennent les avantages du SIG mais n'ont pas les connaissances nécessaires pour utiliser correctement le système.


Les cartes numériques donnent aux chercheurs la configuration historique du terrain

Peu de batailles dans l'histoire ont été plus scrutées que les trois jours sanglants de Gettysburg en juillet 1863, le tournant de la guerre civile. Pourtant, il y avait des questions auxquelles tous les journaux, rapports officiels et correspondances ne pouvaient pas répondre avec précision. Par exemple, que pouvait réellement voir le général Robert E. Lee lorsqu'il a émis une série d'ordres fatidiques qui ont renversé la vapeur contre l'armée confédérée il y a près de 150 ans ?

Désormais, les historiens disposent d'un nouvel outil qui peut les aider. Une technologie de pointe similaire à Google Earth, MapQuest et les systèmes GPS utilisés dans des millions de voitures ont permis de recréer un paysage disparu. Cette nouvelle génération de cartes numériques a donné naissance à un domaine académique connu sous le nom d'humanités spatiales. Les historiens, théoriciens de la littérature, archéologues et autres utilisent des systèmes d'information géographique - un logiciel qui affiche et analyse des informations liées à un emplacement physique - pour réexaminer des lieux réels et fictifs comme les villages autour de Salem, Mass., au moment des procès des sorcières la région de Dust Bowl dévastée pendant la Grande Dépression et les tavernes Eastcheap où le Falstaff de Shakespeare et le Prince Hal faisaient la fête.

Comme l'équipage du vaisseau spatial Enterprise, les humanistes explorent une nouvelle frontière de l'univers savant : l'espace.

« La cartographie des informations spatiales révèle une partie de l'histoire humaine que nous ne pourrions pas connaître autrement », a déclaré Anne Kelly Knowles, géographe au Middlebury College dans le Vermont. « Cela vous permet de voir des modèles et des informations qui sont littéralement invisibles. » Il ajoute des couches d'informations à une carte qui peuvent être ajoutées ou retirées à volonté dans diverses combinaisons, le même emplacement peut également être visualisé dans les deux sens au fil du temps en un clic de souris.

Image

Aujourd'hui, les visiteurs de Gettysburg peuvent monter à la coupole du séminaire luthérien, où Lee s'est posté le 2 juillet, le deuxième jour des combats ou se tenir sur Seminary Ridge, où le lendemain, Lee a regardé derrière les lignes confédérées alors que des milliers de ses hommes avançaient. à travers les terres agricoles ouvertes jusqu'à leur mort dans le tristement célèbre Pickett's Charge. Mais ils ne verront pas ce que le général a vu parce que les années intermédiaires ont modifié la topographie. Au fil des décennies, une carrière, un réservoir, différentes plantes et arbres ont été ajoutés, et les altitudes ont changé en raison du labour mécanique et de l'érosion.

Les systèmes d'information géographique, connus sous le nom de SIG, ont permis à Mme Knowles et à ses collègues de recréer une version numérique du champ de bataille original de Gettysburg à partir de cartes historiques, de descriptions documentées des positions des troupes et des paysages, et de rendus de routes, de clôtures, de bâtiments et de végétation historiques. « La seule façon dont j'ai su répondre à la question », à propos de ce que Lee a vu, a déclaré Mme Knowles, « était de recréer le sol numériquement à l'aide du SIG, puis de demander au programme SIG : que pouvez-vous voir à partir d'une certaine position sur le paysage, et que ne vois-tu pas ?

Elle a déclaré que son travail aidait à « rendre le dilemme de Lee plus vivant et plus personnel ». Les chefs militaires du XIXe siècle comptaient principalement sur leurs propres yeux, et les petites différences d'élévation étaient stratégiquement importantes. "Lee n'aurait probablement pas pu voir les forces fédérales massives s'accumuler du côté est du champ de bataille le jour 2 lors de la célèbre attaque contre Little Round Top", a déclaré Mme Knowles. « Il a dû prendre des décisions avec des informations vraiment inadéquates. »

Il en va de même pour le lieutenant-général James Longstreet, qui a été vilipendé dans la Confédération en partie à cause de sa décision le 2 juillet d'emmener ses troupes dans une longue contre-marche pour éviter d'être détecté plutôt que d'attaquer directement Little Round Top. La marche "a fait de Longstreet la chèvre de Gettysburg", a déclaré Mme Knowles. Mais il n'y avait aucun moyen que Longstreet ait pu voir que Little Round Top n'était pas défendu à l'époque. "L'analyse indique que Longstreet a pris la meilleure décision possible", a ajouté Mme Knowles, qui travaille actuellement sur une carte numérique des conquêtes territoriales et des camps de travaux forcés des nazis en Europe.

De nouvelles méthodes d'analyse géographique assistée par ordinateur peuvent également offrir de nouvelles interprétations de sujets familiers. Geoff Cunfer, historien à l'Université de la Saskatchewan, a revisité les causes du Dust Bowl des années 1930 en analysant les données des 208 comtés du Texas, du Nouveau-Mexique, du Colorado, de l'Oklahoma et du Kansas, une entreprise impossible sans ce système. Il a découvert que l'explication traditionnelle selon laquelle les agriculteurs labouraient abondamment la terre sans se soucier des limites environnementales n'était vraie que dans certains endroits. Les comtés du Sud à peine labourés souffraient également du fléau de la poussière. À l'aide de rapports sur les précipitations annuelles, les prairies non labourées, la direction du vent, les sécheresses, les recensements agricoles, les études historiques et les rapports précédents sur les tempêtes de poussière - "une boîte à chaussures en désordre pleine de coupures de journaux" - M. Cunfer a créé des ensembles de données qui pourraient être tracés sur des cartes.

Il a découvert que les tempêtes de poussière se produisaient régulièrement au XIXe siècle et faisaient naturellement partie de l'écologie des plaines avant tout labour, mais qu'elles n'étaient « ni signalées ni rendues publiques », a-t-il déclaré.

Les outils de cartographie avancés, utilisés depuis les années 1960, ont d'abord été utilisés principalement pour l'analyse environnementale et la planification urbaine. À la fin des années 1980 et dans les années 1990, les systèmes d'information géographique historique ont permis aux chercheurs de recueillir des informations de recensement et d'autres données quantifiables et de tracer les changements d'un emplacement au fil du temps. À la fin des années 1990, des réseaux et des organisations professionnels ont commencé à se former, mais ce type de cartographie est resté marginal.

Ce système insiste sur la précision, a expliqué David Bodenhamer, historien à l'Université de l'Indiana qui édite une série de livres sur les humanités spatiales. Chaque bit de données est représenté par un point, un polygone fermé ou un pixel sur une carte. Les critiques se sont plaints que cette exactitude ne permettait pas de multiples points de vue.

Au milieu des années 2000, les développements technologiques ont permis aux chercheurs de sortir du format de carte strict et d'ajouter des photographies et des textes pour créer ce que M. Bodenhamer appelle des « cartes profondes », qui peuvent capturer plus d'une perspective.

En 2005, M. Bodenhamer, en collaboration avec des collègues de la Florida State University et de la West Virginia University, a aidé à créer le Polis Center à Indianapolis, qui s'appelle lui-même le premier centre virtuel des sciences humaines spatiales. L'un de leurs premiers projets a été financé par le National Endowment for the Humanities : un atlas numérique détaillé de la religion en Amérique du Nord qui ventile les confessions par comté. Les systèmes d'information géographique permettent d'analyser les schémas complexes et changeants des préférences politiques, de l'affiliation religieuse, de la migration et de l'influence culturelle en les reliant à la géographie, a déclaré M. Bodenhamer.

Benjamin Ray, directeur des archives documentaires Salem Witch Trials à l'Université de Virginie, a déclaré que la visualisation des données vous aide à les analyser. "L'œil est un très bon trieur de motifs", a-t-il déclaré. M. Ray s'était demandé pourquoi les accusations de sorcellerie s'étaient répandues si rapidement et si largement en 1692 depuis Salem dans 25 communautés, alors que les incidents précédents étaient restés limités et localisés. Lorsqu'il a tracé les accusations sur une carte numérique qui montrait une progression dans le temps, cela l'a immédiatement frappé : "Cela ressemblait à une sorte d'épidémie, presque à une maladie."

Cela l'a amené à examiner ce que les autorités de Salem ont fait différemment cette fois qui n'a pas réussi à contenir l'hystérie. Il a constaté que les juges avaient enfreint leurs propres règles en permettant aux gens de porter des accusations sans verser de caution monétaire, en laissant les accusateurs être interrogés en groupes et en autorisant les « preuves spectrales » – des preuves uniquement visibles par l'accusateur – comme suffisantes pour une condamnation. Après avoir ajouté l'affiliation à l'église à la carte, il a constaté qu'il existait également une corrélation entre l'appartenance à l'église et les accusateurs, ce qui reflétait une rupture dans le village concernant le soutien au ministre.

M. Bodenhamer a déclaré que les sciences humaines étaient devenues un espace physique trop abstrait et négligé. La valeur de ce que les chercheurs appellent « le virage spatial », a-t-il ajouté, est que « cela vous permet de poser de nouvelles questions : pourquoi est-ce que quelque chose s'est développé ici et pas ailleurs, qu'en est-il du contexte de ce lieu ?


Les références

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 Paftası Maden Aetkik Genel Müdürlügü Jeoloji Etütleri Dairesi, Ankara

Baxter JW, Eyles JD, Elliot SJ (1999) Des principes d'implantation aux pratiques d'implantation : une étude de cas de discorde entre la confiance, l'équité et la participation communautaire. J Environ Plann Manage 42(4):501-525

Eastman JR (1993) IDRISI : un système d'analyse géographique basé sur une grille, version 4.1. École supérieure de géographie, Université Clark, Worcester

Erkut E, Moran SR (1991) Localisation des installations odieuses dans le secteur public: une application du processus hiérarchique aux décisions d'implantation des décharges municipales. Plan Socioecon Sci 25(2):89-102

Janssen R (1992) Aide à la décision multiobjectif pour la gestion environnementale. Kluwer, Dordrecht, 232 p

Kao JJ, Lin H (1996) Analyse spatiale multifactorielle pour le site d'enfouissement. J Environ Eng 122(10):902-908

Lober DJ (1995) Résoudre l'impasse d'implantation : modélisation des critères de localisation sociaux et environnementaux avec un système d'information géographique. J Am Plann Assoc 61(4):482–495

Malczewski J (1997) Propagation des erreurs dans l'analyse de localisation multicritère : une étude de cas. Dans : Fandel G, Gal T (eds) Prise de décision à critères multiples. Springer, Berlin Heidelberg New York, pp 154-155

Malczewski J (1999) SIG et analyse décisionnelle multicritère. John Wiley et fils Inc., 392p

Şener B (2004) Sélection des sites d'enfouissement à l'aide de systèmes d'information géographique. Mémoire de maîtrise, METU, 114 p. http://www.rsgis.metu.edu.tr

Saaty TL (1980) Le processus de hiérarchie analytique. McGraw Hill, New York

Siddiqui MZ, Everett JW, Vieux BE (1996) Implantation d'une décharge à l'aide de systèmes d'information géographique : une démonstration. J Environ Eng 122(6):515-523

Süzen ML, Doyuran V (2004) Évaluation de la sensibilité aux glissements de terrain bivariée basée sur des données à l'aide de systèmes d'information géographique : une méthode et une application au bassin versant d'Asarsuyu, en Turquie. Eng Geol 71(3–4):303–321

Tchobanoglous G, Kreith F (2002) Manuel de gestion des déchets solides. McGraw Hill, New York


Usage

  • Lorsque les entités en entrée sont des polygones, les entités de découpage doivent également être des polygones.
  • Lorsque les entités en entrée sont des lignes, les entités de découpage peuvent être des lignes ou des polygones. Lors du découpage d'entités linéaires avec des entités linéaires, seules les lignes ou segments de ligne coïncidents sont écrits dans la sortie, comme illustré dans le graphique ci-dessous.
  • Lorsque les entités en entrée sont des points, les entités de découpage peuvent être des points, des lignes ou des polygones. Lors du découpage d'entités ponctuelles avec des entités ponctuelles, seuls les points coïncidents sont écrits dans la sortie, comme illustré dans le graphique ci-dessous. Lors du découpage d'entités ponctuelles avec des entités linéaires, seuls les points qui coïncident avec les entités linéaires sont écrits dans la sortie.

La classe d'entités en sortie contiendra tous les attributs des entités en entrée.

Cet outil utilisera un processus de tuilage pour gérer de très grands ensembles de données pour de meilleures performances et une meilleure évolutivité. Pour plus de détails, consultez Géotraitement avec des jeux de données volumineux.

Entités linéaires coupées par des entités surfaciques :

Entités ponctuelles découpées par des entités surfaciques :

Entités linéaires découpées avec des entités linéaires :

Entités ponctuelles découpées avec des entités ponctuelles :

Les valeurs d'attribut des classes d'entités en entrée seront copiées dans la classe d'entités en sortie. Cependant, si l'entrée est une couche ou des couches créées par l'outil Créer une couche d'entités et que la politique de ratio d'utilisation d'un champ est cochée, un ratio de la valeur de l'attribut d'entrée est calculé pour la valeur de l'attribut de sortie. Lorsque Utiliser la stratégie de ratio est activé, chaque fois qu'une entité dans une opération de superposition est fractionnée, les attributs des entités résultantes sont un rapport de la valeur attributaire de l'entité en entrée. La valeur en sortie est basée sur le rapport dans lequel la géométrie de l'entité en entrée a été divisée. Par exemple, si la géométrie en entrée a été divisée de manière égale, la valeur attributaire de chaque nouvelle entité se voit attribuer la moitié de la valeur de la valeur attributaire de l'entité en entrée. Utiliser la politique de ratio s'applique uniquement aux types de champs numériques.

Avertir:

Les outils de géotraitement ne respectent pas les règles de répartition des classes d'entités ou des champs de table de la géodatabase.


Utilisation du nom de la classe d'entités pour remplir un nouveau champ - Systèmes d'information géographique

Vous avez demandé une traduction automatique du contenu sélectionné dans nos bases de données. Cette fonctionnalité est fournie uniquement pour votre commodité et n'est en aucun cas destinée à remplacer la traduction humaine. Ni SPIE, ni les propriétaires et éditeurs du contenu ne font, et ils déclinent explicitement, toute représentation ou garantie expresse ou implicite de quelque nature que ce soit, y compris, sans s'y limiter, les représentations et garanties quant à la fonctionnalité de la fonction de traduction ou l'exactitude ou l'exhaustivité de les traductions.

Les traductions ne sont pas conservées dans notre système. Votre utilisation de cette fonctionnalité et des traductions est soumise à toutes les restrictions d'utilisation contenues dans les Conditions d'utilisation du site 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)

INSCRIVEZ-VOUS À LA BIBLIOTHÈQUE NUMÉRIQUE

50 téléchargements par abonnement d'un an

25 téléchargements par abonnement d'un an

Comprend PDF, HTML et vidéo, lorsqu'ils sont disponibles

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). Le téléchargement du résumé est autorisé pour un usage personnel uniquement.


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.


Systèmes d'information géographique

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.