Suite

Collecter des valeurs + Générateur de modèles ArcGIS 10.1


J'ai une question concernant l'utilisation de Collect Values ​​dans Model Builder.

Je viens de tomber sur ce post (Pipe sortie de l'outil Iterate Raster dans l'outil Raster Calculator à l'aide de ModelBuilder ?) Et c'est à peu près la même chose que ce que je veux faire. J'ajoute également une pondération définie par l'utilisateur à l'itération, puis j'essaie de collecter les valeurs avant d'exécuter les statistiques de la cellule. Le problème est que je n'obtiens pas un ensemble de sorties uniques à l'étape des valeurs de sortie et que cela ne renvoie que les résultats des derniers rasters d'origine.

Une idée où je me trompe avec ça?


Où aimez-vous placer la logique de transformation des données du modèle de vue MVC ?

Voici le scénario, je dois charger un objet de modèle de vue à partir de plusieurs objets de domaine renvoyés par plusieurs appels de service Web. Le code qui transforme les objets de modèle de domaine en objet de modèle de vue digestible est un peu de code assez complexe. Les trois endroits où j'ai pensé à le mettre sont :

  1. Méthodes internes à l'intérieur du contrôleur pour charger un modèle de vue d'instance.
  2. Méthode ou propriété get statique sur la classe de modèle de vue elle-même qui renvoie une instance chargée du modèle de vue.
  3. Un générateur ou une classe d'assistance totalement distinct qui a une méthode get statique, une propriété ou un constructeur surchargé qui renvoie l'instance chargée du modèle de vue.

Pour être clair, je ne veux pas utiliser AutoMapper ou des outils similaires. Du point de vue des meilleures pratiques, j'aimerais savoir où cette logique devrait aller et pourquoi.

Voici donc ce que j'ai jusqu'à présent, cela me donne une logique de contrôleur "maigre" et une séparation des préoccupations. Comment puis-je l'améliorer?


Littératies des données

La quantité de données produites, la démocratisation des données et l'augmentation des outils de données ont accru le besoin de littératie des données parmi la population générale et dans les organisations. La littératie des données signifie la capacité de trouver, d'évaluer la source et la qualité des données, d'être capable de comprendre les données, de les manipuler, de les poser des questions, de les argumenter et d'évaluer les arguments des autres.

Raul Bhargava du MIT et Catherine Dígnazio d'Emerson College (Knight, 2017) divisent la littératie des données en quatre composantes :

Lecture des données : Comprendre les données sous diverses formes et être capable de lire le langage des données.

Travailler avec les données : Les gens travaillent avec des données sous diverses formes qui dépendent du rôle de la personne. La personne est-elle un étudiant, un statisticien ou un expert en visualisation de données ? Chacun de ces rôles fonctionne avec les données d'une manière différente.

Analysez les données : Utiliser diverses compétences pour analyser les données. Les compétences spécifiques utilisées pour analyser les données dépendent des objectifs de la personne qui analyse les données. Cela peut aller de l'analyse des données pour des statistiques récapitulatives de base à la création de modèles d'apprentissage automatique avec les données.

Argumenter avec les données: Utiliser les données afin de soutenir votre idée ou votre recherche.

Exemples de compétences en matière de littératie des données

  • Évaluer la qualité des sources de données à utiliser dans l'analyse.
  • Être capable d'interpréter des visualisations de données telles que des histogrammes ou des nuages ​​de points.
  • Communiquer les résultats d'une analyse ou d'une visualisation de données à un public général.

Le cycle de vie des données

Étape 1 : Avant-projet

Idée - Vous avez généré une idée, trouvé des collaborateurs et commencé à réfléchir à ce qu'il faut faire.

Planification - Cette étape essentielle a un impact sur toutes les autres étapes.

  • Développer des conventions
  • Identifier le stockage - connaître vos besoins et ce que le stockage offre
  • Gardez les meilleures pratiques à l'esprit pour l'ensemble de votre projet
  • Vous pouvez envisager de pré-inscrire (en précisant votre recherche avant de commencer votre étude et de la soumettre à un registre) votre projet à ce stade
  • Faire une demande de financement, identifier les outils, les méthodes et les sources de données potentielles

Étape 2 : Actif

Collecte - À cette étape, les chercheurs collectent des données et d'autres matériaux essentiels au projet.

  • Comprendre comment configurer des outils pour une collecte précise
  • Être capable d'identifier des sources fiables pour la recherche de données
  • Comprendre les méthodes précédentes utilisées pour collecter ou créer les données que vous trouvez
  • Documentation primaire (collectée par vous) et secondaire (collectée par d'autres)
  • Vous prendrez ces dispositions pour que ceux-ci doivent travailler avec eux de manière structurée.

Étape 3 : Explorer

Wrangle - Vous préparez les données pour l'analyse

  • Être capable d'utiliser ou de réutiliser des données dépend de la compréhension de ce que vous avez
  • Définition des variables, valeurs attendues, relations, unités, etc.
  • Documentez vos méthodes, votre code, vos décisions, c'est la clé pour comprendre et expliquer vos découvertes et partager avec les autres
  • Vous utilisez des outils pour rechercher des relations et des structures dans les données

Étape 4 : Résultats

Visualiser - Vous créez une représentation graphique des nombres, examinez comment communiquer les structures

  • Connaître la manière la plus appropriée et la plus efficace de communiquer nécessite une compréhension de ce que font les différentes méthodes de visualisation
  • Choisir les variables appropriées dans vos données pour la visualisation
  • Comprendre le pouvoir de la couleur et des symboles
  • Citant les sources utilisées

Interpréter - Vous exprimez vos préférences sur ce que les relations de données nous disent


Comment la culture et d'autres facteurs affectent-ils le leadership d'une communauté ?

Les informations ci-dessus ont montré que la culture et d'autres facteurs (sociaux, économiques, historiques et politiques) ont un effet sur la façon dont une communauté s'organise pour l'auto-assistance et le soutien. On peut dire la même chose du leadership. Il existe différents niveaux et types de leaders qui soutiennent l'organisation sociale d'une communauté. Parfois, nous commettons l'erreur de supposer qu'il n'y a qu'un seul leader dans une communauté ou qu'un leader doit avoir une certaine apparence. Tout comme nous respectons et valorisons la diversité culturelle des communautés, nous devons respecter et valoriser la diversité du leadership.

Quelles qualités pensez-vous qu'un leader devrait avoir ?

Dans chaque groupe ethnique ou culturel, il y a des individus différents qui sont considérés comme des leaders par les membres du groupe. Chaque leader a une place et un rôle dans sa communauté. Les dirigeants peuvent être classés par type (par exemple, politique, religieux, social), par problème (par exemple, santé, éducation, développement économique), par rang (par exemple, président, vice-président), par lieu (par exemple, quartier, comté, ville, état, pays), par âge (par exemple, personnes âgées, jeunes), et ainsi de suite.

Utilisons les mêmes communautés décrites précédemment. Dans les communautés chinoises, le chef est généralement le chef de famille. Si la famille fait référence à un grand-père, un père, une mère, des fils et des filles et des petits-enfants, alors le chef est le grand-père. Si la famille se réfère à la congrégation d'une église, le chef est le pasteur. Si la famille fait référence à un clan, le chef est le président de l'association du clan (ou hui guan).

Dans les communautés afro-américaines, le leader est généralement un leader spirituel. Un leader peut également être quelqu'un qui réussit à surmonter les barrières du racisme institutionnalisé et à offrir aux autres Afro-Américains la possibilité d'être traités sur un pied d'égalité par les autres dans la société traditionnelle (par exemple, un homme d'affaires, un éducateur ou un élu).

Dans les communautés d'Amérique centrale, le leader est aussi typiquement un leader spirituel. Il peut aussi s'agir de l'entraîneur d'une équipe de football ou du président d'une association qui relie une ville d'Amérique centrale à une ville d'un autre pays.

Qu'est-ce que tous ces dirigeants ont en commun ?

Ils fournissent des conseils, ils ont de l'influence sur les autres, les autres les respectent, ils répondent aux besoins des autres et placent le bien-être des autres avant le leur. Chaque leader remplit une fonction spécifique au sein de l'organisation sociale d'une communauté, cependant, le même type de leader dans une communauté n'a pas nécessairement le même rôle dans une autre communauté. Par exemple, un leader spirituel dans une communauté chinoise n'est pas considéré comme un leader politique, comme il pourrait l'être dans la communauté afro-américaine.

Qu'avez-vous appris des informations et des exemples ci-dessus ?

Comment pouvez-vous, en tant que bâtisseur de communauté, vous renseigner sur l'organisation sociale d'autres groupes ethniques et culturels ?

  • Entrez dans le processus avec un esprit ouvert.
  • Ne présumez pas que le même leader, organisation ou institution remplit la même fonction dans tous les groupes.
  • Gardez à l'esprit que l'organisation sociale et le leadership d'un groupe sont influencés par sa culture, son histoire, les raisons de la migration, la proximité géographique avec sa patrie, la réussite économique, les tensions intra-groupe et la façon dont il s'intègre dans le contexte politique et social de sa société nouvelle et environnante.
  • Recherchez les réseaux formels et informels.
  • Interrogez les membres d'un groupe et demandez où et à qui ils s'adressent pour obtenir de l'aide ou quand ils ont un problème.

Gardez à l'esprit : Parmi les différents groupes, l'église a différentes fonctions. Par exemple, les églises coréennes et chinoises n'ont pas de fonctions politiques fortes par rapport aux églises latino-américaines ou afro-américaines. Les églises coréennes servent leurs membres socialement en fournissant une structure et un processus pour la communion et le sentiment d'appartenance, le maintien de l'identité ethnique et des traditions autochtones, les services sociaux et le statut social. Les pasteurs coréens considèrent leurs églises comme des sanctuaires pour leurs membres et ne souhaitent pas les alourdir de messages liés à des problèmes politiques ou économiques. Au lieu de cela, ils se concentrent sur la fourniture de services de conseil et d'éducation aux familles coréennes ainsi que sur des postes de bureau et de laïcs pour les membres d'église. Les immigrants coréens tiennent ces postes en haute estime.


Discussion

L'état et les tendances de la population de tortues dans les monts El Paso reflétaient les activités humaines locales et régionales survenues au cours du siècle dernier et étaient typiques des activités dans l'aire de répartition géographique de l'espèce et dans l'ouest américain (Leu et al. 2008 Berry et al 2013, 2014). Plusieurs utilisations humaines ont influencé directement et indirectement la répartition, les causes de décès et l'état des habitats. La fréquence des signes anthropiques (98,4 % des placettes) témoigne de l'utilisation omniprésente par l'homme et de la dégradation de l'habitat. Ces signes d'utilisation humaine ont été facilités par le réseau de routes et de routes pour accéder aux zones d'intérêt pour l'exploitation minière, le pâturage du bétail, le tir et les loisirs axés sur les véhicules. Les modèles de distribution des tortues ont révélé l'importance, par ordre décroissant, de l'association de végétation du Goldenbush de Cooper, des prédateurs, des mines, des déchets et des véhicules dans la formation de la distribution au cours des années avant et pendant l'étude. Les analyses de corrélation ont fourni des résultats similaires avec des relations supplémentaires entre certaines variables. L'association de Goldenbush de Cooper était l'association de végétation la plus importante, elle était à mi-chemin en altitude et en nombre d'espèces d'arbustes prédominants par rapport aux deux autres associations de végétation, mais partageait également des nombres similaires de parcelles avec signe de tortue avec le sarrasin de Californie. En revanche, l'association créosote buisson-bourse blanche n'avait que trois espèces abondantes, et l'une était une espèce arbustive à courte durée de vie, cheesebush, typique des terres perturbées (Vasek 1979/1980). Les prédateurs, les mines, les déchets et les véhicules étaient associés à la présence humaine, en partie à cause de l'accès via le réseau de routes et de routes désignées. Un soutien supplémentaire pour les modèles provenait des causes de décès des tortues, en particulier des prédateurs, des tirs et des décès de véhicules associés aux routes ou aux itinéraires.

La probabilité de distribution des tortues (indice d'intensité du signe) était plus élevée à proximité de l'EPMWA et dans les parties nord-est et est de la zone d'étude qu'ailleurs (Fig. 2). L'extrémité inférieure de l'intervalle de confiance pour la densité des adultes (4,8/km 2 , IC à 95 % = 2,7–7,5/km 2 ) était la même que la densité signalée pour l'unité d'habitat essentiel adjacente en 2007 (2,7/km 2 ) , mais pas en 2008 (0,4 /km 2 USFWS 2009, 2012). Cependant, le point médian des densités d'adultes dans la zone d'étude était légèrement supérieur à la densité minimale viable estimée d'adultes (3,9 adultes/km 2 ) nécessaire pour maintenir des populations viables (USFWS 2015, Allison et McLuckie 2018).

La structure taille-âge des individus vivants et morts sur la placette comprenait des tortues juvéniles et immatures, indiquant que les femelles produisaient des jeunes. Cependant, le nombre de jeunes individus ayant survécu jusqu'à maturité était insuffisant pour compenser les décès d'adultes (Turner et al. 1987). La structure de la population était comparable à celle de la population du RRCSP et de l'unité d'habitat essentiel adjacente (Fig. 1 Berry et al. 2008).

Les activités humaines influençaient les causes de décès et le taux de mortalité des adultes. Le taux de mortalité annualisé (6,9 %) des adultes était trop élevé pour maintenir une population nécessitant jusqu'à 20 ans pour atteindre la maturité sexuelle et avec un faible recrutement et une faible survie des juvéniles (Turner et al. 1987 Allison et McLuckie 2018 Berry et Murphy 2019). Les petites tortues étaient vulnérables à la prédation (Berry et Murphy 2019). Les signes d'attaques de prédateurs sur la plupart des tortues vivantes et des restes de carapaces ont confirmé l'importance des prédateurs. Bien que les prédateurs aient un effet négatif sur les tortues, l'association positive dans les modèles et les analyses de corrélation entre les prédateurs et les tortues était le résultat d'une co-occurrence de signe de prédateurs mammifères et d'observations de grands corbeaux sur la plupart des parcelles. Des excréments de prédateurs ont été observés en association avec des restes de tortues, et les tortues avaient parfois un terrier dans un monticule de tanières de renards nains. L'incidence de la mastication intensive typique des chiens domestiques était comparable ou supérieure à celle observée sur certains autres sites (Berry et al. 2013, 2014). Les prédateurs, tels que les chiens, les grands corbeaux et les coyotes, subventionnés par les ressources humaines, prospèrent à proximité des zones d'activités humaines. Les populations de grands corbeaux, la majorité des prédateurs aviaires observés, se sont multipliées dans le désert de Mojave (Boarman et Berry 1995), et des taux de prédation excessifs peuvent entraîner des disparitions locales de tortues (Kristan et Boarman 2003). De même, les populations de coyotes ont augmenté en conjonction avec les paysages urbanisés (Fedriani et al. 2001). Esque et al. (2010) ont décrit des taux accrus de prédation par les coyotes sur G. agassizii populations à plusieurs endroits dans le désert de Mojave pendant des conditions de sécheresse. Les facteurs influençant les taux de prédation plus élevés comprenaient la proximité des populations humaines et la densité des routes (Esque et al. 2010). Dans notre étude, les niveaux les plus élevés d'observations de prédateurs et de panneaux étaient proches des zones peuplées au nord et au nord-est de la zone d'étude et où se trouvaient des réseaux routiers et une route nationale.

Une mortalité élevée et des signes cliniques de maladie chez les tortues adultes étaient des facteurs limitants pour la survie à long terme de la population. La proportion de restes d'obus avec des preuves d'écrasement par des véhicules et des coups de feu (12,5 % des parcelles) reflétait des niveaux élevés d'utilisation humaine et d'accès via le réseau de routes, de routes et de sentiers non autorisés (Berry 1986 Nafus et al. 2013). La relation positive entre les véhicules et le signe de la tortue dans les modèles résulte de la cooccurrence de preuves sur les parcelles. Les tortues sont vulnérables à la mort causée par la circulation automobile sur les routes et les routes qui coupent ou traversent leurs grands domaines vitaux (cf. Harless et al. 2009). Les populations de tortues sont épuisées à moins de plusieurs centaines de mètres de routes en terre et pavées à la suite de décès ou de collecte, ou d'une zone d'impact routier ou d'une zone d'effet routier (von Seckendorff Hoff et Marlow 2002 Nafus et al. 2013). Dans notre étude, les tortues mortes ont été trouvées plus près des routes et des routes que les tortues vivantes. La corrélation entre les véhicules et le tir était également positive. Berry (1986) a signalé des associations entre les décès de tortues causées par des coups de feu sur les parcelles et la proximité de zones d'utilisation récréative concentrées axées sur les véhicules et le nombre élevé de visiteurs par an. Les relations entre les véhicules et les déchets étaient positives, mais entre les déchets et le signe de la tortue étaient négatives. Les tortues sont connues pour consommer des déchets et des ballons, ce qui peut entraîner la mort (Donoghue 2006 Walde et al. 2007).

Les routes ont également conduit à l'activité minière, et le modèle et les corrélations ont montré des relations positives entre le signe de la tortue et les mines. Pourtant, cette relation est à la fois positive et négative : les tunnels horizontaux permettent d'échapper aux températures extrêmes, les tas de déblais sont des chantiers de construction de terriers, mais les puits verticaux et les fosses sont des sources de décès. Le réseau routier existant a également créé des opportunités de collecte illégale (non observée) et de déplacements non autorisés hors route (Figs. 1, 3).

Implications pour le rétablissement

Les monts El Paso abritent des populations de tortues, mais des niveaux élevés d'utilisation des visiteurs (> 70 000/an) contribuent à une mortalité excessive des adultes (et d'autres classes de taille) et à la dégradation de l'habitat. Ces résultats concordent avec les résultats d'études menées dans le RRCSP, l'unité d'habitat essentiel adjacente dans la vallée de Fremont et ailleurs dans l'aire de répartition géographique (Berry et al. 2008, 2014 Berry et Murphy 2019). Nous nous attendons à ce que la population d'El Paso ait suivi le déclin signalé de 51 % dans l'unité de rétablissement de Western Mojave et l'unité d'habitat essentiel de Fremont-Kramer entre 2004 et 2014 (USFWS 2015 Allison et McLuckie 2018). L'avenir d'une population viable dans la zone d'étude est incertain. À l'échelle de l'aire de répartition, Allison et McLuckie (2018) ont conclu que l'espèce était en voie d'extinction dans son habitat essentiel dans les conditions actuelles.

Les activités anthropiques affectant les monts El Paso et d'autres populations sont bien connues. Dans le premier plan de rétablissement, l'USFWS a recommandé des mesures de gestion à mettre en œuvre dans les zones de rétablissement, y compris plusieurs associées à la fermeture et aux limitations d'accès aux véhicules (USFWS 1994). Une liste partielle des activités interdites comprenait l'activité des véhicules en dehors des routes désignées, les activités destructrices de l'habitat qui diminuent la capacité des terres, le pâturage du bétail, les détritus, les chiens et l'utilisation d'armes à feu. Toutes ces activités ont eu lieu dans la zone d'étude des monts El Paso. Il est important de noter que la zone d'étude est un site populaire et très fréquenté pour les loisirs axés sur les véhicules. Le réseau de routes a été réaffirmé dans un plan gouvernemental (USBLM 2019). Les monts El Paso ne font pas partie de l'habitat essentiel ou des efforts de rétablissement de la tortue (USFWS 2015).

Dans la zone naturelle de recherche sur les tortues du désert ∼ 5,6 km au sud dans la vallée de Fremont, des clôtures pour exclure les véhicules récréatifs et le pâturage ont réussi à protéger les populations de tortues contre deux sources de mortalité et de dégradation de l'habitat, mais pas contre les maladies infectieuses et la prédation par les grands corbeaux (Berry et al. 2014). Cette zone naturelle avait des densités de tortues plus élevées (10,2 adultes/km 2 ) que sur les terres privées (3,7 adultes/km 2 ) ou l'unité d'habitat essentiel de la vallée de Fremont (2,4 adultes/km 2 ).

Indépendamment des décisions de gestion pour la zone d'étude, l'EPMWA adjacente avec des altitudes de 850 à 1598 m a le potentiel comme refuge contre la forte fréquentation, les véhicules et la dégradation de l'habitat ainsi que le changement climatique potentiel (Cook et al. 2015 Allen et al. 2018 Sarhadi et al. 2018). L'intensité du signe de tortue était plus élevée le long de la limite EPMWA, indiquant que les populations pourraient être plus grandes dans EPMWA. Des modèles ont démontré que les tortues sont susceptibles de se trouver à des altitudes plus élevées dans des climats plus chauds (Barrows 2011 Barrows et al. 2016). La survie future dans l'EPMWA dépendra de la viabilité de la population, de la minimisation des sources de mortalité et de dégradation de l'habitat d'origine humaine, ainsi que de la gravité des sécheresses futures. Même si G. agassizii a des adaptations physiologiques et comportementales pour la survie dans les déserts, des périodes prolongées de sécheresse sans eau ni fourrage et des températures extrêmes remettront en cause la persistance des populations dans des zones d'habitat autrement convenables (Turner et al. 1984 Henen et al. 1998 Berry et al. 2002 Longshore et al. 2003).


Abstrait

Le voisinage et les conditions historiques sont des facteurs importants dans la dynamique des terres. Cependant, les modèles qui intègrent explicitement des dépendances spatiales et temporelles sont confrontés à des problèmes de disponibilité des données, de méthodologie et de calcul. Dans cette recherche, la dynamique au niveau des parcelles est étudiée à l'aide de la base de données fiscale géocodée Auditor's pour le comté de Delaware, Ohio, comprenant 73 560 parcelles sur la période 1990-2012. Un modèle autologistique spatio-temporel binaire (STARM), incorporant l'espace et le temps et leurs interactions, est utilisé pour étudier la dynamique au niveau des parcelles. Les résultats montrent que le modèle est capable de capturer les impacts des conditions de voisinage contemporaines et historiques autour des parcelles, ainsi que les effets d'autres variables telles que les distances à diverses installations et infrastructures, les parts d'utilisation des terres agricoles et résidentielles dans un cercle de rayon d'un demi-mile. , et la densité de population et les prévisions de croissance au niveau du secteur de recensement.


2 réponses 2

Vous devez utiliser STRING_AGG() pour agréger les valeurs de texte et une approche possible (basée sur la tentative dans la question) est l'instruction suivante. L'agrégation des noms de tâches concerne chaque élément du tableau Object JSON :

Vous devez utiliser la fonction STRING_AGG(), qui s'applique à la version de base de données SQL Server 2017 et versions ultérieures, avec l'expression GROUP BY ci-dessous comme

L'utilisation DANS LE GROUPE (ORDER BY TaskName) est facultative, si vous ne souhaitez pas commander, vous pouvez supprimer cette partie de la fonction comme dans la démonstration ci-dessous :


Méthodes

Zone d'étude

L'étude a été menée au Ghana, comme le montre la figure 1. Cependant, étant donné que la FL semble être localisée dans le nord et le sud du Ghana, la zone d'étude a été subdivisée uniquement pour inclure les zones fortement endémiques dans ces deux zones. Pour étudier les facteurs de risque dans les deux zones de forte endémie et leur comparaison avec les résultats de l'ensemble du pays, trois analyses zonales ont été effectuées : à l'échelle du pays (CW), NZ et SZ. La zone considérée comme la ZS dans cette étude comprenait des districts situés le long de la savane côtière, de la forêt tropicale humide et d'une partie de la région forestière semi-décidue humide du Ghana, tandis que la NZ comprenait la savane soudanaise et une partie de la savane guinéenne.

Carte du Ghana montrant les districts inclus dans les deux zones d'étude, NZ et SZ ombrées en gris. (Cette carte a été générée par les auteurs avec le logiciel ArcGIS V.10.6 (ESRI, Redlands, CA, USA) et aucune autorisation n'est requise pour la publier)

La NZ se situe dans la zone écologique sèche de la savane guinéenne [32] avec un climat sub-sahélien composé d'une saison humide et d'une saison sèche. La saison des pluies s'étend d'avril à octobre, avec une pluviométrie annuelle moyenne d'environ 1365 mm. De même, la saison sèche se subdivise en l'Harmattan de novembre à mi-février et la saison sèche et chaude de mi-février à avril. Les températures mensuelles varient de 20 °C à 40 °C.

En revanche, la ZS se situe dans la zone écologique de haute forêt tropicale de la sous-région ouest-africaine, avec des brins de mangroves [11] et de nombreuses zones humides. Le climat de cette région est tropical, caractérisé par deux précipitations saisonnières distinctes, une majeure entre avril et juin et une mineure entre septembre et octobre. L'humidité relative est généralement élevée, en moyenne entre 75 à 85 % en saison pluvieuse et 70 à 80 % en saison sèche. La température moyenne la plus élevée est de 34 °C, tandis que la plus basse est de 20 °C.

Données de prévalence de la FL

Données sur mf cas au Ghana ont été obtenus à partir d'articles publiés dans des revues à comité de lecture ([2] : [22]). Les données couvrant la période 2000 à 2014 contenaient des informations sur l'année de collecte des échantillons, le nombre d'années de TMM, le nombre de personnes examinées et le nombre de mf cas positifs enregistrés pour chaque communauté étudiée. Au total, 430 communautés ont été interrogées pour les infections à FL dans le cadre d'une enquête d'évaluation de la transmission au Ghana. Les détails de cet ensemble de données ont été décrits par Biritwum et al. [2]. Les emplacements spatiaux de ces communautés ont été extraits de plusieurs sources, notamment Google Earth Pro, Open Street Map, le répertoire des villes et villages (base de données mondiale) et la base de données des projets d'enregistrement des cartes de l'Autorité nationale d'identification du Ghana. La figure 2 montre une carte de la distribution spatiale des mf cas au Ghana (Fig. 2a), en Nouvelle-Zélande (Fig. 2b) et en SZ (Fig. 2c).

mf cas pour les communautés étudiées de 2000 à 2014 (le jaune indique l'absence et le rouge indique la présence), a) les zones CW, b) NZ et c) SZ. (Cette carte a été générée par les auteurs avec le logiciel ArcGIS V.10.6 (ESRI, Redlands, CA, USA) et aucune autorisation n'est requise pour la publier)

Source de données géo-environnementales et climatologiques

Pour identifier la combinaison de variables explicatives qui créent un environnement propice à la transmission de la filariose lymphatique, la couverture végétale, les prédicteurs socioéconomiques et climatiques ont été obtenus à partir de divers ensembles de données de télédétection. L'indice de végétation amélioré (EVI) a été généré à partir de l'image satellite du spectro-radiomètre imageur à résolution modérée (MODIS), en particulier MOD13Q1 v006 [30]. Ces données sont générées tous les 16 jours à une résolution spatiale de 250 m.

Du projet d'exploration de la terre de l'United States Geological Surveys (USGS) (nous [39]), un jeu de données raster d'altitude produit par la Shuttle Radar Topography Mission (SRTM) et la covariable de pente ont été dérivés. De plus, Landsat 7 ETM + 1 niveau 1 à une résolution de 30 × 30 m de moins de 1% de couverture nuageuse a été téléchargé à partir du même site pour la classification Land Use/Land Cover (LULC).

Pour déterminer les zones rurales et principalement pauvres au Ghana, l'émissivité de la lumière nocturne de 2000 à 2014 capturée par l'instrument du système de balayage linéaire opérationnel a été utilisée comme proxy [16]. Cet instrument mesure le rayonnement visible et infrarouge émis la nuit. Les valeurs vont de 0 à 62, représentant respectivement une émissivité indétectable et une émissivité maximale. Il a été démontré que l'émissivité de la lumière nocturne est en corrélation avec le développement économique dans les régions infranationales des pays en développement [5]. Une autre variable socio-économique utilisée était la prévalence du logement avec une eau potable et un assainissement améliorés, une surface habitable suffisante et une construction durable en Afrique subsaharienne [38]. La prévalence des maisons construites avec des matériaux finis est plus élevée dans les zones urbaines que dans les zones rurales, affichant respectivement 84 et 34% d'amélioration.

Les variables de précipitation et de température ont été téléchargées à partir de la base de données WorldClim [41]. Cet ensemble de données fournit un ensemble de couches climatiques mondiales obtenues par interpolation d'ensembles de données de stations météorologiques réparties à travers le monde. D'autres covariables utilisées dans les SDM avec des détails sur les sources sont fournies dans le tableau 1. Les grilles d'entrée ont été rééchantillonnées à une résolution spatiale commune de 1 km 2 en utilisant un rééchantillonnage bilinéaire pour l'analyse effectuée avec des données CW. En revanche, une résolution plus fine de 250 m 2 a été utilisée pour la NZ et la SZ pour capturer des informations détaillées [40]. Les couches raster ont été forcées à la même étendue de limite pour permettre l'empilement pour l'analyse. La manipulation et le traitement des rasters ont été effectués à l'aide du package raster dans R V.3.5.3 et des mises en page de carte finales créées avec le logiciel ArcGIS V.10.6 (ESRI, Redlands, CA, USA).

Sélection de variables et développement de modèles

Pour identifier la suite optimale de covariables à inclure dans les modèles de distribution des espèces, les variables ont été regroupées en trois catégories : couverture terrestre, variables socioéconomiques et climatiques [29]. Un test de colinéarité variable avec la méthode de diagnostic Variance Inflation Factor (VIF) a été adopté au sein de chaque groupe. Puisqu'il n'y a pas de critères formels pour décider quand un VIF est trop grand, une valeur seuil générique de VIF ≥ 10 a été utilisé [8]. Cette approche réduit toute colinéarité potentielle et les effets de confusion tels que pour p - 1 variable indépendante,

où ( _i^2 ) est le coefficient de détermination obtenu en ajustant un modèle de régression pour le jeème variable indépendante d'autre part p − 2 variables indépendantes. Après le contrôle de colinéarité, seul Bio1 (Mean Annual Temperature) avait un problème de colinéarité.

Contribution relative variable

Après suppression des variables fortement corrélées, l'éventail des variables influençant l'apparition de mf, ont été identifiés à l'aide d'arbres de régression boostés (BRT). Cette méthode tire des enseignements et des techniques des traditions statistiques et d'apprentissage automatique. L'avantage de cette méthode par rapport aux autres est sa forte performance prédictive et l'identification cohérente des variables et interactions pertinentes. Ici, la probabilité de mf occurrence, oui = 1, dans une communauté échantillonnée avec des covariables X, est donné comme p(oui = 1| X). Cette probabilité modélise via une fonction logit F(X) = p(oui = 1| X).

Analytiquement, la régularisation BRT consiste à optimiser conjointement le nombre d'arbres (NT), taux d'apprentissage (g / D) et la complexité de l'arbre (tc). Le nombre optimal d'arbres a été estimé par la méthode de validation croisée (CV) 10 fois par défaut [15]. Avec un assez lent lr de 0,01, les estimations de CV de NT sont fiables et proches de ceux issus de données indépendantes. Pour assurer la modélisation des interactions possibles entre les prédicteurs, un tc sur 5 a été sélectionné. UNE tc de 1 correspond à un modèle additif, tandis qu'un tc de 2 correspond à un modèle avec jusqu'à des interactions bidirectionnelles, et ainsi de suite [15]. Il a été prouvé que la stochasticité améliore les performances du modèle, et des fractions comprises entre 0,5 et 0,75 ont donné les meilleurs résultats pour les réponses présence-absence [15]. Par conséquent, une fraction de sac de 0,75 et une structure d'erreur de Bernoulli ont été utilisées à partir de maintenant.

L'importance relative des variables a été calculée en mesurant le nombre de fois qu'une variable prédictive est sélectionnée pour la division, et pondérée par l'amélioration au carré du modèle à la suite de chaque division, puis une moyenne sur tous les arbres est déterminée [20] . Exprimant en termes mathématiques, l'influence relative, ( >_j ) des variables d'entrée Xj pour une collection d'arbres de décision ( _m ight>>_1^M ) , est donné par

M est le nombre d'itérations. L'influence relative (ou la contribution) de chaque variable est mise à l'échelle de sorte que la somme s'élève à 100, les nombres plus élevés indiquant une plus forte influence sur la réponse. Un seuil de 10 % a été fixé en dessous duquel une variable est considérée comme n'ayant pas de contribution substantielle au modèle [33]. Les variables qui ont contribué à moins de 10 % dans les deux zones d'étude étaient EVI, DEM, la température nocturne maximale de la surface terrestre, Bio19, Bio18, la température maximale diurne de la surface terrestre, LULC, la température nocturne moyenne et minimale de la surface terrestre. En plus des variables ci-dessus, Bio17, la distance à une masse d'eau intérieure, la densité de population et la température moyenne diurne de la surface terrestre avaient également une contribution inférieure à 10 % dans la zone nord, tandis que l'amélioration des logements, Bio12 et la température nocturne minimale de la surface terrestre avaient un effet contribution insignifiante au modèle pour la zone sud.

Sélection du modèle

Six classes de modèles, à savoir les modèles linéaires généralisés (GLM) [31], les splines de régression adaptative multivariée (MARS) [19], les réseaux de neurones artificiels (ANN) [21], les modèles boostés généralisés (GBM) [15], les forêts aléatoires (RF ) [4], et l'enveloppe de plage de surface (SRE) [3] ont été testés à l'aide du package Biomod2 dans R [36]. Parmi ceux-ci, la forêt aléatoire et le GBM étaient les modèles les plus performants pour ces données et ont donc été utilisés pour modéliser et prédire les environnements adaptés aux FL. Cent (100) exécutions de modèle pour chaque algorithme ont été effectuées de manière itérative, et les valeurs d'évaluation de chaque exécution ont été stockées puis moyennées pour rendre le résultat final plus robuste. L'évaluation du modèle a été effectuée sur la base de l'aire sous la courbe des caractéristiques de fonctionnement du récepteur (ROC). This measures the ability of the final ensemble model to fit the presence-absence data and predict across unsampled locations.


Published by Emerald Publishing Limited. This article is published under the Creative Commons Attribution (CC BY 4.0) licence. Anyone may reproduce, distribute, translate and create derivative works of this article (for both commercial and non-commercial purposes), subject to full attribution to the original publication and authors. The full terms of this licence may be seen at http://creativecommons.org/licences/by/4.0/legalcode

As soon as live music activities ceased following the outbreak of the COVID-19 pandemic, actual measurement of live music's impact gained in prominence. Studies on live music's sociocultural and economic relevance were vital for this sector in order to qualify for government support and to understand the financial consequences of the lockdown (see for example: HoC, 2020 Musicians Union, 2020 and, UK Music, 2020). These types of studies build on a long history of public and private research on live music. Over the last decades, the attention to measuring cultural activities had already grown because of evidence-based policymaking and the calls on cultural organisations to prove their relevance to society (Gielen et al., 2014 O'Brien, 2010). These measures are expected to legitimise the investment of public resources such as subsidies and spaces (Getz et al., 2017 Wall, 2008).

This paper sets out to compare different methodologies for measuring live music's values and to explore the different motivations amongst a range of organisations engaged in that work. In doing so, we focus on popular styles of live music, while acknowledging that the boundaries between popular music and, for example, classical music are not always easy to draw. We understand live music as events “in which musicians (including DJs) provide music for audiences and dancers gathering in public places where the music is the principal purpose of that gathering” (Webster et al., 2018, p. 115). The values of these events concern their potential impact and benefits for people, communities and places. This includes, among others, social, cultural and economic values. The actors involved in measuring the values of live music include not only those involved with the business of music, but local and national government agencies and policy makers and also companies such as property developers linked to business planning. While the number of studies measuring live music's impact is growing, theoretical and methodological reflection is missing. By comparing the motivations and methodologies of different actors, we gain a better understanding of how different ways of measuring live music affect policymaking and conceptions of what live music is and should be. We aim to build bridges between diversified organisations to help them to understand the limitations, challenges and opportunities of their approaches, and where they may benefit from a cross-contamination of methodologies.

This paper presents measuring live music's impact as a complex, multi-faceted phenomenon. We argue that measuring live music is not a neutral activity, but itself constructs a vision on how live music ecologies should function. If live music ecologies are understood as the network of people and organisations enabling musical performances, this implies that those actors who engage in measuring live music are actors in this ecology. In fact, data-derived services (e.g. Songkick, Skiddle) engage in live music measurement as part of their business models. Measurements of live music activity feedback into how live music ecologies function and are organised. For example, when measures emphasise the economic impact of live music, it is likely that policymaking will be directed towards these economic goals. Furthermore, if particular methodologies are incomplete in their measurements, this could lead to oversights in decision-making.

The paper consists of three sections. First, we examine how live music is measured by discussing a range of methodologies (e.g. mapping, censuses and economic impact studies) and data sources (i.e. qualitative and quantitative). Second, we explore who does the measuring, distinguishing actors in the fields of industry, academia and policy. Third, we present a model to compare different approaches, reflecting on their commonalities, tensions and gaps. This model can serve as a resource for those planning new research projects on the impact of live music. We conclude by discussing potential new methodologies and approaches to measuring live music's impact. We draw on the experiences of measuring live music gained in projects from the Netherlands and UK: Staging Popular Music (POPLIVE), [1] Birmingham Live Music Project (BLMP) [2] and the UK Live Music Census [3].


5 Research and Management Implications

While summarizing the best current knowledge of factors driving variability in thermal regimes, our models also provide a foundation for future improvements as monitoring data and GIS coverages improve. Our model will be useful in (1) producing regional maps of thermal regimes characterized both by summer median temperatures and daily range [Maheu et al., 2015 ], (2) predicting reference condition in the absence of anthropogenic impacts, and (3) identifying critical thermal refugia. As evidenced by our outlier analysis (section 2.2), these models are sufficiently accurate to allow managers to identify aberrant temperature regimes related to discharges. We intend to use these maps in conjunction with regional fish monitoring data to examine potential impacts of development on fish communities, as well as the influence of moderating factors. While our current analyses focused on characterization of reference (or impacted) condition at a static point in time, in the future we will expand our approach to evaluate landscape factors affecting the thermal sensitivity of streams. This will allow us to model combined scenarios of land use and climate change to evaluate and prioritize alternative mitigation strategies for minimizing impacts.