Suite

Ajouter des points au fichier de formes et les afficher sur la carte de manière interactive à l'aide des compléments Python


Je souhaite ajouter des points à un fichier de formes de manière interactive à l'aide de pythonaddins et les afficher sur la carte. Les points sont ajoutés au fichier de formes mais ne s'affichent pas. S'il vous plaît suggérer comment corriger cet écart.

class AddPoints(object): """Implementation for points_addin.tool1 (Tool)""" def __init__(self): self.enabled = False self.shape = 3 def onMouseDownMap(self, x, y, button, shift): xy = (x,y) curseur = arcpy.da.InsertCursor(r'C:/temp/points.shp', ("[email protected]")) cursor.insertRow([xy]) arcpy.RefreshTOC() arcpy. ActualiserVueActive()

Lors de l'utilisation d'un curseur d'insertion, l'objet inséré Peut-être pas être écrit dans la classe d'entités dès que vous appelezinsérer une ligne, Python est basé sur C et C utilise des objets filestream avec mise en mémoire tampon de Windows et ne sont pas vidés tant que leOFstream::flush();s'appelle… cela signifie peu du point de vue Python mais doit encore être compris. Il est préférable de faire disparaître le curseur, qui appellera le flush dans son destructeur.

Deux méthodes peuvent être utilisées pour cela, d'abord laavecméthode (voir Python avec):

def onMouseDownMap(self, x, y, button, shift): xy = (x,y) avec arcpy.da.InsertCursor(r'C:/temp/points.shp', ("[email protected]")) comme curseur : cursor.insertRow([xy]) arcpy.RefreshTOC() arcpy.RefreshActiveView()

la méthode plus ancienne (pour moi en tout cas) est ladelinstruction (voir Python del):

def onMouseDownMap(self, x, y, button, shift): xy = (x,y) cursor = arcpy.da.InsertCursor(r'C:/temp/points.shp', ("[email protected]")) curseur .insertRow([xy]) del curseur arcpy.RefreshTOC() arcpy.RefreshActiveView()

Dans les deux cas, votre point sera forcé d'afficher et de mettre à jour l'étendue du fichier de formes.


Comment ajouter des étiquettes de données aux cartes dans Power BI

Récemment, on m'a demandé si les valeurs des cartes pouvaient être affichées sur la carte et, bien sûr, la première chose à laquelle j'ai pensé était de simplement activer les étiquettes de données. Eh bien, si vous lisez ceci, vous savez déjà qu'il n'existe actuellement aucun moyen d'ajouter des étiquettes de données. Maintenant, je dis actuellement car l'équipe Power BI apporte toujours des changements et cela pourrait un jour être là.

Premièrement, ce n'était pas mon idée. Quand j'ai réalisé qu'il n'y avait pas d'option d'étiquette de données, je savais que quelqu'un dans la communauté aurait trouvé une solution, et j'avais raison !

Grâce aux personnes formidables qui contribuent à community.powerbi.com, la réponse n'était qu'un "google kungfu" chercher loin. Si vous souhaitez voir le message d'origine du forum où Sean "Super Contributor" a aidé un autre utilisateur de Power BI, consultez l'URL suivante :

Ce blog se penchera sur les trois éléments suivants :

  • Pourquoi cette solution de contournement fonctionne
  • Comment le mettre en place et le configurer
  • Préoccupations et problèmes avec cette méthode

Auparavant, j'utilisais deux fois le terme fichier de formes sans autre explication, ce qui est un peu méchant et je ne veux pas être méchante, alors…

Le format Shapefile signifie données géospatiales sous forme de points, de lignes ou de polygones, typiquement utilisé dans les SIG (Système d'Information Géographique). L'extension du fichier de formes est .shp, mais pour l'affichage des données, vous avez en fait besoin de 3 fichiers dans un dossier, .shp, .shx et .dbf.

Si polygone ressemble plus à un nom pour le vaisseau spatial Jean-Luc Piccard a dû voler, alors que son Enterprise était en réparation, vous aurez une meilleure idée de l'exemple suivant. C'est le polygone de la commune française d'Asnières-sur-Oise (polygone le plus proche du vaisseau spatial que j'ai pu trouver après quelques essais aléatoires).

Ici, nous pouvons voir que les polygones ou les données géospatiales de GeoDataFrames en général peuvent être affichés de la même manière que les lignes dans Pandas DataFrame classique, en utilisant méthode iloc. Pour l'image du polygone, nous devons rechercher colonne avec actif géométrie,où sont stockées les données sous forme de coordonnées GPS. (La colonne avec la géométrie active sera très probablement nommée géométrie.)

La colonne avec système de coordonnées (géométrie) est ce qui distingue GeoDataFrame dans GeoPandas des autres DataFrames dans Pandas.

La lecture et la visualisation de GeoDataFrame sont très similaires à un simple DataFrame (sauf pour la nécessité déjà mentionnée d'avoir les fichiers .shp, .shx et .dbf dans un dossier afin de charger le shapefile) :


Ajouter des points au fichier de formes et les afficher sur la carte de manière interactive à l'aide des compléments Python - Systèmes d'information géographique

Alors que le monde connaît actuellement la crise de Covid-19, bon nombre de nos utilisateurs travaillent à distance (à part : pour plus de détails sur la façon d'utiliser EViews à la maison, visitez notre page de licence Covid) soucieux de suivre les données sur la propagation du virus dans certaines parties de le monde. Il existe de nombreuses sources d'informations sur Covid-19, et nous avons pensé montrer comment récupérer certaines de ces sources directement dans EViews, puis afficher quelques graphiques des données. (Veuillez visiter notre article de suivi pour quelques exemples de graphiques supplémentaires).

Table des matières

Données de Johns Hopkins

Pour commencer, nous récupérerons les données de la collection de séries temporelles Covid-19 du Johns Hopkins Whiting School of Engineering Center for Systems Science and Engineering. Ces données sont organisées en trois fichiers csv, l'un contenant les cas confirmés, contenant les décès et l'autre les récupérations au niveau des pays et des États/provinces. Chaque fichier est organisé de telle sorte que la première colonne contient le nom de l'état/de la province (le cas échéant), la deuxième colonne le nom du pays, les troisième et quatrième contiennent la latitude et la longitude moyennes, puis les colonnes restantes contenant les valeurs quotidiennes.

Il existe un certain nombre d'approches différentes qui peuvent être utilisées pour importer ces données dans un fichier de travail EViews. Nous allons démontrer une approche qui empilera les données dans un seul fichier de travail de panneau. Nous commencerons par importer les données des cas confirmés. EViews est capable d'ouvrir directement des fichiers CSV sur le Web en utilisant le Fichier->Ouvrir->Données étrangères en tant que fichier de travail élément du menu:


Figure 1 : Chemin ouvert JH

Ce qui donne le fichier de travail suivant :


Figure 2 : fichier de travail JH

Chaque jour de données a été importé dans sa propre série, le nom de la série étant la date. Il existe également des séries contenant le nom du pays/région et le nom de la province/état, ainsi que la latitude et la longitude.

Pour créer un panneau, nous voulons empiler ces séries de dates en une seule série, ce que nous pouvons faire simplement avec le Proc->Remodeler la page actuelle->Empiler dans une nouvelle page…


Figure 3 : Boîte de dialogue de données de pile JH

Étant donné que toutes les séries que nous souhaitons empiler ont une structure de nommage similaire –, elles commencent toutes par un “_”, nous pouvons demander à EViews de s'empiler en utilisant “_?” comme identifiant, où ? est un caractère générique. Cela se traduit par la page de fichier de travail empilé suivante :


Figure 4 : fichier de travail de données de pile JH

Ce qui est proche de ce que nous voulons, nous devons simplement ranger certains des noms de variables et demander à EViews de structurer la page comme un véritable panneau. Les informations de date ont été importées dans la série alpha VAR01, que nous pouvons convertir en une véritable série de dates avec :

Les données des cas réels sont stockées dans la série actuellement nommée "_", que nous pouvons renommer en quelque chose de plus significatif avec :

Et puis enfin on peut structurer la page comme un panneau en cliquant sur Proc->Structure/Redimensionner page en cours, en sélectionnant Panneau daté comme type de structure et en remplissant la date et en remplissant les informations sur la section et la date :


Figure 5 : Restructuration du fichier de travail JH

Lorsqu'on nous demande si nous souhaitons supprimer les valeurs vides, nous sélectionnons non. Nous avons maintenant un panel bidimensionnel, avec deux ensembles d'identifiants transversaux – un pour la province/l'état et l'autre pour le pays :


Figure 6 : Panneau JH 2D

Si nous voulons résumer les données au niveau de l'État pour créer un panel traditionnel avec uniquement le pays et l'heure, nous pouvons le faire en créant une nouvelle page de panel basée sur les indices de cette page. Clique sur le Nouvelle page en bas du fichier de travail et sélectionnez Spécifier par série d'identifiants. Dans la boîte de dialogue résultante, nous saisissons la série de pays comme identifiant de section transversale que nous souhaitons conserver :


Figure 6 : page JH par ID

Ce qui donne un panneau. Nous pouvons ensuite copier les séries de cas de notre page de panneau 2D vers la nouvelle page de panneau avec un copier-coller standard, mais en veillant à changer la méthode de contraction en Somme dans la boîte de dialogue Collage spécial :


Figure 7 : Boîte de dialogue Coller JH


Figure 8 : Fichier de travail du panneau JH

Avec les données dans un fichier de travail de panneau standard, tous les outils EViews standard sont désormais disponibles. On peut visualiser un graphique des cas par pays en ouvrant la série de cas, en cliquant sur Affichage->Graphique, puis en sélectionnant Coupes individuelles comme le Option panneau.


Figure 9 : Graphique JH de toutes les sections transversales

Ce graphique peut être un peu lourd, nous pouvons donc réduire le nombre de coupes transversales à, disons, seuls les pays qui ont, jusqu'à présent, connu plus de 10 000 cas en utilisant la commande smpl :


Figure 9 : Coupes JH avec plus de 10000 cas

Bien sûr, tout cela aurait pu être fait dans un programme EViews, et il pourrait être automatisé pour combiner les trois fichiers de données, pour aboutir à un panel contenant les cas, les décès et les récupérations. Le code EViews suivant produit un tel panneau :

Données du Centre européen de prévention et de contrôle des maladies

Le deuxième référentiel que nous utiliserons est celui des données fournies par le site de données Covid-19 de l'ECDC. Ils fournissent des données extrêmement faciles à utiliser pour chaque pays, ainsi que des données sur la population. L'importation de ces données dans EViews est triviale – vous pouvez ouvrir le fichier XLSX directement en utilisant le Fichier-> Ouvrir les données étrangères en tant que fichier de travail boîte de dialogue et en saisissant l'URL du XLSX dans le Nom de fichier boîte:


Figure 10 : Chemin ouvert ECDC

Le fichier de travail résultant ressemblera à ceci :


Figure 11 : fichier de travail ECDC

Tout ce que nous avons à faire est de le structurer sous forme de panneau, ce que nous pouvons faire en cliquant sur Proc->Structurer/Redimensionner la page actuelle puis en saisissant les identifiants de section et de date (on choisit aussi de garder un panel déséquilibré en décochant la case Équilibre entre les débuts et les fins boîte).


Figure 12 : Boîte de dialogue WF de la structure ECDC

Le résultat est un fichier de travail du panneau EViews :


Figure 13 : Série ECDC

Les données fournies par l'ECDC contiennent le nombre de nouveaux cas et de décès chaque jour. La plupart des présentations des données de Covid-19 ont porté sur le nombre total de cas et de décès par pays. Nous pouvons créer les totaux avec le @cumsum fonction qui produira la somme cumulée, remise à zéro au début de chaque section transversale.

Avec ce panel, nous pouvons effectuer une analyse de données de panel standard ou produire des graphiques (voir les exemples Johns Hopkins ci-dessus). Cependant, étant donné que l'ECDC a inclus des codes de pays ISO standard pour les pays, nous pouvons également lier les données à une carte géographique.

Nous avons trouvé un fichier de formes simple du monde en ligne et l'avons téléchargé sur notre ordinateur. Dans EViews, nous cliquons ensuite sur Objet->Nouvel objet->GeoMap pour créer une nouvelle carte géographique, puis faites glisser le .prj fichier que nous avons téléchargé sur la géocarte.

Dans la boîte de propriétés qui apparaît, nous lions les pays définis dans le shapefile aux identifiants dans le fichier de travail. Étant donné que le fichier de formes utilise des codes ISO et que nous les avons dans le paysetterritoires séries, nous pouvons les utiliser pour mapper le fichier de travail sur le fichier de formes :


Figure 14 : Propriétés de la géocarte

Ce qui donne la géocarte globale suivante :


Figure 15 : Géocarte globale

Nous pouvons utiliser le Étiqueter: liste déroulante pour supprimer les étiquettes de pays pour donner une vue plus claire de la carte (notez que cette fonctionnalité est un ajout récent, vous devrez peut-être mettre à jour votre copie de EViews pour voir le Rien option).

Pour ajouter des informations de couleur à la carte, nous cliquons sur Propriétés et puis le Couleur languette. Nous allons ajouter deux paramètres de couleur personnalisés : un remplissage en dégradé pour afficher les différences dans le nombre de cas, et une seule couleur unie pour les pays avec un grand nombre de cas :



Figure 3a : Gamme de couleurs de la géocarte ECDC Figure 3b : Seuil de couleur de la géocarte ECDC

Et puis entrer cas comme la série de coloriage. Cela donne une carte :


Figure 17 : Géocarte ECDC

Encore une fois, tout cela pourrait être fait par programmation avec le programme suivant (notez que les plages de coloration devront être modifiées à mesure que le virus se répandra plus largement):

Données du comté américain du New York Times

Le référentiel de données final que nous examinerons est celui des données du New York Times pour les États-Unis au niveau des comtés. Ces données sont également triviales à importer dans EViews, vous pouvez à nouveau simplement entrer l'URL du fichier CSV pour l'ouvrir. Plutôt que de parcourir les étapes de l'interface utilisateur, nous publierons simplement les deux lignes de code requises pour importer et structurer en tant que panneau :

Notez que le New York Times a commodément fourni le code FIPS pour chaque comté, ce qui signifie que nous pouvons également produire des cartes géographiques. Nous avons téléchargé une carte du comté des États-Unis à partir du Texas Data Repository, puis lié le FIPS série dans le fichier de travail avec le FIPS_BEA attribut de la carte :


Figure 17 : Propriétés Geomap FIPS

Le code complet pour produire une telle carte est :

Sneak Peaks

L'une des fonctionnalités sur lesquelles notre équipe d'ingénieurs a travaillé pour la prochaine version majeure d'EViews est la possibilité de produire des graphiques animés et des cartes géographiques (les plus avertis d'entre vous ont peut-être remarqué la Animer sur quelques-unes de nos captures d'écran). Bien que cette fonctionnalité soit un peu éloignée de la sortie, les données de Covid-19 donnent un ensemble intéressant de procédures de test, et nous avons pensé partager certains des résultats.


Comment voulez-vous que les lecteurs utilisent la carte ?

Cette carte sera-t-elle l'histoire ou sera-t-elle un complément à une autre histoire ? Sera-ce quelque chose auquel les utilisateurs pourront revenir encore et encore ou s'agira-t-il plutôt d'une utilisation ponctuelle, lorsque les lecteurs le verront, comprendront le point et passeront à autre chose ? Peut-il se suffire à lui-même en tant que site Web indépendant ? Cela a-t-il du sens? Si c'est le cas, il devra raconter l'intégralité de l'histoire que vous essayez de faire passer. Cela aura un impact sur vos données et votre conception. Cependant, si votre carte est intégrée dans une autre page avec des informations à l'appui, elle peut être un peu plus légère et faire passer le message.


Ajouter des points au fichier de formes et les afficher sur la carte de manière interactive à l'aide des compléments Python - Systèmes d'information géographique

Il existe de nombreuses ressources qui ne sont pas formatées nativement pour fonctionner avec les SIG. Les exemples les plus courants sont les cartes papier historiques ou les documents qui n'ont pas été numérisés ou référencés spatialement. Le personnel de NPGS est expert dans la recherche de solutions créatives pour donner vie à des informations imprimées ou non spatiales. Ces services spécialisés comprennent :

  • Numérisation des fonctionnalités – Le terme général pour amener des informations imprimées dans un format numérique. Cela peut prendre la forme de traçage de cartes imprimées dans un système informatique, de traduction de notes d'enquête en caractéristiques spatiales ou de transcription de texte imprimé dans une base de données.
  • Géoréférencement et rectification d'amplis – Numérisation de cartes papier historiques et alignement spatial des caractéristiques dans un format numérique
  • Création de références spatiales pour les données non spatiales – Lier des données tabulaires (informations textuelles, enregistrements numériques, etc.) à des caractéristiques spatiales à l'aide de techniques de bases de données relationnelles
  • Réparation de données – Parfois, le SIG est plus un art qu'une science. Discutez avec nos experts pour vous aider à résoudre vos problèmes de données

GPS fournit des données. SIG dessine des données.

GPS – abréviation de Global Positioning System – est un réseau d'environ deux douzaines de satellites en orbite autour de la Terre qui envoient des informations à des appareils qui écoutent leur signal plus près du sol. Téléchargez cette superbe infographie, gracieuseté de GPS.gov pour une illustration de cette technologie étonnamment simple, mais extrêmement puissante.

D'autre part, SIG – abréviation de système d'information géographique – peut être considéré comme un logiciel informatique qui aide les utilisateurs à afficher des données spatiales. Le SIG peut prendre des informations de localisation enregistrées à partir d'un appareil GPS et les afficher sur une carte sur des images aériennes, des routes, des informations topographiques et toute autre couche de carte de base imaginable.

Il existe un certain nombre d'environnements de programmation uniques qui peuvent contribuer à résoudre les problèmes liés aux SIG.

  • Python est largement utilisé pour automatiser les workflows de traitement. Les scripts Python peuvent être rapidement développés pour effectuer automatiquement une tâche spécifique, pour exécuter et réexécuter une série compliquée de procédures impliquant la logique et le bouclage, et tout le reste
  • VB.NET / C# / F# / Java sont couramment utilisés pour étendre les progiciels SIG. Ceux-ci peuvent être sous la forme d'un bouton unique qui exécute une fonction personnalisée, ou d'une combinaison de boutons, menus, formulaires et autres contrôles interactifs qui fonctionnent ensemble pour automatiser les flux de travail. Ces types de fonctionnalités sont appelés compléments.
    Java / Objectif c / C# / Qt/QML sont utilisés pour développer des applications mobiles pour les appareils Android, iOS et Windows
  • Javascript est un outil puissant utilisé dans le développement Web. Ce langage est utilisé pour configurer des applications de cartographie basées sur un navigateur et un mobile, pour fournir une interactivité à l'utilisateur et pour communiquer des informations entre un navigateur, une carte et un utilisateur.
  • HTML, CSS, et un grand nombre d'autres langages de script Web prennent en charge les projets de cartographie basés sur un navigateur
  • SQL est utilisé pour communiquer avec les bases de données. Les données SIG sont presque toujours stockées dans une certaine forme de structure de base de données, il est donc important de savoir comment demander à une base de données d'identifier et de partager des sous-ensembles d'informations spécifiques avec le logiciel SIG
  • Visual Basic / Script VB / Javascript (encore une fois) sont utilisés pour formater des bits de données à l'intérieur de progiciels SIG. Par exemple, un utilisateur peut utiliser un script VB pour combiner divers éléments de données attributaires afin de former une étiquette de carte plus utile. De manière plus compliquée, de courts scripts VB et javascripts peuvent être développés pour formater de petits paquets de données de manière très spécifique en utilisant la logique et l'itération. De plus, des macros peuvent être écrites pour aider à formater les données à l'aide de divers progiciels tiers

Le terme Entreprise est utilisé pour décrire un niveau d'intégration matérielle et logicielle qui existe dans l'ensemble d'une organisation. Un environnement SIG d'entreprise bien construit permet à tout utilisateur d'une organisation d'accéder, de traiter et de partager rapidement les données SIG.

Oui. North Point Geographic Solutions fournit des services de conseil, d'assistance et de développement SIG sur site. De nombreux services peuvent être facilement exécutés et coordonnés à distance, mais nous sommes heureux de fournir une assistance SIG sur site, une formation, l'installation de matériel et de logiciels et le développement d'applications personnalisées dans n'importe quel endroit. Veuillez nous contacter pour les tarifs en dehors de la région du Haut-Midwest.

NPGS fournit généralement des services GPS de qualité cartographique (ou « de qualité ressource »). La principale distinction entre la collecte de données GPS de qualité topographique et cartographique dépend du niveau de précision requis par un projet. Les données GPS de qualité topographique peuvent être jusqu'à 100 fois plus précises que les données GPS de qualité cartographique. La qualité des données GPS que North Point Geographic Solutions recueille est d'une précision horizontale d'au moins 1 mètre, tandis que la qualité des relevés offre une précision horizontale allant jusqu'à 1 cm.

Alors pourquoi collecter et utiliser des données GPS de qualité cartographique au lieu d'une qualité d'enquête ?

  • Temps – Fournir des données de qualité d'enquête nécessite beaucoup plus de temps pour saisir, rectifier et corriger. Le personnel du NPGS peut rapidement déployer une équipe pour collecter, corriger et commencer à rapporter des données de qualité cartographique en beaucoup moins de temps
  • Coût – Le temps, c'est de l'argent, donc naturellement un déploiement rapide réduira considérablement le coût d'un projet. De plus, un équipement d'enquête dédié est nécessaire pour saisir les données de qualité d'enquête. Le personnel de NPGS est équipé d'unités GPS Trimble Juno de haute qualité avec des boîtiers résistants aux intempéries, robustes, légers et dotés d'appareils photo numériques intégrés avec des batteries longue durée. En outre, de nombreuses applications peuvent être facilement déployées sur des applications mobiles accessibles par tout utilisateur disposant d'un appareil Android, iOS ou Windows Mobile.
  • Conditions – La plupart des projets de cartographie ne nécessitent qu'une précision de qualité de cartographie. Le personnel de NPGS peut se coordonner pour répondre aux besoins de tout projet.

Considérations supplémentaires:

  • Plus grande précision de collecte de données SIG
  • Emportez les données SIG d'entreprise sur le terrain pour les mises à jour
  • Intégration GPS avec caméras
  • Pas besoin de cartes de terrain papier

Il existe une grande variété d'utilisations des SIG. North Point Geographic Solutions fournit tout, des solutions individuelles à la gestion de projet et à la formation du cycle de vie complet, y compris :

  • Développement d'applications Android / iOS / Web personnalisées
  • Conception cartographique
  • Collecte de données GPS et levé d'ampères
  • Architecture, gestion et maintenance de la base de données
  • Numérisation et création de données
  • Développement de projets et gestion d'amplis
  • Construction et gestion de SIG/base de données/réseau d'entreprise
  • Analyse statistique et scientifique avancée
  • Formation personnalisée
  • Conseil d'experts
  • Impression, édition et finition

Nous offrons des décennies de recherche universitaire avec une expérience éprouvée dans l'utilisation de la technologie géospatiale pour analyser et résoudre n'importe quel problème. Contactez-nous pour discuter de vos besoins dès aujourd'hui.

Pensez : "Google Earth pour la science".

Le terme Systèmes d'information géographique – ou SIG en abrégé – fait généralement référence à des progiciels utilisés pour créer des cartes, ainsi qu'organiser, traiter, analyser et afficher des données spatiales.

Plus largement, un système d'information géographique est l'infrastructure construite pour soutenir une gamme de projets impliquant des données spatiales. Cela peut inclure les systèmes informatiques qui exécutent le logiciel SIG, ainsi que les imprimantes, les équipements de numérisation, les équipements GPS et d'arpentage, les serveurs de bases de données, l'infrastructure de réseau, etc. Au-delà des éléments informatiques, un SIG peut inclure les méthodes et techniques choisies pour collecter, manipuler, et diffuser des informations.

Le domaine des sciences de l'information géographique est la branche de la géographie dédiée à la théorie de l'analyse quantitative des données spatiales, de la télédétection et de la cartographie.

L'objectif du SIG est d'aider à répondre aux questions sur le monde.

Plus précisément, le logiciel SIG facilite l'intégration de diverses pièces uniques – ou couches – d'informations. Cela permet aux utilisateurs de produire des cartes illustratives simples à des mesures complexes d'interactions qui sont autrement cachées à la vue.

L'échelle d'un SIG peut aller d'un simple mashup interactif de données sur une page Web à un réseau à l'échelle de l'entreprise de serveurs, d'ordinateurs de traitement et d'équipements d'arpentage et de production, qui doivent tous fonctionner de manière transparente avec des techniciens hautement qualifiés. Les logiciels SIG vont d'applications et de scripts open source gratuits à des suites logicielles très complexes qui nécessitent un investissement important en licences, en matériel et en personnel pour être entièrement pris en charge.

Le SIG peut résoudre des problèmes petits et grands. Selon la façon dont on exploite la technologie, un travail puissant peut être accompli à diverses échelles. Parlez à notre équipe d'experts de North Point Geographic Solutions pour identifier vos besoins dès aujourd'hui.


Aide pour mapper les fichiers .gdb dans Python/logiciel gratuit ?

Salut à tous. J'ai beaucoup de mal à faire des progrès sur ce projet SIG, en grande partie parce que je viens d'un programme de science des données où personne ne sait tout sur les SIG. J'ai essayé des trucs et j'ai rencontré le genre de problèmes que je ne sais pas si j'ai le temps de surmonter.

l'objectif : créer une carte qui agrège les données du rapport de la société Audubon sur les oiseaux et le changement climatique (https://www.sciencebase.gov/catalog/item/55897deae4b0b6d21dd61c9d). Je veux soit mettre en évidence les zones où de nombreux oiseaux se chevauchent, soit créer une carte interactive qui vous permet de voir quels oiseaux ont des aires dans un espace sur lequel vous cliquez, en fonction de la façon dont les choses se passent une fois que je peux réellement commencer.

ce que j'ai essayé : GeoPandas : j'ai réussi à cartographier un .gdb d'une seule espèce à titre d'exemple, mais il ne montre qu'un seul polygone en sortie, alors que je sais pertinemment que chaque espèce .gdb contient plusieurs couches. Je ne peux pas trouver un moyen de contourner cela.

Mango : mangomap.com J'ai juste utilisé ceci pour regarder un exemple. Il faut beaucoup de temps pour que quelque chose s'exécute, et bien qu'il mappe les calques ensemble, il semble que je devrais manuellement entrer dans chaque calque et changer la couleur moi-même pour les afficher différemment. trop laborieux pour la dizaine de couches pour chacune des centaines d'espèces.

qgis : https://www.qgis.org/en/site/ celui-ci semble apparaître comme une alternative open source à ArcGIS, mais son installation sur mon Mac ne fonctionne même pas. Quelque chose sur le fait que mon Python est installé via Anaconda, alors que qGIS ne l'est pas ?

Alors, pourquoi pas ArcMap ? Cela coûte de l'argent, principalement. Je suis un pauvre étudiant, mon programme n'inclut pas de licences et je l'ai utilisé à l'université pour ne pas pouvoir obtenir un autre essai gratuit.

Quelqu'un d'autre a-t-il essayé de faire quelque chose avec plusieurs couches de carte en Python ? J'utilise l'installation et le code d'Anaconda dans Jupyter Notebooks. Je serais d'accord pour apprendre un nouveau programme aussi, tant qu'il me permet d'afficher les couches d'une manière qui a du sens, ou me permet d'agréger des couches (je suppose que je devrais expliquer: mon objectif est de combiner les gammes d'espèces d'oiseaux et catégoriser les zones en fonction du nombre d'aires de répartition d'espèces qui s'y chevauchent, pour montrer une compétition approximative dans ces zones).

Je sais que c'est long et je demande beaucoup, alors merci d'avance pour toute aide !


Méthodologie

Bon, maintenant que nous sommes sortis du bois figuratif, passons aux données elles-mêmes. Voici les étapes que j'ai utilisées pour créer une carte géospatiale avec des métadonnées pour ces noms de lieux de la saga.

Collecte de données, noms de lieux :

Le texte imprimé a été numérisé et numérisé à l'aide d'ABBYY FineReader 11.0, qui effectue une reconnaissance optique de caractères pour garantir que les fichiers PDF sont lisibles (ou « la reconnaissance de caractères optionnelle, comme j'aime dire) et convertis en un fichier XML. J'ai ensuite utilisé le format de codage flexible du XML pour encoder manuellement les mentions de noms de lieux à l'aide du protocole TEI et d'un schéma personnalisé. Dans le fichier XML, les noms ont été nettoyés de l'OCR et normalisés en fonction de l'orthographe anglicisée pour garantir la possibilité de rechercher dans les données, et pour la recherche dans les moteurs de recherche tels que Google, cela a permis d'économiser une étape dans le nettoyage des données une fois que j'avais transformé le XML dans un CSV.

Voici l'en-tête TEI du document XML, notez qu'il s'agit de balises imbriquées, tout comme HTML.

Extraction/nettoyage de données

Afin d'extraire les données, le document XML a été enregistré au format CSV. Littéralement, "Fichier > "Enregistrer sous". C'est un énorme avantage d'utiliser un balisage flexible comme XML, par opposition à un logiciel d'annotation dont il peut être difficile d'extraire des données, comme NVivo, dont j'ai parlé ici sur le blog de Columbia University Library dans une description de ma méthodologie. . Dans le fichier brut d'origine non nettoyé, les colonnes représentaient les variables d'encodage et les lignes représentaient le texte encodé. J'ai nettoyé les données pour éliminer les redondances de colonnes et les espaces vides superflus, ainsi que pour préserver les variables suivantes : nom de lieu, chapitre et saga du nom de lieu, type d'utilisation du nom de lieu et présence du nom de lieu dans la poésie, la prose ou le discours. J'ai également revérifié mon orthographe ici aussi–la prochaine fois, pas de codage manuel !

Voici le fichier CSV après l'avoir nettoyé (c'était un gâchis au début !)

J'ai enregistré des fichiers CSV individuels, mais j'ai également conservé les informations associées dans un document Excel. Une feuille, présentée ici, était une clé pour toutes les variables de mes colonnes, afin que n'importe qui puisse déchiffrer mes données.

Métadonnées résultantes :

Une fois extraits, j'ai géocodé les noms de lieux à l'aide du logiciel open source Quantitative Geographic Information Systems (QGIS), qui est remarquablement similaire à ArcGIS sauf GRATUIT, et a pu accueillir certains de ces caractères islandais spéciaux dont j'ai parlé plus tôt. Le fichier géospatial résultant est appelé un fichier de formes, et QGIS vous permet de lier le fichier de formes (contenant vos données géospatiales) avec un fichier CSV (qui contient vos métadonnées). Cette fonctionnalité m'a permis de lier mes points géocodés à leurs métadonnées correspondantes (le fichier CSV que j'avais créé plus tôt, qui avait un nom de lieu, sa saga respective, toutes ces bonnes choses) avec un numéro d'identification unique.

Visualisation des données, ou LE GRAND RÉVÉLATION

Bien que QGIS soit un logiciel puissant et très accessible, ce n'est pas le plus convivial. Cela prend un peu de temps à apprendre, et je ne m'attendais certainement pas à ce que tous ceux qui voudraient voir mes données veuillent aussi apprendre de nouveaux logiciels ! À cette fin, j'ai utilisé la bibliothèque JavaScript Leaflet pour créer une carte interactive en ligne. Vous pouvez le vérifier ici–notez qu'il y a une barre latérale qui vous permet de filtrer les informations sur le type d'entité géographique que comprend le nom de lieu, et des fenêtres contextuelles apparaissent lorsque vous cliquez sur un nom de lieu afin que vous puissiez voir combien de fois il se produit dans le trois sagas hors-la-loi. En voici une pour les mentions de pays également.

Cliquez sur cette image pour accéder au lien et interagir avec la carte.


Liste des tampons

Générez plusieurs tampons individuels ou un seul tampon unifié autour de plusieurs points.

La création de zones tampons est un concept central de l'analyse de proximité SIG qui vous permet de visualiser et de localiser des entités géographiques contenues à une distance définie d'une entité. Par exemple, considérons une zone où des éoliennes sont proposées. Il a été déterminé que chaque éolienne doit être située à au moins 2 km des locaux d'habitation en raison de la réglementation sur la pollution sonore, et une analyse de proximité est donc requise. La première étape serait de générer des polygones tampons de 2 km autour de toutes les éoliennes proposées. Comme les polygones tampons peuvent se chevaucher pour chaque éolienne, l'union du résultat produirait un seul résultat graphique avec une sortie visuelle plus nette. Si des locaux sont situés à moins de 2 km d'une turbine, cette turbine enfreindrait les règlements d'urbanisme.

Cliquez/appuyez sur la carte pour ajouter des points. Appuyez sur le bouton "Créer un ou des tampons" pour dessiner un ou des tampons autour des points (la taille du tampon est déterminée par la valeur entrée par l'utilisateur). Cochez la case si vous souhaitez que le résultat fusionne (combine) les tampons. Appuyez sur le bouton "Effacer" pour recommencer. L'enveloppe en pointillés rouges montre la zone où vous pouvez vous attendre à des résultats raisonnables pour les opérations de tampon planaire avec la référence spatiale North Central Texas State Plane.

  1. Utilisez GeometryEngine.Buffer(points, distances, union) pour créer un Polygon . Les points de paramètre sont les points de mise en mémoire tampon, les distances sont les distances de mise en mémoire tampon pour chaque point (en mètres) et union est un booléen indiquant si les résultats doivent être regroupés.
  2. Ajoutez les polygones résultants (s'ils ne sont pas réunis) ou un seul polygone (s'ils sont réunis) au GraphicsOverlay de la carte en tant que Graphic .

Les propriétés de la projection sous-jacente déterminent la précision des polygones tampons dans une zone donnée. Les tampons planaires fonctionnent bien lors de l'analyse des distances autour des entités qui sont concentrées dans une zone relativement petite dans un système de coordonnées projetées. Des tampons inexacts peuvent toujours être créés en tamponnant des points à l'intérieur de l'enveloppe de la référence spatiale avec des distances qui la déplacent à l'extérieur de l'enveloppe. D'autre part, les tampons géodésiques tiennent compte de la forme incurvée de la surface de la Terre et fournissent des décalages de tampon plus précis pour les entités plus dispersées (c'est-à-dire couvrant plusieurs zones UTM, de grandes régions ou même l'ensemble du globe). Voir l'exemple "Buffer" pour un exemple de tampon géodésique.

Pour plus d'informations sur l'utilisation de l'analyse de tampon, consultez la rubrique Fonctionnement du tampon (analyse) dans le ArcGIS Pro Documentation.


Le registre d'outils OpenTopography fournit un centre d'échange de logiciels, d'utilitaires et d'outils orientés vers la gestion, le traitement et l'analyse des données topographiques haute résolution (par exemple, collectées avec la technologie lidar). Les outils enregistrés ci-dessous vont du code source aux applications logicielles complètes. Nous accueillons les contributions au registre via la page Contribuer un outil.

La description: GRASS est un logiciel gratuit de système d'information géographique (SIG) utilisé pour la gestion et l'analyse de données géospatiales, le traitement d'images, la production de graphiques/cartes, la modélisation spatiale et la visualisation. GRASS est actuellement utilisé dans des milieux universitaires et commerciaux à travers le monde, ainsi que par de nombreuses agences gouvernementales et sociétés de conseil en environnement. GRASS est un projet officiel de l'Open Source Geospatial Foundation.

GRASS a un certain nombre de fonctions liées au traitement et à l'analyse lidar et DEM haute résolution. lidar specific elements of GRASS are discussed here: http://grass.osgeo.org/wiki/LIDAR

La description: The FUSION/LDV analysis and visualization system consists of two main programs, FUSION and LDV (LIDAR data viewer), and a collection of task-specific command line programs. The primary interface, provided by FUSION, consists of a graphical display window and a control window. The FUSION display presents all project data using a 2D display typical of geographic information systems. It supports a variety of data types and formats including shapefiles, images, digital terrain models, canopy surface models, and LIDAR return data. LDV provides the 3D visualization envi ronment for the examination and measurement of spatially-explicit data subsets. Command line programs provide specific analysis and data processing capabilities designed to make FUSION suitable for processing large LIDAR acquisitions.

Command line utilities and processing programs, called the FUSION LIDAR Toolkit or FUSION-LTK, provide extensive processing capabilities including bare-earth point filtering, surface fitting, data conversion, and quality assessment for large LIDAR acquisitions. These programs are designed to run from a command prompt or using batch programs.

FUSION runs on all current versions of Windows and has been successfully used on LINUX systems using WINE. The FUSION/LDV visualization system is GUI based. The command line tools require the use of batch files to be most effective.

La description: Landlab is a Python-based modeling envi ronment that allows scientists and students to build numerical landscape models. Landlab was designed for disciplines that quantify earth surface dynamics such as geomorphology, hydrology, glaciology, and stratigraphy, but can also be used in related fields.

Landlab provides components to compute flows (such as water, sediment, glacial ice, volcanic material, or landslide debris) across a gridded terrain. With its robust, reusable components, Landlab allows scientists to quickly build landscape model experiments and compute mass balance across scales.

La description: LP360 for ArcGIS is an extension to ArcMap that allows visualizing and processing of very large point clouds (LIDAR and dense image matching) in a familiar GIS desktop envi ronment. Available in three levels of capability, LP360 provides tools from rapid visualization and derived product generation through advanced features such as automatic ground classification and building footprint extraction.

LP360 adds to the native viewing capabilities of ArcGIS 10.1 by providing the capability to work with very large projects such as county-wide aerial LIDAR data sets. From Quality Check to advanced feature extractions, LP360 is the tool of choice for LIDAR professionals throughout the world.


Voir la vidéo: GIS Tools: ArcMapArcGIS Tool for counting inside features. points (Octobre 2021).