Suite

Calculer la distance la plus proche dans ArcView, coordonnées XY


Je suis vraiment perdu et j'ai du mal parce que je n'ai jamais utilisé de système Arc auparavant.

J'ai deux jeux de données. L'un avec des emplacements de maison et l'autre avec des emplacements d'investissement - chacun se localisant par coordonnée XY.

La pièce où je fais mon analyse n'a qu'ArcView, je dois donc l'utiliser.

Je veux calculer la distance entre une maison et l'investissement le plus proche (calculer la distance entre deux coordonnées XY).

Est-ce possible avec ArcView ?

Je souhaite également joindre les variables de l'ensemble de données d'investissement à l'ensemble de données de logement, après avoir calculé la distance la plus proche. Est-ce possible?

Je suis désolé si je ne m'explique pas correctement - je suis juste très confus, si ce n'est pas stata, alors je ne sais pas comment l'utiliser !


Vous pouvez le faire de plusieurs manières (manuellement ou avec un script ou un modèle). Vous finirez probablement par utiliser l'outil Point Distance qui identifiera l'emplacement d'investissement le plus proche de chaque point d'une table et cette table pourra ensuite être jointe à la couche d'emplacement de la maison avec une jointure tabulaire. La distance du point se trouve dans la boîte à outils sous "Outils d'analyse" -> "Proximité".

Modification du tableau : cela vous donnera toutes les distances entre chaque maison et chaque emplacement afin que vous puissiez l'ouvrir dans Excel et filtrer ce dont vous avez besoin ou simplement modifier le tableau pour inclure uniquement la distance la plus courte pour chaque "FID". Il y a plusieurs façons de s'y prendre. Vous pouvez simplement sélectionner la distance la plus courte pour chaque FID, puis exporter le tableau.

Si vous avez trop de fonctionnalités pour rendre cela faisable (même avec Excel), vous devrez alors trouver un script ou un modèle pour sélectionner uniquement les enregistrements avec la distance la plus courte.

Utilisez les emplacements des maisons comme entités d'entrée et les emplacements d'investissement comme entités proches. Regardez le tableau après cette exécution. Vous devrez peut-être manipuler un peu le tableau pour lui donner la forme que vous souhaitez, mais vous pouvez le joindre à votre couche d'emplacement de maison d'origine par un identifiant unique de cette couche.

Vous pouvez cliquer avec le bouton droit sur la couche des emplacements de la maison et choisir "Joindre et mettre en relation" -> "Rejoindre… ". Assurez-vous que "Attributs de jointure d'une table est sélectionné tout en haut. Ensuite, choisissez le champ sur lequel la jointure sera basée dans les emplacements de la maison. Choisissez votre table dans l'outil Distance de point dans la 2ème option et le champ qui correspond.


Cela semble être une répétition de votre question précédente ici, alors s'il vous plaît ne postez pas deux fois. Puisque vous avez mentionné que vous travailliez avec une licence ArcView (c'est-à-dire de base), je me demande comment vous pouvez utiliser l'outil Point Distance, qui nécessite Advanced ?

Pour ceux qui ont Basic/Standard, l'algorithme Near d'ESRI n'est pas trop difficile à implémenter vous-même en Python. Le script suivant montre un exemple de la façon d'écrire un tel algorithme à partir de zéro et fonctionnera à n'importe quel niveau de licence. Si vous n'avez pas de chance avec la suggestion ci-dessus, essayez ce script. C'est écrit comme un outil, mais vous pouvez écrire les GetParamaterAsTexts en tant que chemins codés en dur et les SetProgressorLabels en tant qu'impressions standard si vous deviez l'exécuter dans l'interpréteur. Les "fils à plomb" (mon mot ad hoc d'ailleurs) sont un moyen facile de visualiser les connexions entre les fonctionnalités "Entrée" et "Proche" (ou "Source" et "Cible").

__author__ = "John K. Tran" __contact__ = "[email protected]" __version__ = "2.0" __created__ = "6/11/15" """Compare toutes les entités ponctuelles cibles à toutes les entités ponctuelles source et renseigne l'ID et la distance de chaque cible avec la source la plus proche. Peut éventuellement créer des fils à plomb pour visualiser les liens entre les fonctionnalités source et cible.""" import arcpy import os import math import random arcpy.SetProgressor("Default", "Firing up script… " ) # Configurez les paramètres initiaux pour le script. source = arcpy.GetParameterAsText(0) # Classe d'entités ponctuelles target = arcpy.GetParameterAsText(1) # Classe d'entités ponctuelles sourceIDfield = arcpy.GetParameterAsText(2) # Champ pour identifier l'ID unique des valeurs Source targetIDfield = arcpy.GetParameterAsText(3) # Champ pour identifier l'ID unique des valeurs cibles createplumblines = arcpy.GetParameterAsText(4) # Emplacement de sortie facultatif pour les lignes à plomb. Peut laisser vide si désiré. arcpy.env.parallelProcessingFactor = "100%" #Convertir les types de champs arcpy pour l'argument "Field Type" dans AddField_management. fieldtypedict = {"Blob":"BLOB", "Date":"DATE", "Double":"DOUBLE", "Guid":"GUID", "Integer":"LONG", "Raster":"RASTER" , "Single":"FLOAT", "SmallInteger":"SHORT", "String":"TEXT", "OID":"LONG"} # Récupère le type de champ pour le champ ID source, afin que nous puissions créer un champ analogue pour NearID dans la cible. sourcefields = arcpy.ListFields(source) targetfields = arcpy.ListFields(target) sourceIDfieldtype = fieldtypedict[[field.type for field in sourcefields if field.name == sourceIDfield].pop()] # Obtenir les références spatiales pour la source et la cible et assurez-vous qu'ils sont identiques. sourcespatialref = arcpy.Describe(source).spatialReference targetspatialref = arcpy.Describe(target).spatialReference assert sourcespatialref.name == targetspatialref.name, "La source et la cible doivent avoir le même système de coordonnées. Assurez-vous que les deux données sont dans un système de coordonnées." # Créez un champ "NearestID" dans le fc cible si celui-ci n'est pas disponible. arcpy.SetProgressorLabel("Ajout de champs") si "NearestID" n'est pas dans [field.name pour le champ dans targetfields] : arcpy.AddField_management(target, "NearestID", sourceIDfieldtype) si "NearestDist" n'est pas dans [field.name pour le champ dans targetfields]: arcpy.AddField_management(target, "NearestDist", "FLOAT") # Crée une classe Point avec une méthode de distance. Il est plus efficace que l'objet natif arcpy.Geometry, qui possède de nombreuses fonctions supplémentaires. class Point(object): def __init__(self, x, y, ID): """Créez le constructeur pour initialiser le point.""" self.x = x self.y = y self.ID = ID def GetDist( self, OtherPoint): """Détermine la distance entre deux points à l'aide du théorème de Pythagore.""" return math.sqrt((self.x-OtherPoint.x)**2+(self.y-OtherPoint.y)** 2) # Créez une liste de points sources à comparer avec chaque point cible. scount = 0 sourcepoints = list() avec arcpy.da.SearchCursor(source, ["[email protected]", sourceIDfield]) comme sourcecursor : pour la ligne dans sourcecursor : si scount % 100 == 0 : arcpy.SetProgressorLabel(" Gathering Source Points : {0} features complete".format(str(scount))) sourcepoint = Point(row[0][0], row[0][1], row[1]) sourcepoints.append(sourcepoint) scount + = 1 if "sourcecursor" dans dir() : del sourcecursor # Crée plusieurs variables de démarrage si la création de fil à plomb a été activée. if createplumblines: targetpoints = list() plus proches = list() arcpy.CreateFeatureclass_management(os.path.dirname(createplumblines), os.path.basename(createplumblines), "POLYLINE", None, "DISABLED", "DISABLED", targetspatialref ) arcpy.AddField_management(createplumblines, "ID", sourceIDfieldtype) # Parcourir chaque cible et comparer avec chaque source. # Conservez la source de distance la plus basse et remplissez les champs ID et Distance dans la cible. count = 0 avec arcpy.da.UpdateCursor(target, ["[email protected]", targetIDfield, "NearestID", "NearestDist"]) comme targetcursor : pour la ligne dans targetcursor : if count % 100 == 0 : arcpy.SetProgressorLabel( "Distance de calcul et cible de peuplement : {0} caractéristiques terminées".format(str(count))) targetpoint = Point(row[0][0], row[0][1], row[1]) la source la plus proche = Aucun closedist = 100000000.0 # Définir une distance arbitrairement grande pour la comparaison initiale. pour le point de source dans les points de source : currentdist = targetpoint.GetDist(sourcepoint) if currentdist 

Les résultats ressembleront à ceci (bien que cette capture d'écran ait été faite en comparant des points à des lignes). Le FC "Target" aura 2 champs ajoutés nommés "NearestID" et "NearestDist". Les « lignes à plomb » afficheront les chemins réels vers l'entité la plus proche. Sa table attributaire contiendra également des informations supplémentaires.

Faites-moi savoir si vous rencontrez des problèmes lors de l'exécution du script. Cela fonctionne pour les comparaisons de géométrie point à point.


Calculer la distance la plus proche dans ArcView, coordonnées XY - Systèmes d'Information Géographique

1 Département de Géologie, Université des Sciences de Tunis, Tunis Manar II, Tunisie

2 Centre de recherche et de technologie de l'eau, Borj Cedria, Tunisie

Courriel : [email protected], [email protected], [email protected], [email protected]

Copyright & copie 2013 Khemiri Sami et al. Il s'agit d'un article en libre accès distribué sous la licence Creative Commons Attribution, qui permet une utilisation, une distribution et une reproduction sans restriction sur tout support, à condition que l'œuvre originale soit correctement citée.

Reçu le 3 juin 2013 révisé le 2 juillet 2013 accepté le 2 août 2013

Mots clés: Gestion SIG Géodatabase Modélisation des ressources en eau

La rareté des eaux peu profondes, sujet délicat dans le sud tunisien, est relativement compensée par les ressources en eaux souterraines. En effet, le Sud contient 25% des réserves d'eau du pays dont 10% sont des eaux superficielles. Les différentes études hydrogéologiques montrent que la région de Zeuss-Koutine est composée de plusieurs systèmes aquifères, qui peuvent être subdivisés en deux niveaux distincts un superficiel et un profond. Ces ressources en eau montrent des signes de surexploitation localisée qui ont un effet sérieux sur le changement des caractéristiques de l'hydrosystème dans cette région. Récemment, la Tunisie s'est montrée très intéressée par l'apport des nouvelles technologies notamment le Système d'Information Géographique (SIG) pour résoudre le problème de déficit des ressources en eau en Tunisie essentiellement dans la partie sud semi-aride, en plus de l'exploitation accrue des ressources en eaux souterraines, non renouvelable essentiellement au cours des dernières années. Par conséquent, la préservation des ressources en eau à court et à long terme est une nécessité. Ce fait pourrait être réalisé par le système d'information géographique (SIG). Pour répondre à cet objet, des études hydrologiques et hydrogéologiques détaillées sont efficaces, et un Système de Gestion de Base de Données Relationnelles Géographiques (SGBDR) par modèle MERISE a été créé dans cette étude pour l'organisation de toutes ces données de manière structurée (méthode) et était facilement exploitable dessous. De plus, une corrélation lithostratigraphique par le SIG est très importante pour comprendre la géométrie de l'aquifère et les interactions hydrodynamiques. La corrélation entre les données multiples montre une forte dégradation croissante du Sud vers le Nord (à la fois la qualité et la quantité de la nappe phréatique de Zeuss-Koutine). C'est pourquoi une autre étude de la qualité de l'eau (salinité) et de l'exploitation est considérée comme cruciale.

L'eau est un élément essentiel pour le développement industriel, agricole et touristique mais elle devient de plus en plus rare, surexploitée, inégalement répartie et plus polluée.

De nombreuses études et modèles ont été proposés dans le but d'évaluer ou d'évaluer et de surmonter ces problèmes par ordre provisoire ou durable.

Cette étude tend à proposer une aide à la gestion de l'eau à l'aide d'outils SIG par des manipulations de données et avec des solutions pratiques et des recommandations. Pour atteindre cet objectif, un développement et une mise en œuvre d'une base de données relationnelle et d'un SIG opérationnel pour une planification et une gestion efficaces et durables des eaux souterraines de Zeuss-Koutine seront effectués.

Pour une étude géologique détaillée, une interaction de l'aquifère et un échange entre les aquifères, l'intrusion d'eau de mer et la recharge sont tout à fait nécessaires.

Ces travaux comportent une campagne de terrain (travaux), une coupe géologique, une analyse qualitative (piézométrique, salinité, géochimie), quantitative (débit et exploitation), et la détermination de l'extension géométrique du réservoir.

L'utilisation de systèmes d'information géographique (SIG) pour l'analyse des données hydrologiques spatiales a fourni de nombreux avantages pour l'autorisation et la conception des ressources en eau. En effet, différentes techniques sont utilisées telles que l'analyse spatiale, et l'interpolation en développant le MNT et l'extraction de ces dérivées, nous avons fourni de nouveaux supports et de nouveaux plans d'information répondant efficacement à nos besoins.

Tous ces attributs et informations spatiales ont été admis dans le Système de Gestion de Base de Données Géographique Relationnelle (SGBDR), pertinent non redondant et facilement exploitable permettant une meilleure gestion des ressources en eau.

Un Système d'Information Géographique (SIG) est un outil d'information dynamique pour stocker, organiser et spatialiser des données de manière globale, persistante et avec moins de redondance.

Le processus de mise en œuvre des systèmes d'information géographique (SIG) commence par la décision initiale d'utiliser un SIG [1], passe par la sélection du système, la collecte d'informations et la classification des données sous deux formats : format spatial et attributaire, installation d'acquisition et de traitement, formation et au développement de bases de données et à la génération de produits.

Ce système a démontré sa simplicité d'utilisation et son efficacité dans d'autres ouvrages de gestion des ressources en eau c'est pourquoi nous l'avons choisi pour réaliser notre présente étude. La réalisation du « Zeuss-Koutine » et du « SIG » nécessite les différentes étapes ci-dessous ( Figure 1 ).

2.1. Collectes et manipulation de données d'attributs

Informations géologiques, hydrologiques et hydrogéologiques suivies à partir d'études antérieures qui se sont intéressées à la région de Zeuss-Koutine. Il s'appuie également sur les rapports disponibles pour les forages DGRE, SONEDE (institutions tunisiennes) [2].

Toutes les données d' attribut sont classées dans le tableau 1 suivant .

Ensuite, nous devons choisir un système de gestion de base de données relationnelle pour l'organiser. Un système de gestion de base de données géographiques relationnelle RGDBMS est une application logicielle conçue pour organiser le stockage et l'accès efficaces et efficaces des données sur les ressources en eau dans une base de données relationnelle comprenant un ensemble de tables, chacune étant une liste bidimensionnelle (ou un tableau) d'enregistrements contenant des attributs sur les objets en cours d'étude.

Dans la première, la conception de la géodatabase a été élaborée et la modélisation par le logiciel PowerAMC, il y a trois étapes principales de modélisation des données d'attributs dans le SGBDR :

&bull Modèle Conceptuel de Communication (CCM)

&bull Modèle de base de données conceptuel (MDP)

Figure 1 . Graphique montrant les étapes suivies dans cette étude.

&bull Modèle de base de données physique (MPD)

Dans la deuxième étape, le PDM généré sera autorisé dans le logiciel Access Windows.

L'organisation des données spatiales commence par le géoréférencement. Le géoréférencement décrit le processus de localisation d'une entité en coordonnées « du monde réel ». Elle consiste à établir une relation mathématique entre des coordonnées tirées d'une carte planaire (pouces ou millimètres) et des coordonnées réelles (géographiques).

Cette étape est directement liée au type de projection cartographique. Dans notre cas nous avons choisi la projection UTM (Universal Transverse Mercator Zone 32).

2.3. Numérisation et topologie

Après géoréférencement, la numérisation des différentes cartes topographiques et géologiques de la zone d'étude a été effectuée. Le secteur d'étude couvre quatre cartes (1/100 000) de Mareth, Ajim, Matmata et Medenine la création de couches vectorielles a été réalisée à l'aide d'une table numérique avec les modules Arc Edit d'Arc Info qui transforme les entités spatiales définies précédemment en format vectoriel (X, Y ).

L'interpolation est un moyen de générer des informations vers des points de l'espace non levés, c'est la plus grande opération dans la production de modèles numériques d'élévation. Il identifie, après une série de valeurs connues, l'estimation de données supplémentaires dans des zones sans échantillons [3]. L'utilisation du krigeage ordinaire, en pédologie et en hydrologie, est courante et largement acceptée [4].

Les principales techniques d'interpolation sont les suivantes :

§ IDW (pondéré par distance inverse)

§ Spline La méthode d'interpolation spline convient à de nombreuses applications. Elle consiste à faire passer une ligne par les points du voisinage et à minimiser la courbure de la surface (équation de la fonction mathématique de la surface). Le voisinage est défini par les (n) points les plus proches.

Dans cette étude, nous utilisons cette technique pour développer des cartes de salinité, de piézométrie et des cartes dérivées du Digital Elevation Model DEM utilisé essentiellement pour la modélisation hydrologique du bassin de Zeuss-Koutine.

2.5. Classification et analyse spatiale

Dans la dernière étape, la classification se fait par couleur ou par tout critère descriptif (symbole) [5] c'est une étape critique pour une meilleure visualisation de la distribution spatiale des paramètres hydrogéologiques comme l'évolution piézométrique, la salinité et les éléments géochimiques. De nouveaux plans d'information, histogrammes, courbes statistiques peuvent être réalisés après l'analyse spatiale et les couvertures croisées qui dépendent de critères déterminés, reproduisant les supports de bonnes interprétations quantitatives [6], qualitatives et géostatistiques de la ressource eau traitée.

Lors de la numérisation dans Arc Info, des tables ont été créées automatiquement et d'autres ont également été générées manuellement.

2.6. DEM et ces dérivés

Pour la modélisation hydrologique et l'interprétation hydrologique de Zeuss-Koutine, un modèle numérique d'altitude a été créé dans ArcGIS à l'aide d'un modèle 3D et d'un analyste dans Surfer 8.0. En réalité, le DEM est une représentation mathématique du terrain altimétrique [7]. Les altitudes en tous points sont calculées à l'aide d'un algorithme d'interpolation [8]. Il permet de créer des cartes thématiques, des cartes iso-valeurs, des vues en trois dimensions, le calcul de volumes et de surfaces [9].

Les données DEM et les dérivés DEM sont utilisés pour définir les limites des bassins, les caractéristiques des débits et soustraire les paramètres topographiques (pente, exposition. ).

Tableau 1 . Collectes de données d'attributs.

3. Résultats et interprétation

La nappe phréatique de Zeuss-Koutine est située au sud-est de la Tunisie elle est incluse dans la plaine côtière de la Jeffara au sud de Gabès. Il est situé entre les latitudes 37𑴲' et 37𑵚', et les longitudes 8𑵚' et 9𑴼'. Ce secteur s'étend sur une superficie de 920 km 2 . La limite nord est formée par une ligne joignant la sebkhet Oum Ezassar et la région de Henchir Fredj. Les limites nord-ouest et sud-est sont représentées par les reliefs du nord du Dahar. La limite Sud est caractérisée par les reliefs de la Tebaga de Médenine jusqu'à Tadjeras. La limite Sud de Zeuss-Koutine est constituée par la faille de Médenine ( Figure 2 ).

La double influence maritime et continentale sur notre région engendre une grande variabilité spatio-temporelle des températures et des précipitations. La température moyenne annuelle dans cette région est de 20°C, alors que le pluviomètre moyen annuel est inférieur à 200 mm/an.

L'évapotranspiration annuelle dans les stations de Gabès et Médenine dépasse 1300 mm [9].

La réserve aquifère de la zone Zeuss-Koutine appartient au grand maillage aquifère de la Jeffara [10].

C'est un multicouche complexe composé de quatre niveaux aquifères qui sont classés du plus ancien au plus récent comme suit [11] :

&bull Calcaires et dolomies du Jurassique supérieur

&bull Calcaires et dolomies de l'Albo-Aptien

&bull Dolomites et calcaires dolomitiques du Turonien

&bull Deux unités du Sénonien inférieur : l'unité calcaire et l'unité marno-gypseuse.

Ces différentes nappes aquifères ( Figure 3 ) forment une entité hydrogéologique multicouche où les relais sont assurés par des failles et un drainage vertical [12]. Ben Baccar a estimé en 1982 le débit de l'eau pompée à 212 l/s et le débit moyen minimum des sources à 5 l/s alors que le débit continu fictif est de 350 l/s.

3.2. Modélisation des données sémantiques

L'organisation de la base de données diverse disponible et attribuable nous a conduit à une phase préparatoire de conception [13], qui est élaborée par l'application Power AMC et dans le but d'éliminer les erreurs et les redondances par rapport à un modèle défini, le modèle relationnel MERISE dans notre cas .

MERISE est une méthode de structuration des données sous forme d'ensembles d'enregistrements ou de tuples afin que les relations entre différentes entités et attributs puissent être utilisées pour l'accès et la transformation des données.

Cette phase préliminaire de cette étude sera suivie d'une deuxième phase de gestion de base de données organisée dans un système de gestion de base de données sous application d'accès.

&taureau 3.2.1. Modèle de communication conceptuel

Dictionnaire de la base de données &bull ( Figure 4 ). L'unité de la base de données rassemblée est regroupée dans des tableaux comprenant [14] leur description détaillée (formats, taille et caractéristiques).

Figure 3 . Niveau de l'aquifère stratigraphique.

&bull Définition de l'organisation Il définit le système et les éléments externes et internes avec ce que le flux d'informations échange dans un diagramme conceptuel de flux. Comme le montre la figure 5, les principes d'élaboration de l'organisation des tables, outre les acteurs internes et externes comme les flux d'informations nécessaires utilisés dans notre cas.

&bull Diagramme de contexte : Le diagramme de contexte est utilisé pour représenter le flux d'informations entre l'organisation et les acteurs externes selon une représentation standard dans laquelle chaque élément a son propre nom.

&bull Diagramme de flux conceptuel ce diagramme permet de décomposer l'organisation en une série d'acteurs internes.

3.2.2. Modèle de base de données conceptuel : CDM

L'élaboration de MDP de type relationnel nécessite la définition des paramètres suivants :

&bull Définition des tables (entités) et associations : au cours de ce travail, nous avons constitué 16 tables (localisation, strate, bassins versants, piézomètres, etc.) où 4 items représentent les revêtements graphiques (topographique, géologique, hydrogéologique et tectonique) et 18 relations (associations).

&bull Clé primaire et clé inconnue : on note ici que chaque table doit avoir un champ clé ou identifiant (ID) appelé « clé primaire », qui est nécessaire pour définir les relations et réaliser les liens entre les tables variées.

&bull La cardinalité : elle définit le nombre minimum et maximum d'occurrences de la relation pouvant exister pour chaque couple « entité (table)-association » ( Figure 6 ).

Une fois toutes les tables et associations élaborées, nous aurons notre modèle conceptuel de base de données (MDP) (Figure 7).

3.2.3. Modèle de base de données physique : PDM

Après avoir conçu notre Modèle Conceptuel de Base de Données (CDM), il est maintenant opportun de le transposer dans un Modèle de Base de Données de Logique Relationnelle (MLD) par l'application de règles définies, telles que les Contraintes d'Intégrité Fonctionnelle (FIC) et celle de la migration des identifiants d'un élément à un autre. Ceci a pour but de définir les tables de manière optimale afin de limiter (réduire) les redondances et d'éviter les anomalies de stockage à partir de la mise à jour. Cette étape conduit à un MPD de modèle physique de base de données, composé de 24 tables.

La validité de ce modèle est vérifiée par SQL Modeler Software, qui sera introduit successivement (plus tard) dans un système de base de données de gestion relationnelle RMDBS sous Access [15]. La mise en œuvre du PDM

sous accès est suivie de la création de demandes et de formulaires répondant aux besoins des usagers et des investisseurs pour la gestion des ressources en eau.

3.3. Informations géologiques

Le géoréférencement et la numérisation des fonds de cartes géologiques et topographiques au 1/50.000 de Medenine Ajim, Matmata et Mareth dans un logiciel SIG, nous ont permis d'avoir une idée géologique, géomorphologique, structurale et hydrologique de la zone d'étude (Figure 8).

A partir des cartes géologiques et lithologiques du bassin de Zeuss-Koutine, obtenues par numérisation et fusion de plusieurs feuilles géologiques, on peut décrire les faciès de nivellement de la zone d'étude [16].

Le Paléozoïque est marqué par l'affleurement du Permien supérieur qui n'apparaît que sur le Jebel Tebaga de Médenine. Ce niveau est marin, argileux à la base, carbonaté au sommet. Il constitue le substratum des formations aquifères situées à l'ouest de la faille de

Graphique 6 . Lien entre table et association.

Les affleurements des niveaux triasiques se trouvent dans le djebel Rehach au sud-est de la Jeffara (Figure 8).

Le Jurassique dans la région de Tadjera à de nombreux affleurements autour du Jebel Tebaga Mednine, est représenté par la gradation Lias en termes oxfordiens. Il s'agit principalement de calcaire et de dolomie à séquence marneuse.

Les formations du Crétacé inférieur ont complètement disparu dans la région de Tebaga Mednine. Le Crétacé supérieur est représenté par une sédimentation marine qui se caractérise par l'alternance des formations dolomitiques et calcaires avec des dépôts argilo-marneux contenant parfois du gypse [17].

Les gisements du Mio-Pliocène sont absents dans la chaîne du Dahar, couvrent toute la plaine de la Jeffara, ils sont discontinus au bas du Crétacé supérieur (Figure 8).

Ce sont des dépôts continentaux, dont le faciès caractéristique est des argiles gypseuses rougeâtres (formation de Zarzis) [18].

L'ancien quaternaire Villafranchien-Pléistocène est constitué d'une croûte calcaire ou gypseuse à concrétions calcaires roses [18]. Son épaisseur varie de 2 à 10 m. tandis que la terrasse du Quaternaire tardif dépose, des limons alluviaux et des rivières.

1) Les failles Trois types de failles sont scrutées dans le Sud-Est tunisien et mentionnées par Mamou, A., en 1990.

﹣ Failles d'effondrement d'âge post Oligo-Miocène, direction NW-SE pour l'effondrement des reliefs orientaux du Dhar, la plus importante est la faille d'effondrement Médenine caractérisée par son rejet de 1000 m (Figure 8).

﹣ Les failles de compression à direction orthogonale aux précédentes et sont responsables des failles d'effondrement pour la création des structures Horst et Graben de Djeffara (Faille de Zerkine, faille du Graben de Mareth…).

﹣ Des failles post-quaternaires de réajustement [19] avec de petits rejets et dont la présence est matérialisée par des émergences (failles de la rivière du Zigzaou, Gabès, Kettana…). Ils sont responsables de la fracturation des formations calcaires aquifères.

2) Discordances Les principales discordances sont la discordance de Sidi Stout où le Trias supérieur est discontinu en raison du Trias inférieur et la discordance de Barrémo-Aptien et de l'Albien sur le Jurassique.

Le DEM qui a été réalisé sous surfeur montre la

la morphologie et les principales structures qui apparaissent dans la zone d'étude comme suit :

Le monoclinal du Djebel Tebaga de Médenine est caractérisé par les affleurements du Permien supérieur, avec une direction Est-Ouest et un plongement 60 vers le Sud [20].

Le Dahar présente des séries de plus en plus jeunes du Jurassique puis du Crétacé inférieur.

La plaine côtière de la Jeffara qui constitue le résultat

de l'effondrement de la partie est monoclinale de Dahar.

Cet effondrement est causé par un maillage de failles normales de direction NW-SE dont la plus importante est la faille de Médenine ( Figure 8 ).

Cette structure est l'anticlinal de l'ère tadjera (Tadjera) effondré en son milieu et ayant une direction NW-SE. La série jurassique est discordante avec le Trias inférieur à moyen [21].

3.4. Gestion des eaux de surface et souterraines

La carte du réseau hydrographique ( Figure 9 ) a montré que la zone de Zeuss Koutine est traversée par trois rivières principales qui descendent de Dahar jusqu'à la côte la rivière Zigzaou se jette en mer (golfe de Gabès), tandis que les rivières de Zeuss et Koutine-Oum Ezzassar vidange en sebkhet Oum Ezzassar [22].

La cartographie de la densité des réseaux montre une concentration localisée de ces réseaux dans la partie sud-est, qui peut être retenue comme la meilleure source de recharge des eaux souterraines ( Figure 9 ).

1) Système Géométrie de l'aquifère L'observation des coupes de forages captant la nappe phréatique de ZeussKoutine confirme l'organisation de l'aquifère en deux compartiments hydrogéologiques différents divisés par la faille de Médenine en amont de cette faille, la nappe se loge au Jurassique et localement à l'Albo- Aptien.

En revanche, à l'aval il se loge dans le Turonien et le Sénonien [23]. A la limite Nord des bassins versants, c'est la faille de Mareth qui coupe la nappe phréatique du Sénonien de Zeuss-Koutine qui appartient à la nappe phréatique du Sud Gabès. Au sud des bassins versants, la faille de Tadjera sécurise le décalage entre la nappe phréatique du Jurassique et celle du Trias. En conséquence, les deux forages Koutine 5 (N˚IRH 8736/5) et Koutine 6 (N˚IRH 8737/5) englobant le Trias ( Figure 9 ).

2) Analyse de l'eau Une couverture, qui localise les points de forages de la nappe phréatique, a été créée par le logiciel ArcGIS, et a été nommée « Forages », et (supprimer) ensuite nous avons appliqué l'application de densité au réseau hydrographique qui fait l'objet de localiser la zone importante de recharge. Il a été noté que les anticlinaux de Hamra et Berino sont la meilleure zone pour la recharge des eaux souterraines de ZeussKoutine (Figure 9).

Cette couverture est un type « point » à partir duquel on peut aborder diverses informations concernant chaque forage telles que le niveau piézométrique, le niveau statique de la nappe phréatique, la salinité, le résidu sec, la température, les paramètres hydrochimiques (Ca 2+ , Mg 2+ , Na + , K + , , Cl − , et) [24,25]. Toutes ces informations concernant les forages sont introduites dans les tables attributaires sur Excel et sur ArcGIS ( Tableau 2 ).

Cette dernière couverture peut être considérée comme cours de base à partir duquel de nouvelles couvertures peuvent être générées à l'aide d'algorithmes issus du logiciel ArcGIS parmi ces couvertures [26] nous citons la carte de transmissivité, les cartes des niveaux piézométriques et de salinité pour chaque année ou pour un période définie.

En effet, durant les trois années, cette nappe aquifère est considérée comme les niveaux piézométriques les plus bas. Cet aquifère est à l'étude au Nord de la zone d'étude qui se caractérise par une faible puissance malgré l'apport et par une surexploitation.

Comme ci-dessus, nous proposons de faire l'étude de la piézométrie pour chaque aquifère au cours des années 2000 à 2011. Ces données piézométriques de l'aquifère jurassique et de l'Albien-Aptien ont été interpolées et cartographiées à l'aide d'« ArcGIS ».

Graphique 1 0 . Niveau piézométrique en 2011.

Même si cette exploitation a été réduite au cours de 2008, les forages collectant cet aquifère ont toujours des débits d'exploitation élevés 72 et 54 l/s respectivement pour Zeuss 1 (7241/5) et Zeuss1a (7306/5).

Sur la base des résultats obtenus par corrélation entre 1982 et 2008 l'évolution piézométrique et le fonctionnement d'une part et la corrélation entre exploitation et la salinité d'autre part illustrent une exploitation intensive croissante d'une année sur l'autre qui se traduit par une augmentation proportionnelle des résidus secs. (Figure 1 0 ) et ( Figure 1 1 ).

L'étude piézométrique au niveau de l'aquifère a révélé une direction générale de l'écoulement avec des tendances NS SSE-NNW et NNE-SSW. Il a également démontré que l'aquifère sénonien a le niveau piézométrique le plus bas en raison de la surexploitation.

En effet, c'est la nappe jurassique qui a illustré le niveau piézométrique le plus important en raison d'une alimentation directe importante de la nappe triasique au Sud.

5) Salinité de l'eau Les valeurs, mesurées lors des analyses géochimiques pour l'étude de la salinité, liées au résidu sec. The study of salinity was done by aquifer for both wet and dry seasons during the two years 2000 and 2011. As shown in Figure 1 1 .

According to the results obtained, we see that the difference between dry season and wet season is not very clear in 2011.

There are the same results deduced for the previous years 2000 and 2003. For some drillings, the dry residue increases from the winter to the summer, in other conditions or cases the opposite takes place.

A perfect agreement is established between the directions of the groundwater flow and the variation of dry residue. The study of salinity by aquifer level showed a total increase up to 2011. It indicates increasing from the South to the North of the groundwater according to the direction of flow.

The salinity of the Jurassic aquifer is the lowest because of its direct feeding in the zones which are close to the surface utilizing from its good karstification, or by waters of the Triassic sandstone less salty. The water of the Senonian aquifer is saltier due to the effect of overexploitation.

3.5. Linkage and Notion of Geo-Coding

The alpha digital data base constituted under Access permit to gather treats, manages, and assures the timelessness of database collected from Zeuss-Koutine water table.

However, this database does not permit from its own to totally respond to preoccupation of decision-makers and local actors of water domain. In this case [27], setting up Geographical Information System (GIS) realized under software GIS for the management of subterranean waters aim at mutualizes and diffuses the information on the subterranean waters, has permitted studying and modeling Zeuss-Koutine watersheds and groundwater table.

A Geographical Information System (GIS) is not operational until the connection between the alpha digital and graphical database is functioning and well established.

It is very interesting to specify the relationship nature that may be carried out between Access and software GIS.

In order to carry out the relation between spatial and tabular database, we have chosen personal Geo Database method, which consists of spatialize data based presented under access: first of all, we export the Corresponding Access chart in software GIS thanks to a relationship of Select Query Language (SQL) type [27], then we join this chart with the software GIS theme in this software. In this type of relationship, if a field or a registration is updating in Access, the update will be reverberated on the joint chart in software GIS and vice versa. The presence of common charts between these two database type is important.

We have chosen in the following to present the example of the relationship between the cover of hydrographic network (under software GIS) and the chart of SURFACE_DISCHARGE (under Access) towards a new attributable chart created under a software GIS and which we have called ID_DISCHARGE, which is the designation of primary key in SURFACE_DISCHARGE chart.

The procedures are successively:

&bull Establish a connection between all the charts presented under Access and software GIS assure the geo-coding between the different chart SURFACE_DISCHARGE and the hydrographic network corresponding here by the link with attributed charts and hydro geologic cover. Finally, verify the melting of this column in one by the module under software GIS, which allowed us to make a link between GIS and the database realized under Access.

&bull Our data base model is concluded, and we have done the same work for other covers (geologic, topographic, and tectonic) and in addition to fill this model under software GIS by the hydro geologic and geologic database already collected.

&bull Finally, a user interface under Visual Basic and Map object environment has been created after the realization of specialized requests answering the expected questions and specific forms that will facilitate subsequently the consultation and manipulation of graphic and alpha digital database of our work.

In order to facilitate the display we have create a new buttons with the AVENUE programming, the script is as follows:

&bull 'Script Name hyperlinkscript.ave

&bull theDSN = "bd1" 'an ODBC System Data Source

&bull theDatabase = "bd1.mdb" 'the Database to connect to

&bull theTbl = "forages" 'the Access Table that you are Querying

&bull theIDColunm = "forages-ID" 'the Unique ID Column of the Access Table

&bull theCriteriaFld = "nom_forages" 'the name of the Criteria Field of the themes attribute table

&bull 'theQuery = Change the SQL statement to return the appropriate fields "[]" from your table in "'*****theQuery*****" below

&bull 'Any number field in an RDBMS that has a width of 9 and a precision of 0 will be represented

&bull 'in Arcview as a Long field type. Often data in these fields will be represented using scientific

&bull 'notation. You can display the entire field value by setting the number definition format

&bull 'Get the active theme in the view.

&bull 'Return point click on by user.

&bull 'Get the feature that intersect the point.

&bull if (FeatureList.count "") then

&bull 'system.execute("C:Program FilesAdobeAcrobat 6.0Readeracrord32.exe")

&bull msgBox.Info("This record has no document to link to.","Document Not Found")

&bull end This interface facilitates the exploitation of information plans that permits the decision-makers to have a detailed idea about the studied system, which favors directly a good management of water resources.

In the first step, the use of GIS technique (Georeferencing, Digitalization, Spatial Analysis, Interpolation, DEM and derivatives. ) has allowed us to conclude a detailed geomorphology, geology, hydrology and hydrogeology characteristics of our area of study.

The results obtained by analysis of both existing and new extracted data prove the abundance of the anticline structures in the Northern, Western, and Southern part of the sector, which are the areas of Mareth, Matmata and Tebaga of Medenine’s mountain.

The central and Eastern parts are marked by structures of low altitude which are the plain of Jeffara and the coastal plains of the Golf of Gabes.

The morphometric analysis of the subcatchments reveals the general causes behind the high-intensity floods and high sediment yield, which can be summarized as follows [20].

&bull The sub-catchment Zeuss-koutine having the largest area has the highest potential to contribute in the runoff at the outlet.

&bull Also, land use/land cover analysis shows that subcatchment Zeuss-koutine has most of the area covered by open shrub land and bare ground and less forest cover, so it is less resistant to runoff and thus causing erosion.

&bull Land cover change analysis shows that, although there is less anthropogenic disturbance in the catchment [26], some of this disturbance is along the stream network. So this factor is one of the contributors for erosion and sediment yield.

&bull The contribution of the peak floods by the two biggest subcatchments zeuss and koutine, subcatchments, at the same time due to nearly equal time of concentration, is the main reason behind the high flood intensity.

The superposition of these data with those of density of hydrographic network and direction of flow [28] give us the direction of surface water area. The predominant direction is from NW to SE and S to E. It enables us to locate the principal areas and sources of recharge of underground aquifer levels.

The topographic map made by digitalization shows that the average altitude of the plain is 150 m. More than 80% of the basins have an altitude lower than 250 m with a uniform slope of 1%. This promotes a high runoff geomorphology.

In the second part of this study, the use of the MERISE method modeling have allowed to store all data required in tables wish constitutes the hydrogeological database [29]. Each table concerns only either punctual (Boreholes, cities. ) or linear (hydrographic network. ) or polygonal forms (watersheds. ).

The main table contains general attributes information of Zeuss-Koutine basin (area, geographic position. ).

Another table contains more specific information as quantitative data (Piezometric, Volume, flow. ), qualitative data (salinity, hydrochemistry. ), geological data and technical characteristics.

The relationships (One-to-One or One-to-many) between those tables are made in using a unique number (identifier “ID-number”).

Furthermore, to ease data encoding, storage and queries construction, dictionaries (chemical parameters, topographic maps, consultant offices, laboratories. ) were added as reference tables replacing descriptions by IDnumbers.

To improve the use of the database, several pre-defined queries are included in the project, like geocentric query, query based on the owner, on the topographic map, on the investigated aquifer.

A user-friendly interface (forms) is made to help the encoding and the reading in the database [30].

This georeferenced database is linked to an ArcView GIS project, by spatial and a Standard Query Language (SQL) connection (existing GIS function).

The hydrogeological data stored in the database can be easily updated [31-34] and represented on the hydrogeological map. All points of the maps are linked to the hydrogeological database by their unique number. For this project, a new Avenue extension (BDHydro.avx) has been developed for ArcView GIS.

This allows to query directly and easily the data stored in the access database from the Arc View project [35]. All information about wells, piezometers. (all points) can be visualized by a simple click on one of the element of the map. It is thus possible for the user to shows in the GIS project for example a hydraulic head evolution, exploited volumes, a chemical analysis table, a drill technical and geological log diagram [36].

The use of GIS has grown quickly in groundwater management and research. GIS is now widely used to create digital geographic database, to manipulate and prepare data as input for various model parameters, and to display model output [37]. This hydrogeological mapping program will allow in the near future to meet efficiently the needs for a more considered and effective management of Zeuss-Koutine groundwater thanks to coupling of a Geographical Information System with a complex hydrogeological database [38].

In this study, several data-processing tools are employed to develop a GIS prototype and geographic RDBM which include geological, hydrological, and hydro geological data which meet the needs of the users and the organizations.

The geolocalisation, the vectorization, the interpolation, the spatial analysis and the superposition of another database give an appropriate numerical support (geological, lithological, structural charts and hydrographic chart of network) and are easily exploitable and interpretable by managers. New plans were generated, such as the Digital Elevation Model and the derivatives (the slopes map, topographic cuts, hydrographic chart of density and chart of the buffer zone for the analyzed water points).

Thus, providing additional information and tools for decision makers in many fields, such as geology and geomorphology, gives an approximate qualitative and quantitative idea about the water of the study area.

This work also locates the principal sectors of refill, the direction of the flow, the overexploited zones and other exploited areas.

The underground water recharge is made by infiltration on the Jurassic outcrops at the South, those of the Cretaceous in the West and the zones of the Matmata reliefs and by the infiltration of surface waters of hydrographic network.

The Triassic sandstone groundwater constitutes the only external contribution to the Zeuss-Koutine aquifer.

The reliefs of Matmata and the beds of the rivers Zeuss, Zigzaou and Oum Ezassar are the zones of preferential feeding, the areas of Ksar Chrarif and Koutine as well. This fact is due to the proximity of the roof of the groundwater to the surface and the significant karstification of these aquifer formations.

The analysis of this information will help to understand the different stages of the design of various management rules of water resources. Hence, it leads to reliable decisions that meet the requirements of management, execution of drilling, and monitoring resources water table of Zeuss-Koutine.

This model is an interactive and an updated one. Furthermore, it is essential when a modification will be produced. Also, it can be ameliorated by the incorporation of other data, such as satellite images and geophysical applications which can be used to provide additional information for water resources management of the web of Zeuss-Koutine.


Tuesday, 23 September 2014

Mapping (Cartographic) 'Consulting'

Excerpt of Venezuelan Map Project

September Experience

    : Which saves one particular view : I can convert a Legend in ArcGIS and break the components as individual pieces : A library of style sets (for symbology purposes) can be crafted and reloaded back into Symbology library : If your shapefiles are stored in different places (in same directory I believe), this tool allows quick retrieval of files should they move around

I would like to thank my readers and my friends for offering me challenging opportunities.

Contact me via the blog through the links at the right navigation pane for cartographic consulting


Voir la vidéo: Distance entre les points. arcgis (Octobre 2021).