Suite

Joindre Textfile à Shapefile Arc 10 et 10.2 Différences


J'essaie de rejoindre un fichier texte généré dans stata qui inclut caoname, caoid et fips. Le code fips doit correspondre à une carte de comté de fichier de formes qui correspond à la catégorie cntyidfp.
Dans ArcGIS 10.0, une jointure directe basée sur ces attributs fonctionne. Cependant, dans la version 10.2, ArcGIS permet uniquement de joindre le cntyidfp au caoname, ce qui est totalement inutile.
Quelle est la différence entre les deux versions qui rend cela difficile ?
J'ai d'abord essayé d'exporter vers un document Excel, en m'assurant que les données fips et cntyidfp ont le même nombre de caractères et en créant une nouvelle table du fichier texte dans arcgis, mais aucune de ces solutions ne semble fonctionner.
Qu'est-ce que je rate?


La chose la plus probable sans voir le fichier texte et savoir quel type de champ contient le fichier de formes.
Est-ce que lorsque vous ajoutez des données tabulaires (xls, txt) à arcmap, il lit les premières (ou les premières) valeurs d'un champ pour déterminer son type.
Vous ne pouvez joindre un type qu'au même type.
Donc, fips est probablement converti en texte et lorsque vous essayez de joindre cntyidfips, il est numérique.
Cette réponse peut être étendue avec plus d'informations ajoutées à la question.


Arcpy.ValidateFieldName ne valide pas le nom du champ ?

Je travaille sur un script Python en utilisant Arcpy. Il crée un fichier de forme, puis y ajoute des champs avec des noms provenant de la saisie de l'utilisateur. À partir de la chaîne que l'utilisateur a saisie, je dois produire un nom de champ valide. Je pensais que arcpy.ValidateFieldName() accomplirait cela. Cependant, j'ai des problèmes. Considérez le code ci-dessous :

Même si le nom du champ a été validé, il renvoie une erreur :

Erreur d'exécution Traceback (appel le plus récent en dernier) :
Fichier "", ligne 1, dans
Fichier "C:script.py", ligne 8, dans
arcpy.AddField_management("forme", nom, "TEXTE")
Fichier "c:program files (x86)arcgisdesktop10.2arcpyarcpymanagement.py", ligne 3200, dans AddField
raise e ExecuteError : ERREUR 000310 : Le nom du champ ne doit pas commencer par un chiffre

La fonction corrige d'autres caractères non autorisés (comme le remplacement des espaces par des traits de soulignement et le plafonnement de la chaîne à 10 caractères), mais elle omet de faire quelque chose à propos du premier caractère étant un nombre même si cela n'est pas autorisé dans les noms de champ de fichier de forme.

Est-ce un bogue ou est-ce que j'utilise mal arcpy.ValidateFieldName() ? Y a-t-il une autre fonction que je devrais utiliser ? Ou vais-je devoir en écrire un moi-même ? A quoi devrait ressembler celui-ci ?

EDIT 1 : Remplacer le deuxième argument par ValidateFieldName par le chemin complet et le nom de fichier du fichier de forme n'aide pas.

EDIT 2: Lors de l'ajout d'un champ appelé 0FIELD à partir d'ArcCatalog, cela fonctionne bien. Donc, plutôt que ce soit un problème avec la validation, il semble que AddField_management interdit les noms de champs commençant par un nombre, même si cela ne devrait pas.


Joindre Textfile à Shapefile Arc 10 et 10.2 Différences - Systèmes d'Information Géographique

Données SIG pour la carte 3365 d'enquêtes scientifiques de l'USGS : année de l'eau 2016 et changements du niveau d'eau dans les aquifères Chicot, Evangeline et Jasper et compactage 1973-2015 dans les aquifères Chicot et Evangeline, région de Houston-Galveston, Texas vector digital données Mark C. Kasmarek Jason K. Ramage Michaela R. Johnson

Altitudes du niveau de l'eau Année de l'eau 2016 et changements du niveau de l'eau dans les aquifères Chicot, Evangeline et Jasper et compactage 1973-2015 dans les aquifères Chicot et Evangeline, région de Houston-Galveston, Texas Scientific Investigations Carte 3365

Ces ensembles de données ont été créés par le US Geological Survey en coopération avec le Harris-Galveston Subsidence District, la ville de Houston, le Fort Bend Subsidence District, le Lone Star Groundwater Conservation District et le Brazoria County Groundwater Conservation District afin de fournir aux gestionnaires de ressources, aux fonctionnaires, aux chercheurs , et le grand public avec un accès facile à des informations scientifiques précises, impartiales et impartiales concernant les altitudes et les changements de niveau d'eau dans les comtés de Harris, Fort Bend, Montgomery et Brazoria, et les comtés environnants, au Texas.

Ces ensembles de données ont été développés à l'aide d'un système d'information géographique (SIG). Le logiciel SIG utilisé pour développer ces ensembles de données était l'Environmental Systems Research Institute (ESRI, Inc.) ArcDesktop 10.2 et ArcInfo Workstation 9.3. Ces données sont séparées en trois jeux de données d'entités (trois répertoires pour les fichiers de formes) par aquifère (Chicot, Evangeline et Jasper) qui contiennent les classes d'entités individuelles (fichiers de formes). Aquifère de Chicot - (nom du jeu de données d'entités/nom du répertoire du fichier de formes) Classes d'entités/fichiers de formes : ch16pt - valeurs ponctuelles des altitudes du niveau de l'eau, 2016 ch16arc - contours des altitudes approximatives du niveau de l'eau, 2016 ch1516pt - valeurs ponctuelles des changements du niveau de l'eau, 2015 -16 ch1116pt - valeurs ponctuelles des changements de niveau d'eau, 2011-16 ch1116arc - contours des changements de niveau d'eau, 2011-16 ch9016pt - valeurs ponctuelles des changements de niveau d'eau, 1990-2016 ch9016arc - contours des changements de niveau d'eau, 1990 -2016 ch7716pt - valeurs ponctuelles des changements de niveau d'eau, 1977-2016 ch7716arc - contours des changements de niveau d'eau, 1977-2016 aquifère Evangeline - (nom du jeu de données d'entités/nom du répertoire du fichier de formes) Classes d'entités/fichiers de formes : ev16pt - valeurs ponctuelles de l'eau -altitudes de niveau, 2016 ev16arc - contours des altitudes approximatives du niveau de l'eau, 2016 ev1516pt - valeurs ponctuelles des changements de niveau d'eau, 2015-16 ev1116pt - valeurs ponctuelles des changements de niveau d'eau, 2011-16 ev1116arc - contours des changements de niveau d'eau , 2011-16 ev9016pt - valeurs en points des changements de niveau d'eau, 1990-2016 ev9016arc - contours des changements de niveau d'eau, 1990-2016 ev7716pt - valeurs ponctuelles des changements de niveau d'eau, 1977-2016 ev7716arc - contours des changements de niveau d'eau, 1977-2016 aquifère Jasper - ( nom du jeu de données d'entités/nom du répertoire du fichier de formes) Classes d'entités/fichiers de formes : ja16pt - valeurs ponctuelles des altitudes des niveaux d'eau, 2016 ja16arc - contours des altitudes approximatives des niveaux d'eau, 2016 ja1516pt - valeurs ponctuelles des changements de niveau d'eau, 2015-16 ja1116pt - valeurs ponctuelles des changements de niveau d'eau, 2011-16 ja1116arc - contours des changements de niveau d'eau, 2011-16 ja0016pt - valeurs ponctuelles des changements de niveau d'eau, 2000-16 ja0016arc - contours des changements de niveau d'eau, 2000-16 1977 1990 2000 2011 2015 2016 état du sol

Annuellement -96.042013 -94.851762 30.333428 28.915310 Catégorie de sujet ISO 19115 élévation informations géoscientifiques imagesBaseCartesTerreCouverture Rien affaissement affaissement du sol compactage élévation élévation de la surface terrestre hypsométrie eaux souterraines altitude au niveau de l'eau changement de niveau d'eau Aquifère de Chicot Aquifère Évangéline Aquifère Jasper

Système d'information sur les noms géographiques (GNIS)

États-Unis 512-927-3500 512-927-3590 [email protected]

La précision de la position horizontale de ces données ponctuelles dépend des données sources utilisées pour définir l'emplacement géographique du puits (orthophotographie numérique, GPS, levé, etc.). Les données telles que le type de données source, les données d'élévation de la surface du sol, les données de mesure du niveau d'eau, la précision de la mesure du niveau d'eau, la date de mesure du niveau d'eau, la précision associée à l'emplacement du puits et d'autres informations de qualification sont téléchargé et archivé dans le Groundwater Site-Inventory System (GWSI) (US Geological Survey, 2016) du US Geological Survey National Water Information System (NWIS) (US Geological Survey, 2016) du US Geological Survey National Water Information System (NWIS) -5.2.0-27, 2016) consulté ici, http://waterdata.usgs.gov/tx/nwis. La précision horizontale des données de contour varie et est plus grande pour les contours situés à proximité de concentrations denses de puits et diminue pour les contours entre des puits à répartition clairsemée. Les données sont les meilleures disponibles au moment où la position du puits a été déterminée. La précision de la position verticale des données ponctuelles dépend des données source utilisées pour définir l'emplacement du puits qui est principalement le programme d'élévation 3D (3DEP) ou le US Geological Survey Quadrangle topographique de 7,5 minutes, modèle numérique d'élévation (DEM), GPS, levé, etc., et la méthode (ruban d'acier étalonné, conduite d'air et ruban électrique de niveau d'eau, ou données rapportées par les opérateurs de puits) et précision de la mesure (0,01, 0,1 ou au pied le plus proche) de la profondeur de l'eau dans des puits tamisés dans l'aquifère. Des données telles que le type de données source, les données d'élévation de la surface du sol, les données de mesure du niveau d'eau, la précision de la mesure du niveau d'eau, la date de mesure du niveau d'eau, la précision associée à l'emplacement du puits et d'autres informations de qualification sont téléchargées et archivé dans le Groundwater Site-Inventory System (GWSI) (US Geological Survey, 1998) du US Geological Survey National Water Information System (US Geological Survey, 2002) consulté ici, http://waterdata.usgs.gov/tx/ nwis. La précision des données profilées est améliorée dans les zones qui ont des données de mesure du niveau d'eau provenant d'une plus grande concentration de puits et diminue dans les zones distales qui ont des données de mesure du niveau d'eau provenant d'une concentration clairsemée de puits.

Système national d'information sur l'eau (NWIS) aucun http://pubs.usgs.gov/fs/FS-027-98/ Fact Sheet 027-98

référence 1998 date de publication GWSI Description de la base de données de stockage pour les informations sur le site et les mesures du niveau d'eau. Commission géologique des États-Unis

NWISWeb : Nouveau site pour les données nationales sur l'eau aucun http://pubs.usgs.gov/fs/FS-148-02/ Fiche d'information 128-02

référence 2002 date de publication NWIS Description de la base de données de stockage public du NWIS pour les données sur l'eau, y compris les informations sur le site et les mesures du niveau d'eau. Gabrysch, R.K.

Altitude approximative des niveaux d'eau dans les puits des aquifères Chicot et Evangeline dans la région de Houston, printemps 1977 et printemps 1978. carte Open-File Report 79-334

carte papier 1977 état du sol 1977 altitudes des niveaux d'eau pour les aquifères Chicot et Evangeline, 1977. Barbie, D.L. Coplin, L.S. Locke, G.L.

Altitude approximative des niveaux d'eau dans les puits des aquifères Chicot et Evangeline dans la région de Houston, Texas, janvier-février 1990. map Open-File Report 91-240

carte papier 1990 condition du sol 1990 HG Altitudes des niveaux d'eau pour les aquifères Chicot et Evangeline dans la région de Houston, 1990. Kasmarek, M.C.

Altitudes du niveau de l'eau dans les puits complétés dans les aquifères Chicot et Evangeline, comté de Fort Bend et régions adjacentes, Texas, janvier-février 1990. map Open-File Report 97-784

carte papier 1990 condition du sol 1990 FB Altitudes des niveaux d'eau pour les aquifères Chicot et Evangeline dans le comté de Fort Bend et les régions adjacentes, 1990. Kasmarek, M.C. Houston, N.A.

Altitudes des niveaux d'eau 2007 et changements de niveau d'eau dans les aquifères Chicot, Evangeline et Jasper et compactage 1973-2006 dans les aquifères Chicot et Evangeline, région de Houston-Galveston, Texas. carte Recherches scientifiques Carte 2968

carte papier 2000 conditions du sol 2000 altitudes du niveau de l'eau pour l'aquifère Jasper dans la région de Houston, 2000. Johnson, M.R. Ramage, J.K. Kasmarek, M.C.

Altitudes des niveaux d'eau 2011 et changements de niveau d'eau dans les aquifères Chicot, Evangeline et Jasper et compactage 1973-2010 dans les aquifères Chicot et Evangeline, région de Houston-Galveston, Texas. carte Recherches scientifiques Carte 3174

carte papier 2011 condition du sol 2011 Altitudes des niveaux d'eau pour les aquifères Chicot, Evangeline et Jasper, 2011. Kasmarek, M.C. Johnson, M.R. Ramage, J.K. Houston, N.A. Schmidt, T.S.

Altitudes des niveaux d'eau 2015 et changements de niveau d'eau dans les aquifères Chicot, Evangeline et Jasper et compactage 1973-2014 dans les aquifères Chicot et Evangeline, région de Houston-Galveston, Texas. carte Recherches scientifiques Carte 3337

carte papier 2015 condition du sol 2016 Altitudes des niveaux d'eau pour les aquifères Chicot, Evangeline et Jasper, 2016.

Les données de mesure du niveau d'eau ont été obtenues à l'aide d'un ruban d'acier calibré, d'une conduite d'air, d'un ruban électrique de niveau d'eau et à partir de données déclarées par les exploitants ou propriétaires de puits de l'entreprise. Ces données ont ensuite été importées dans un système d'information géographique (SIG) en utilisant des procédures approuvées et standard pour créer les nombreuses représentations. L'altitude du niveau d'eau et les données de changement de niveau d'eau sont représentées sur les feuilles de carte par des contours d'altitude de niveau d'eau égale avec des intervalles qui varient de 50 ou 100 pieds et un changement de niveau d'eau avec des intervalles qui varient de 10, 20 ou 40 pieds .

Pour les feuilles de carte des changements de niveau d'eau sur un an (2015-16), les changements de niveau d'eau ont été calculés comme la différence de profondeur par rapport à l'eau à chaque point (puits) pour lequel une mesure du niveau d'eau a été effectuée en 2015 et 2016 Le changement sur les feuilles de carte d'un an est représenté par des différences de points. Pour les feuilles de changement de niveau d'eau sur 5 ans (2011-16), les changements de niveau d'eau ont été calculés de la même manière que pour les feuilles de carte sur 1 an, la différence d'altitude du niveau d'eau à chaque point pour lequel un niveau d'eau la mesure du niveau a été effectuée en 2011 et 2016. Les changements de niveau d'eau sur les feuilles de carte de 5 ans sont représentés par des contours de changement de niveau d'eau égal. Chaque carte de changement de niveau d'eau sur 5 ans a été créée en traçant l'ensemble des différences de points cartographiés. Pour les feuilles cartographiques historiques (2000-16, 1990-2016, 1977-2016) de changement de niveau d'eau, les valeurs de changement de niveau d'eau ont été calculées comme la différence d'altitude du niveau d'eau à chaque point (puits) pour lequel un - la mesure du niveau a été effectuée en 2016 et l'altitude du niveau d'eau à ce point sur une surface quadrillée de la carte historique des niveaux d'eau. Les feuilles de carte historiques des changements de niveau d'eau sont représentées par des contours de changement de niveau d'eau égal. Chaque carte historique des changements de niveau d'eau a été créée en traçant l'ensemble des différences de points cartographiés.

Pour les représentations de la feuille de carte de l'aquifère de Chicot, 178 mesures de niveau d'eau ont été utilisées pour construire l'altitude du niveau d'eau de 2016, 163 paires de niveaux d'eau ont été utilisées pour construire le changement de niveau d'eau 2015-16, 142 paires de niveaux d'eau ont été utilisées pour construire le changement de niveau d'eau 2011-16, 140 paires de niveaux d'eau ont été utilisées pour construire le changement de niveau d'eau 1990-2016, et 128 paires de niveaux d'eau ont été utilisées pour construire le changement de niveau d'eau 1977-2016. Pour les représentations de la feuille de carte de l'aquifère d'Évangéline, 320 mesures de niveau d'eau ont été utilisées pour construire l'altitude du niveau d'eau de 2016, 307 paires de niveaux d'eau ont été utilisées pour construire le changement de niveau d'eau 2015-16, 259 paires de niveaux d'eau ont été utilisées pour construire le changement de niveau d'eau 2011-16, 247 paires de niveaux d'eau ont été utilisées pour construire le changement de niveau d'eau 1990-2016, et 239 paires de niveaux d'eau ont été utilisées pour construire le changement de niveau d'eau 1977-2016. Pour les représentations de la feuille de carte de l'aquifère de Jasper, 109 mesures du niveau d'eau ont été utilisées pour construire l'altitude du niveau d'eau de 2016, 95 paires de niveaux d'eau ont été utilisées pour construire le changement de niveau d'eau 2015-16, 89 niveaux d'eau des paires ont été utilisées pour construire le changement de niveau d'eau de 2011-16, et 90 paires de niveaux d'eau ont été utilisées pour construire le changement de niveau d'eau de 2000-16.

WATER-LEVEL ALTITUDE Récupération de la base de données du NWIS GWSI des mesures du niveau d'eau dans un fichier texte délimité par des virgules. ARCMAP - addxy et export - génère des fichiers de formes des mesures du niveau d'eau de 2016, en pieds sous la surface terrestre, pour chaque aquifère. Générez une couverture de points SIG des mesures de niveau d'eau par aquifère (ch, ev et ja) à partir d'un fichier texte. Exportez des entités ponctuelles géographiques NAD83 natives à l'aide des propriétés du bloc de données (définies sur UTM, Zone 15 et NAD 83). ch16pt.shp ev16pt.shp ja16pt.shp ARC - Convertir le fichier de formes en couvertures (shapearc): ch16pt ev16pt ja16pt ARC/TABLES MODULE OU ARCMAP Calculer l'altitude du niveau d'eau 2016 en pieds référencés au système de référence nord-américaine 1988 (NAVD 88) pour chaque aquifère (ch, ev et ja). [wlalt16 = Élévation de la surface du sol - profondeur de l'eau sous le niveau de référence de la surface du sol] Les altitudes du niveau de l'eau pour 1977, 1990, 2000, 2011 et 2015 ont déjà été calculées par cette méthode et ont été publiées dans les rapports répertoriés dans le précédent 'Source_Information ' section. Ces données seront utilisées dans la section décrivant les ensembles de données sur les changements de niveau d'eau. ARC Générer une surface (grille ESRI) de l'altitude du niveau de l'eau à partir de l'altitude du niveau de l'eau à l'aide de la commande topogridtool. [topogridtool ch16gridgo 90] Ces options ont été utilisées dans la configuration de l'outil : application de drainage désactivée, type de données : point, couverture de points : ch16pt attribut de couverture de points : wlalt16 type de données : masque polygone couverture de masque : ch16arcmask. La grille, xx16gridgo, a été créée à l'aide d'entités ponctuelles SIG de la couverture, xx16pt, et d'une couverture polygonale, xx16arcmask (xx représente ch, ev et ja). Les données de niveau d'eau et d'altitude (wlalt16) utilisées pour créer la surface interpolée sont un attribut de la couverture : xx16alt, et l'étendue de la grille a été limitée à la limite définie dans la couverture polygonale, ch16arcmask. MODULE ARC/GRID Générez les contours de l'altitude du niveau d'eau de 2016 à partir de la grille de niveau d'eau, ch16gridgo. [ch16arcck = contour(ch16gridgo, interval, 50, 0)] Dans la grille de ligne de commande, crée des contours de 50 pieds à partir de la grille, ch16gridgo, et crée une nouvelle couverture d'arc, ch16arcck. Cette couverture n'est utilisée que comme référence de fond pour aider à modifier/remodeler les courbes de niveau d'eau et d'altitude présentées dans le rapport 2015 Scientific Investigations Map (SIM). ARC Copiez les contours d'altitude du niveau d'eau 2015 vers les nouveaux contours d'altitude du niveau d'eau 2016 à l'aide de la commande, copiez xx15arc vers xx16arc. MODULE ARCEDIT Remodeler ces contours là où cela est nécessaire pour suivre les changements d'altitude des niveaux d'eau de 2015-16. Utilisation de la couverture de l'arc de l'année précédente permettant et maintenant ainsi les algorithmes et modèles historiques tout en ayant mis à jour les données 2016 de niveau d'eau et d'altitude. Ces représentations sont examinées par les coauteurs avec des suggestions de révisions requises. Ce processus itératif se poursuit jusqu'à ce que la meilleure représentation soit obtenue de la représentation de l'altitude régionale pour 2016.

Joignez les données d'attributs de point des altitudes au niveau de l'eau provenant de rapports publiés précédemment à la couverture de points pour les mêmes puits mesurée à nouveau en 2016 pour chaque aquifère. [joinitem xx16pt.pat xx77pt.pat xx16pt.pat station_nm] (aquifères Chicot et Evangeline uniquement) (fournit wlalt77) [joinitem xx16pt.pat xx90pt.pat xx16pt.pat station_nm] (aquifères Chicot et Evangeline uniquement) xx16pt.pat xx00pt.pat xx16pt.pat station_nm] (Jasper uniquement) (fournit wlalt00) [joinitem xx16pt.pat xx11pt.pat xx16pt.pat station_nm] (fournit wlalt11) [joinitem xx16pt.pat xx77pt.pat xx16pt.pat station fournit wlalt16) Changement de niveau d'eau, 1 an pour chaque aquifère (ch, ev et ja) COMMANDES DE L'ARC Copier sur la nouvelle couverture. [copie xx16pt xx1516pt] Ajout d'un nouvel attribut pour le changement de niveau d'eau de 2015-16, "diff1516". [additem xx1516pt.pat xx1516pt.pat diff1516 6 6 n 2] Ouvrez le module Tables d'Arc, sélectionnez la table attributaire de la couverture SIG d'intérêt. [tablessel xx1516pt.pat] Calculez le nouvel attribut et quittez Tables pour revenir à Arc. [calcul diff1516 = lev_va15 - lev_va16q]

Changement de niveau d'eau, 5 ans pour chaque aquifère (ch, ev et ja) [copier xx16pt à xx1116pt] Ajouter l'attribut diff1116.[additem xx1116pt.pat xx1116pt.pat diff1116 6 6 N 2] [tablessel xx1116pt.pat] [calc diff1116 = wlalt11 - wlalt16q] Générer la surface du changement de niveau d'eau 2011-16 à partir de la valeur ponctuelle du changement de niveau d'eau sur 5 ans ( xx = ch, ev et ja). [topogridtool xx1116gridgo 90] avec des paramètres (appliquer offdatatype pointpoint xx1116pt diff1116datatype mask ch1116arcmaskend). Générer les contours du changement de niveau d'eau 2011-16 à partir de la grille, xx1116gridgo. [grillexx1116arcck = contour(xx1116gridgo, intervalle, 10, 0)q]

Changement de niveau d'eau, 1990-2016 année pour chaque aquifère (ch ou ev). [copier xx16pt vers xx9016pt] ajouter l'attribut diff9016. [tablessel xx9016pt.pat] [calc diff9016 = wlalt90 - wlalt16q] Si aucune mesure de puits n'a été effectuée en 1990, la valeur de la grille de niveau d'eau et d'altitude de 1990 sera attribuée au point dans l'attribut, wlalt90gd. Uniquement pour les puits sans mesure en 1990 : [diff9016 = wlalt90gd - wlalt16] Générer la surface du changement de niveau d'eau à partir de la valeur ponctuelle du changement de niveau d'eau 1990-2016 (xx = ch et ev). [topogridtool xx9016gridgo 90] avec des paramètres (appliquer offdatatype pointpoint xx9016pt diff9016datatype mask xx9016arcmaskend). Générez les contours du changement de niveau d'eau de 1990 à 2016 à partir de la grille, xx9016gridgo. [grillexx9016arcck = contour(xx9016gridgo, intervalle, 40, 0)q]

Changement de niveau d'eau, 1977 à 2016 année pour chaque aquifère (ch ou ev). copier xx16pt à xx7716pt. ajouter l'attribut diff7716. [tablessel xx7716pt.pat] [calc diff7716 = wlalt77 - wlalt16q] Si aucune mesure de puits n'a été effectuée en 1977, la valeur de la grille de niveau d'eau et d'altitude de 1977 sera attribuée au point dans l'attribut, wlalt77gd. Pour uniquement les puits sans mesure en 1977 : [diff7716 = wlalt77gd - wlalt16] Générer la surface du changement de niveau d'eau à partir de la valeur ponctuelle du changement de niveau d'eau 1977-2016 (xx = ch ou ev). [topogridtool xx7716gridgo 90] avec des paramètres (appliquer offdatatype pointpoint xx7716pt diff7716datatype mask xx7716arcmaskend). Générez les contours du changement de niveau d'eau de 1977 à 2016 à partir de la grille, xx7716gridgo. [grillexx7716arcck = contour(xx7716gridgo, intervalle, 40, 0)q]

Changement de niveau d'eau, 2000-16 pour l'aquifère Jasper. copiez xx16pt vers diff0016pt. ajouter l'attribut diff0016. [tablessel xx0016pt.pat] [calc diff0016 = wlalt00 - wlalt16q] Si aucune mesure de puits n'a été effectuée en 2000, la valeur de la grille d'altitude-niveau d'eau 2000 sera attribuée au point dans l'attribut, wlalt00gd. Uniquement pour les puits sans mesure en 2000 : [diff0016 = wlalt00gd - wlalt16] Générer la surface de changement de niveau d'eau à partir de la valeur ponctuelle de 2000-16 changement de niveau d'eau. [topogridtool ja0016gridgo 90] avec des paramètres (appliquer offdatatype pointpoint ja9016pt diff0016datatype mask ja0016arcmaskend). Générez les contours du changement de niveau d'eau 2000-16 à partir de la grille, ja0016gridgo. [gridja0016arcck = contour(JA0016gridgo, intervalle, 20, 0)q]

Les contours ont été modifiés (lissés et remodelés) suite à la création de chaque jeu de données de niveau d'eau-changement-contour. Les points de données d'altitude du niveau d'eau ou de changement de niveau d'eau ont été supprimés lorsqu'ils n'étaient pas conformes à la représentation régionale environnante, et des modifications appropriées ont été apportées aux contours adjacents. Les courbes de niveau ont été modifiées et correctement positionnées par rapport aux valeurs des points de contrôle pour représenter avec précision la représentation régionale des données de niveau d'eau dans les aquifères.


Introduction

La contribution mondiale de la combustion de la biomasse aux émissions de carbone (C) dans l'atmosphère a été identifiée comme une source importante de gaz traces réactifs radiativement et photochimiquement en 1980 (Seiler et Crutzen 1980), cependant, les contributions directes et indirectes des feux de forêt et des feux dirigés au total Les émissions de C et la rétroaction positive sur le système climatique restent difficiles à évaluer. Crutzen et al. (1979) ont étudié les bilans atmosphériques des gaz à l'état de traces brûlant de la biomasse dans l'atmosphère qui comprenaient le monoxyde de carbone (CO), l'hydrogène moléculaire (H2), protoxyde d'azote (N2O), monoxyde d'azote (NO), dioxyde d'azote (NO2) et le sulfure de carbonyle (COS). Seiler et Crutzen (1980) ont estimé les flux nets de carbone dans les incendies de forêt et de prairie et ont montré que les gaz traces étaient émis dans l'atmosphère en grandes quantités en mesurant les taux d'émission de gaz traces par rapport au dioxyde de carbone (CO2) dans les panaches de fumée. Les taux d'émission mondiaux totaux de gaz traces ont été approximés à partir du CO2 rejetés dans l'atmosphère lors d'incendies de forêt et de brûlages dirigés dans différents écosystèmes et pratiques de gestion des terres. Un modèle général, composé de la superficie totale brûlée, de la matière organique moyenne par unité de surface, de la biomasse aérienne moyenne par rapport à la biomasse moyenne totale et de l'efficacité de combustion de la biomasse aérienne, a été utilisé pour estimer la biomasse brûlée annuellement dans les biomes mondiaux. . Seiler et Crutzen (1980) ont calculé les émissions mondiales annuelles de C provenant des feux de végétation de 2 Pg C à 4 Pg C (1 Pg = 10 15 grammes). Cependant, leur modèle d'émissions n'incluait pas la contribution du C du sol souterrain libéré lors des incendies de forêt, qui ont le potentiel de libérer des émissions de C beaucoup plus élevées que les émissions de C au-dessus du sol sur une base par unité de surface terrestre. Wong (1978) a estimé les émissions de C du sol des feux de forêt à 0,4 Pg C an −1 et Seiler et Crutzen (1980) ont par la suite révisé à la baisse l'estimation de Wong à 0,1 Pg C an −1 . Une étude récente (van der Werf et al. 2010) a exclu la combustion de bois de chauffage de l'estimation des émissions de C de Seiler et Crutzen (1980) et a calculé les émissions mondiales annuelles de C de 2,6 Pg C an −1 (allant de 1,7 Pg C an −1 à 3,5 Pg C an −1 ).

Progrès récents dans les produits d'incendie dérivés des satellites utilisant les données du spectroradiomètre imageur à résolution modérée des satellites Terra et Aqua, le capteur radiomètre avancé à très haute résolution du satellite environnemental polaire opérationnel de la National Oceanic and Atmospheric Administration et le satellite environnemental opérationnel géostationnaire pour quantifier les incendies zones en temps quasi réel ont amélioré notre capacité à estimer les émissions régionales et mondiales des feux de forêt (Grégoire et al. 2003, Simon et al. 2004, Giglio et al. 2006). Les données de télédétection et leurs produits ont été utilisés en combinaison avec des modèles d'écosystèmes biogéochimiques et terrestres pour estimer les émissions (van der Werf et al. 2003, 2004, 2006 Hoelzemann et al. 2004 Ito et Penner 2004 Jain et al. 2006). Ces études ont estimé les émissions mondiales annuelles de C des feux de forêt qui allaient de 1 Pg C an −1 à 3 Pg C an −1 , avec une grande variabilité interannuelle associée à l'activité mondiale des feux et ∼ 20 % d'incertitude dans les émissions de C (Field et Shen 2008, van der Werf et al. 2010).

La quantification de l'ampleur et de l'étendue spatiale du stockage de C dans les tourbières est une première étape importante vers la prévision des émissions de C lors des incendies de forêt et des changements dans le bilan régional du C en réponse à l'utilisation des terres et au changement de la couverture végétale. Les tourbières sont des zones humides avec une couche de sol organique d'au moins 30 cm, qui peut s'étendre jusqu'à une profondeur de 15 m à 20 m (Turunen et al. 2002). Ils stockent plus de C que tout autre écosystème terrestre par mètre carré et exercent un effet de refroidissement net sur le bilan radiatif mondial (Dise 2009). Les tourbières représentent moins de 3 %, ou 400 Mha, de la superficie terrestre de la Terre et stockent environ 15 % à 30 % des stocks mondiaux de C du sol (Solomon et al. 2007, Limpens et al. 2008). Les tourbières boréales et subarctiques couvrent 346 Mha et comprennent un pool de carbone allant de 273 Pg C (Turunen et al. 2002) à 455 Pg C (Gorham 1991), à 473 Pg C à 621 Pg C (Yu et al. 2010) les tourbières tempérées couvrent environ 35,0 Mha et stockent 455 Pg C (Moore 2002) les tourbières tropicales-subtropicales en Asie du Sud-Est couvrent 27,1 Mha et stockent 42 Pg C à 55 Pg C (Hooijer et al. 2010, Yu et al. 2010), et les tourbières sud-américaines couvrent 4,5 Mha et ont accumulé 13 Pg C à 18 Pg C (Yu et al. 2010). L'hétérogénéité spatiale des sols et de la végétation des tourbières pose des problèmes pour quantifier le stockage de C et les émissions de feux de végétation, et pour estimer la variabilité et l'incertitude interannuelles. Le C organique global est estimé à 684 Pg C à 724 Pg C dans les 30 cm supérieurs du sol, 1462 Pg C à 1548 Pg C dans les 100 cm supérieurs et 2376 Pg C à 2456 Pg C dans les 200 cm supérieurs (Batjes 1996).

Dans la zone continentale des États-Unis, les tourbières tempérées sont situées principalement dans la région des Grands Lacs et dans la plaine côtière des États du sud-est et du Golfe (USDA NRCS 2007). La superficie totale des sols organiques dans les États-Unis contigus est estimée à 6,08 Mha, et la quantité de C organique contenue dans les sols organiques est estimée à 1714,7 Tg à une profondeur de 0 cm à 30 cm, 5088,4 Tg à une profondeur de 0 cm à 100 cm. profondeur et 7590,0 Tg à une profondeur de 0 cm à 150 cm (Johnson et Kern 2003). Le C total déclaré stocké dans les tourbières tempérées dans une étude sur le terrain dans le nord de l'État du Minnesota était de 1286 ± 125 Mg C ha −1 , avec 90 à 99 % de ce C trouvé dans les sols tourbeux qui variaient de 1 m à 5 m dans profondeur (Weishampel et al. 2009). Dans l'État du sud-est de la Caroline du Nord, la superficie totale estimée des sols des tourbières est de 0,27 Mha, avec un pool total de C de 327 Tg (Ingram et Otte 1981).

Les émissions des feux de végétation dans les États contigus des États-Unis varient considérablement d'une année à l'autre, avec des rejets annuels moyens de C estimés à 58 Tg an −1 (Wiedinmyer et Neff 2007). Les examens des feux de surface ont attribué environ les deux tiers de l'étendue du feu et des émissions dans le sud-est des États-Unis aux brûlages dirigés (Wiedinmyer et Neff 2007, NIFC 2010). Cependant, les feux de forêt qui enflamment les sols tourbeux organiques dans cette zone géographique sont des phénomènes fréquents lorsque des conditions de sécheresse prévalent. Malgré leur potentiel de rétroaction positive importante sur le système climatique par la séquestration et l'émission de gaz à effet de serre, les incendies de tourbières et leurs émissions de C ne sont pas explicitement inclus dans les modèles climatiques mondiaux. En Amérique du Nord, les efforts de modélisation dans les régions boréales ont commencé à examiner les contributions des feux de sol aux émissions de C, mais les feux de tourbe tempérée ont reçu beaucoup moins d'attention (Poulter et al. 2006 de Groot et al. 2007, 2009). Ce manque d'informations est en partie dû aux incertitudes concernant la profondeur, la composition et les propriétés physiques des sols tourbeux de la région.

Dans le sud-est des États-Unis, les sols tourbeux sont courants dans la province de la plaine côtière. Les techniques pour détecter et quantifier avec précision les émissions des incendies au sol sont difficiles à mettre en œuvre en raison de l'hétérogénéité des pertes spatiales et temporelles de sol (Poulter et al. 2006). Les mesures de la végétation et du sol après le feu, ainsi que des estimations visuelles rapides, peuvent fournir des estimations fiables de la consommation de sol et des émissions résultant des feux de forêt dans certaines circonstances (Boby et al. 2010). Cependant, il est difficile d'obtenir des mesures quantitatives précises de la perte de sol en raison du manque d'informations sur l'élévation du sol avant et après les incendies de forêt. L'examen sur le terrain de la végétation après le feu peut fournir une certaine estimation de la perte de sol avec un investissement important en temps et en ressources. Des monticules bosselés de litière et de sol organique, ainsi que des caractéristiques de micro-terrain généralement inégales, prédominent dans de nombreux systèmes de tourbières du sud-est, ce qui rend ces mesures sur le terrain plus difficiles. L'approche plus rapide de la mesure directe de la perte de sol peut fournir une solution plus pratique au problème de l'estimation de la perte de tourbe induite par le feu. Compte tenu des discussions en cours sur le changement climatique, il est important de savoir quelle quantité de C est émise dans l'atmosphère lors d'incendies de forêt dans les tourbières.

Dans cette étude, nous avons développé une nouvelle méthode et une nouvelle approche pour estimer les émissions de C aériennes et souterraines d'un incendie de forêt de tourbière en 2008 dans l'est de la Caroline du Nord, aux États-Unis, en combinant la sortie du modèle d'intensité de brûlage, des études de terrain et des informations de télédétection. Les émissions souterraines de C ont été estimées en déterminant d'abord le changement d'élévation de la surface du sol de points de sol nu choisis au hasard à l'aide de mesures d'élévation du sol dérivées de la détection et de la mesure de la lumière avant incendie (LIDAR) et des mesures d'élévation de terrain après incendie colocalisées. Le C organique du sol a été calculé pour la profondeur du sol consommé pour chaque horizon pédologique dans chacune des séries de sols. Les calculs des émissions de C en surface ont utilisé des estimations de la superficie brûlée, de la charge de combustible et des proportions de consommation qui ont été caractérisées pour les fractions de litière, d'arbustes et de feuillage d'arbres dans différentes classes de végétation, associées à des mesures de densité d'arbres et d'arbustes. L'estimation des émissions de carbone des feux de végétation a pris en compte les facteurs contribuant aux émissions des tourbières, tels que le régime hydrologique, les décisions de gestion des terres et les estimations de la gravité des incendies par télédétection.


Joindre Textfile à Shapefile Arc 10 et 10.2 Différences - Systèmes d'Information Géographique

BBVS_BottomPhotos_wBio.shp : Emplacements des photographies de fond avec interprétations biologiques recueillies par le U.S. Geological Survey au large du Massachusetts à Buzzards Bay et Vineyard Sound en septembre 2010 sur le RV Connecticut. 1.0 données numériques vectorielles Open-File Report 2014-1221

Centre des sciences côtières et marines de Woods Hole, Woods Hole, Massachusetts

U.S. Geological Survey, programme de géologie côtière et marine

https://pubs.usgs.gov/of/2014/1221/GIS/shapefile/BBVS_BottomPhotos_wBio.zip https://pubs.usgs.gov/of/2014/1221/html/appendix1.html Seth D. Ackerman Adrienne L Pappal Emily C. Huntley Dann S. Blackwood William C. Schwab

Données d'échantillonnage géologique et classification du biote benthique : Buzzards Bay et Vineyard Sound, Massachusetts 1.0 Rapport public 2014-1221

Cet ensemble de données comprend les emplacements et l'interprétation biologique de 2 426 photographies de fond acquises avec le grand système d'observation et d'échantillonnage SEABed (configuration SEABOSS, SEABOSS Mark II) lors de l'enquête USGS 2010-005-FA, menée du 9 au 14 septembre 2010 à bord du R/ V Connecticut au large du Massachusetts à Buzzards Bay et Vineyard Sound. Cet ensemble de données a été collecté pour vérifier au sol (vérifier) ​​les ensembles de données acoustiques qui ont été acquises lors du relevé hydrographique NOAA H11319 (2004) et des relevés géophysiques USGS 09002 (2009) et 10004 (2010). La vidéo du bas, qui peut fournir une meilleure représentation de l'environnement général des fonds marins sur une plus grande surface, a également été prise à chaque station occupée par le SEABOSS (voir shapefile BBVS_SeabossTrackline.shp). Des échantillons de sédiments physiques, qui peuvent également fournir plus d'informations sur les fonds marins, ont également été collectés dans de nombreuses stations et analysés dans le laboratoire de sédiments du Centre des sciences marines et côtières de Woods Hole de l'USGS (voir shapefile BBVS_SedimentSamples.shp).

20100909 20100914 état du sol

Aucun prévu -71,096428 -70,457338 41,649575 41,267625 Général Commission géologique des États-Unis USGS Centre des sciences côtières et marines de Woods Hole WHCMSC Programme de géologie côtière et marine CMGP R/V Connecticut Fichier de formes de points Esri vérité-terrain photos du bas photographies des fonds marins Photos gares fond marin fond marin géologie marine sédiments la biologie classification biologique classification du biote Norme de classification écologique côtière et marine CMECS Numéro de série de l'activité sur le terrain du WHCMSC 2010-005-FA Numéro de série de l'activité sur le terrain du WHCMSC 10005 Échantillonneur à benne Van Veen Échantillonneur SEABOSS Rapport ouvert 2014-1221 RFO 2014-1221 Catégorie de sujet ISO 19115 océans et estuaires océans et côtiers environnement emplacement océans biote

États-Unis 508-548-8700 poste 2315 508-457-2310 s[email protected]

https://pubs.usgs.gov/of/2014/1221/GIS/browse_jpg/big/BBVS_BottomPhotos_wBio.jpg
Image miniature des emplacements des photos du bas
JPEG Microsoft Windows Vista Version 6.1 (Build 7601) Service Pack 1 ESRI ArcCatalog 9.3.1.1850 D. Blackwood K. Parolski

Système d'observation et d'échantillonnage des fonds marins 1.0 Sea Technology v. 42, no. 2, p. 39-43 L.J. Poppe S.J. Williams V.F. Paskevitch

Analyse des sédiments de la côte est de l'USGS : procédures, base de données et données SIG 1.0 Open-File Report 2005-1001

https://pubs.usgs.gov/of/2005/1001/ F.P. Shepard

Nomenclature basée sur les rapports sable-limon-argile Journal Sedimentary Petrology 24 (3)

Société des paléontologues et minéralogistes économiques

http://jsedres.sepmonline.org/cgi/content/abstract/24/3/151 Seth D. Ackerman Brian D. Andrews David S. Foster Wayne E. Baldwin William C. Schwab

Données géophysiques à haute résolution du plateau continental intérieur - Buzzards Bay, Massachusetts Open-File Report 2012-1002

https://pubs.usgs.gov/of/2012/1002/ Brian D. Andrews Seth D. Ackerman Wayne E. Baldwin David S. Foster William C. Schwab

Données géophysiques à haute résolution du plateau continental intérieur à Vineyard Sound, Massachusetts Open-File Report 2012-1006

https://pubs.usgs.gov/of/2012/1006/ Comité fédéral des données géographiques

Norme de classification écologique côtière et marine, FGDC-STD-018-2012 http://www.csc.noaa.gov/digitalcoast/_/pdf/CMECS_Version%20_4_Final_for_FGDC.pdf Larry J. Poppe Seth D. Ackerman David S. Foster Dann S. Blackwood Bradford Butman Marc S. Moser Helen F. Stewart

Caractère du fond marin et processus sédimentaires de Quicks Hole, Elizabeth Islands, Massachusetts Open-File Report 2006-1357

https://pubs.usgs.gov/of/2006/1357/ National Oceanic and Atmospheric Administration (NOAA) National Geophysical Data Center (NGDC)

Modèle de secours côtier des États-Unis, volume 1

Centre national de données géophysiques de la NOAA

La navigation pour l'enquête 2010-005-FA a utilisé le système de positionnement global (GPS) différentiel. La position enregistrée de chaque photographie de fond est en fait la position de l'antenne GPS sur le navire de recherche, et non celle de l'échantillonneur SEABOSS. Le SEABOSS a été déployé à environ 5 mètres à l'arrière de l'antenne GPS du cadre en A du navire et à l'arrière du navire. Aucun layback ou décalage n'a été appliqué à la position enregistrée. En plus du décalage de +/-5 mètres, le SEABOSS peut également s'éloigner du navire de recherche lorsqu'il est déployé sur le fond marin. Sur la base des diverses sources de décalages horizontaux, une estimation prudente de la précision horizontale des emplacements des photographies du fond est de 20 à 30 mètres. Les profondeurs enregistrées pour chaque photographie ont été dérivées des grilles bathymétriques finales des zones d'étude de Buzzards Bay et Vineyard Sound (profondeurs pour les photos aux stations 174, 175, 216, 217, 218 et 219, qui étaient situées en dehors de la couverture bathymétrique de Buzzards Bay et Vineyard Sound, ont été déterminés à partir d'autres sources, notamment l'ensemble de données bathymétriques de Quicks Hole et le modèle de relief côtier de la NOAA). Consultez les ensembles de données originaux de ces données bathymétriques (liens dans la section des références croisées) pour déterminer la précision verticale de ces valeurs de profondeur.

Trois cent une stations cibles étaient occupées à bord du N/R Connecticut (relevé USGS 2010-005-FA) avec le grand SEABOSS (Blackwood et Parolski, 2001) qui était équipé d'une benne Van Veen, d'un appareil photo numérique, et une caméra vidéo. Les photographies numériques ont été téléchargées à partir de l'appareil photo et sauvegardées sur un ordinateur portable et un disque dur quatre fois au cours de l'enquête d'échantillonnage (d1 à 04h28 le 10 sept d2 à 18h45 le 10 sept d3 à 18h19 le 12 sept j4 à 00h15 le 14 sept).

États-Unis (508) 548-8700 poste 2315 (508) 457-2310 [email protected]

La navigation DGPS a été enregistrée via une session Microsoft HyperTerminal (version 5.1) sur un ordinateur portable HP exécutant Windows XP, SP2.Les fichiers journaux ont été enregistrés pour chaque surveillance d'échantillonnage, puis reformatés en fichiers journaux par Julian Day (par exemple JD252.txt) pendant le post-traitement. Le script AWK awkseth.gpgga10005.sda a été exécuté sur le groupe de fichiers Julian Day créant un fichier texte ASCII à valeurs séparées par des virgules (CSV) qui a analysé la chaîne de navigation GPGGA (> awk -f awkseth.gpgga10005.sda JD*.txt > all_nav_1005.csv). Le fichier de sortie a ensuite été reformaté pour l'ensemble d'outils Python Ground-Truth à l'aide du script AWK nav_time_reformat.awk (> awk -f nav_time_reformat.awk all_nav_10005.csv > 10005_UConn_ALLnav_final.csv), créant un fichier de navigation final traité pour l'ensemble de l'enquête d'échantillonnage (10005_UConn_ALLnav_final .csv).

Fichiers de navigation générés par HyperTerminal (JD25[2-7].txt)

Fichier de navigation analysé GPGGA (10005_UConn_ALLnav_final.csv)

États-Unis 508-548-8700 poste 2315 508-457-2310 [email protected]

Heure extraite de l'en-tête "Date Picture Taken" au format EXIF ​​(Exchangeable Image File) des photographies de fond JPEG de qualité à l'aide de l'outil ArcGIS 9.3 ArcToolbox "GeoTools JPG Header Tool - SDA Feb05" (qui utilise le script Python (v2.5) "sda_vexiftool_mod12.py ( v.18 janvier 2007)).

États-Unis 508-548-8700 poste 2315 508-457-2310 [email protected]

Un ajustement manuel a été effectué pour tenir compte des décalages temporels entre l'heure enregistrée dans l'heure JPEG EXIF ​​"Date Picture Taken" et l'heure GPS vérifiée en comparant une cinquantaine de photos à la vidéo SEABOSS, y compris plusieurs photos d'étalonnage qui ont été prises sur le pont du navire. entre les stations de prélèvement. L'heure de la caméra était de 4 secondes derrière l'heure GPS au début de l'enquête et de 41 secondes derrière l'heure GPS à la fin de l'enquête. La dérive temporelle était assez linéaire tout au long de l'enquête, à l'exception d'un saut dans le temps de 7 secondes qui s'est produit lorsque l'appareil photo a été redémarré après le téléchargement de la troisième série de photos à 18h19 le 12 septembre 2010. Pour tenir compte du décalage horaire, un un champ supplémentaire a été ajouté au fichier d'en-tête de la photo (NEW_Photo_headers_out_FINAL.csv). Le nouveau champ de décalage horaire a été rempli à l'aide de Microsoft Excel (version 2010) en remplissant une série linéaire entre les photos de contrôle qui ont été comparées à la vidéo SEABOSS. Ce décalage horaire sera pris en compte lors de la géolocalisation des photos lors d'une étape ultérieure du processus.

États-Unis 508-548-8700 poste 2315 508-457-2310 [email protected]

Créez un fichier de formes Esri en joignant le nom de la photo du bas à la navigation basée sur les champs de date et d'heure correspondants à l'aide de l'outil ArcGIS 9.3 ArcToolbox "GeoTools Hotlink Tool - SDA Feb05" (qui utilise le script Python (v2.5) "sda_hotlink_5.py (v.Oct10.2007) ). VACExtras (version 2.1) a été utilisé pour extraire les valeurs de profondeur en mètres des grilles bathymétriques (voir la définition des attributs pour les informations sur les sources de données bathymétriques).

États-Unis 508-548-8700 poste 2315 508-457-2310 [email protected]

Classification biologique des photographies : L'information biologique dans l'imagerie a été classée selon une version modifiée de la Norme de classification écologique côtière et marine (CMECS), FGDC-STD-018-2012, Composante biotique benthique (Comité fédéral des données géographiques, 2012). Le CMECS, une norme du Comité fédéral des données géographiques, est un système hiérarchique qui fournit un moyen de classer les unités écologiques à l'aide d'un format standard. Dans la composante biotique benthique du CMECS, les classifications biotiques sont définies par la dominance d'espèces stables, sessiles ou à déplacement lent visibles sur la photo. Chaque photo a été examinée et classée avec un groupe biotique principal et deux groupes biotiques concomitants, selon le cas, conformément aux directives du CMECS. Deux taxons associés ont été inclus le cas échéant si plus de deux étaient présents, les deux taxons les plus dominants ont été sélectionnés. Notez que la zone imagée d'une photo est l'unité de cartographie et que cette zone est le plus souvent comprise entre 0,5 et 1,25 mètre de gauche à droite, en fonction de la hauteur de l'appareil photo par rapport au fond marin lorsque la photo a été prise.

10005 Analyse du biote de la feuille de calcul des photos du fond marin

Adrienne Pappal Massachusetts Office of Coastal Zone Management Aquatic Invasive Species Program Coordonnatrice postale et adresse physique 251 Causeway Street, Suite 800 Boston MA

États-Unis 617-626-1241 617-626-1240 [email protected]

Plusieurs des attributs ont été calculés dans Esri ArcGIS (version 10.1) à l'aide de l'outil Spatial Join. Cet outil a d'abord été exécuté pour calculer la ligne de suivi de l'enquête vidéo SEABOSS la plus proche de chaque photo du bas (champ LINENAME) à l'aide d'une opération de jointure un-à-un et de l'option de correspondance la plus proche. L'outil de jointure spatiale a été exécuté une deuxième fois avec les échantillons de sédiments comme entités de jointure pour calculer le nom de champ de l'échantillon de sédiments le plus proche (champ NEAR_SMP) et la classification des sédiments de l'échantillon le plus proche (champ NEAR_CLASS) pour chaque photo de fond. Une opération de jointure un-à-un avec l'option de correspondance la plus proche a été utilisée et la distance entre l'entité cible et l'entité de jointure la plus proche a été calculée (champ DST_TO_SMP). Le calculateur de champ a ensuite été utilisé pour arrondir la distance en mètres de chaque photo du bas à l'échantillon le plus proche (champ DST_TO_SMP) au dixième le plus proche. Enfin, une feuille de calcul de la classification biologique des photos a été jointe au fichier de formes des photos du bas en fonction du nom de la photo (champ PICNAME).

10005 Analyse du biote de la feuille de calcul de photos du fond marin NEW_10005_PhotoLocs_FINAL.shp BBVS_SedimentSamples.shp

Emily Chambliss Huntley Massachusetts Office of Coastal Zone Management Marine GIS/Mapping Specialist Adresse postale et physique 251 Causeway Street, Suite 800 Boston MA

États-Unis 617-626-1241 617-626-1240 [email protected]

XTools Pro (version 9.2) pour ArcGIS Desktop (version 10.1) a été utilisé pour réorganiser, supprimer les champs inutiles et ajouter de nouveaux champs à la table attributaire du fichier de formes de points et de la table attributaire (Opérations de table - Restructuration de la table). Les attributs de la table pour l'ID de l'enquête ("SURVEYID&apos), l'appareil utilisé pour collecter les données (&aposDEVICEID&apos), le nom du navire de l'enquête (&aposVEHICLEID&apos), la date de prise de la photo (&aposPHOTODATE&apos) et l'année (&aposYEAR&apos) ont été ajoutés et/ou renseignés à l'aide de la table éditeur dans ArcMap. D'autres attributs étaient déjà renseignés. Le champ d'heure de la photo non corrigé (&aposTIME&apos) a été remplacé par (&aposTIME_UNCOR&apos).


Variation spatiale de la demande de taxi à l'aide des trajectoires GPS et des données de POI

Le taxi, en tant que moyen de transport porte-à-porte et par tous les temps, est un élément important du système de transport urbain. Une compréhension fondamentale de la variation spatio-temporelle et de ses facteurs influents connexes est essentielle pour la réglementation des taxis et la planification urbaine. Dans cet article, nous explorons la corrélation entre la demande de taxis et les modèles socio-économiques, de système de transport et d'utilisation des terres sur la base de la trajectoire GPS des taxis et des données POI (point d'intérêt) de la ville de Qingdao. Le modèle de régression géographiquement pondéré (GWR) est utilisé pour décrire les facteurs d'influence de l'hétérogénéité spatiale de la demande de taxi et visualiser les distributions spatiales des estimations de paramètres. Les résultats indiquent que pendant les heures de pointe, il existe des différences dans la demande de taxis entre les jours ouvrables et les week-ends. La densité résidentielle et les prix des logements augmentent le nombre de déplacements en taxi. La densité des routes, la densité des parkings et la densité des gares routières sont positivement associées à la demande de taxi. On constate également que plus la proportion de zones commerciales et de zones de services publics est élevée, plus la demande de taxis est élevée, tandis que la proportion de zones résidentielles et la combinaison d'utilisation des terres ont un impact négatif sur la demande de taxis. Cet article fournit quelques références pour comprendre les facteurs environnementaux urbains internes générés par la demande de déplacements en taxi, et fournit des informations pour réduire le taux d'inoccupation des taxis, prévoir la demande spatio-temporelle des taxis et la planification du système de transport public urbain.

1. Introduction

Les statistiques montrent qu'à la fin de 2017, il y avait 584 400 véhicules de transport public (tramway, transport ferroviaire) en Chine et le nombre de taxis était de 1 395 800, ce qui signifie que les déplacements en taxi représentaient une grande partie des transports publics. Cependant, la répartition spatiale des résidents est déséquilibrée. Par conséquent, si les conducteurs ne comprennent pas les besoins des résidents, une offre excédentaire entraînera des déplacements inutiles et peut causer des problèmes urbains, tels que de grandes quantités d'émissions de carbone et des embouteillages [1]. A l'inverse, une offre insuffisante peut entraîner de longues attentes pour les passagers des taxis [2]. Les deux cas dégradent sérieusement le niveau de service pour l'industrie du taxi, par exemple en causant des inconvénients aux déplacements des résidents, en affaiblissant le niveau de service des taxis et en augmentant le coût de la planification quotidienne. Tous ces mauvais effets se traduisent par l'oisiveté et le gaspillage des ressources publiques urbaines. Par conséquent, il est nécessaire de creuser en profondeur les besoins de la fréquentation des taxis des résidents. Cependant, l'exploration de la demande d'utilisation des taxis urbains est une tâche importante et complexe. Premièrement, étant donné que les déplacements urbains en taxi sont motivés par divers objectifs et que les fonctions urbaines varient d'un endroit à l'autre, il est difficile d'articuler clairement les déterminants associés aux déplacements des passagers en taxi [3, 4]. Deuxièmement, contrairement aux autres modes de bus et de tramways, les taxis n'ont pas d'itinéraires et de lignes fixes, il est donc difficile d'étudier la demande de déplacements en taxi. Dans de telles circonstances, la réduction du taux de vacance et du temps d'attente, l'utilisation rationnelle des ressources publiques et l'exploration des principaux facteurs affectant la demande de déplacements des résidents sont devenus l'un des problèmes les plus importants que nous devons résoudre de toute urgence. Afin de résoudre ces problèmes, les études commencent à se concentrer sur les prévisions de déplacements en taxi, le schéma temporel et spatial des déplacements en taxi. Certaines recherches se concentrent également sur le développement et l'optimisation de modèles sur le système de planification des taxis, et le mécanisme d'influence des taxis après l'avènement des applications de taxi-haling [5-7]. De nombreuses études se sont concentrées sur l'inadéquation entre les passagers potentiels et le taxi vide dans l'espace, puis ont proposé le modèle de choix d'itinéraire [8-10]. De plus, certains chercheurs combinent les caractéristiques de distribution de la demande de déplacement avec la structure spatiale urbaine pour considérer les facteurs qui affectent les déplacements en taxi des résidents [6, 11, 12]. Le concept d'environnement bâti a été proposé par des chercheurs pour discuter des facteurs d'influence des déplacements des résidents [13-15]. Bien que les facteurs de l'environnement bâti urbain soient complexes et diversifiés, ils peuvent être résumés en trois aspects : la densité, la diversité et la conception [16], tels que la densité de population, la densité d'emploi, l'utilisation des sols, etc. Les facteurs ci-dessus sont toujours considérés comme ayant un impact négatif ou positif sur la demande de voyages [13-17]. Cependant, la plupart des objets de recherche portent principalement sur les voitures particulières, les vélos publics et le transport ferroviaire, etc., pour explorer l'impact des facteurs environnementaux construits tels que la densité de population et la densité d'emploi sur la demande de déplacements [18-20]. De plus, en raison de l'ensemble de données et des méthodes de recherche limités, les études ne montrent pas de différences de distribution spatiale. Pour cette raison, les chercheurs ont tendance à ignorer le rôle des taxis dans les transports publics et l'impact des facteurs socio-économiques sur la demande de déplacements. Ces dernières années, les chercheurs ont commencé à prêter attention au statut des taxis dans les déplacements des résidents et ont étudié les facteurs d'influence des déplacements en taxi [4, 21, 22]. Dans cet article, des facteurs de « densité » tels que la densité routière et la densité résidentielle sont utilisés pour analyser le statut des taxis dans les déplacements des résidents.

En général, les méthodes de recherche de l'équilibre de l'offre et de la demande d'utilisation du taxi sont dominées par deux méthodes, à savoir la méthode des quatre étapes [23] et le modèle de régression multiple des moindres carrés ordinaires (OLS) [24]. Par rapport à la méthode en quatre étapes, le modèle de régression est relativement rapide et moins cher, et convient mieux à une analyse plus détaillée. Mais l'hypothèse du modèle est que toutes les variables sont statiques dans toute la zone d'étude. Par exemple, Yang et al. [22] ont utilisé le modèle de régression global OLS pour étudier les facteurs connexes affectant les déplacements des passagers en taxi et ont trouvé que l'utilisation des terres avait une forte corrélation avec la demande de taxi. Cependant, les deux méthodes ci-dessus ignorent l'hétérogénéité spatiale (par exemple, les types d'utilisation des terres). En effet, l'hétérogénéité spatiale a un impact important sur les déplacements des habitants. En effet, les déplacements résultent de la séparation spatiale des finalités souhaitées par les personnes, et les finalités sont déterminées par l'hétérogénéité spatiale (les différentes zones fonctionnelles urbaines). Par conséquent, certains chercheurs ont proposé d'utiliser un modèle de régression géographique pondérée (GWR) pour surmonter ce problème [25]. Cette méthode considère l'effet spatial non fixe des variables indépendantes dues à différents domaines de recherche, et elle introduit les caractéristiques de position de chaque point d'échantillon dans l'espace et utilise la distance entre ces points d'échantillon comme un facteur important dans la définition des poids de régression [12, 26].

Avec le développement des services géolocalisés (LBS), certains fournisseurs de services cartographiques (par exemple, Google map, Baidu map, Tencent map, etc.) ont progressivement ouvert des interfaces d'application de services cartographiques. Il réduit le coût d'acquisition des données cartographiques. Les données de point d'intérêt (POI) peuvent être comprises comme un point d'information ou un point d'intérêt. C'est une sorte de données ponctuelles représentant des entités géographiques réelles, qui contiennent principalement des coordonnées géographiques (latitude et longitude), des noms, des catégories et des adresses. Ces données ouvertes de réseau peuvent être utilisées comme source de données principale pour étudier la structure fonctionnelle de l'espace urbain [27, 28]. Les données GPS (Global Positioning System) ont une haute résolution géographique et peuvent obtenir des trajectoires de déplacement à l'échelle de la ville. Par rapport aux données d'enquête traditionnelles, il favorise ainsi l'enquête sur les passagers des taxis urbains. Les données de trajectoire GPS de taxi sont utilisées comme un type d'enregistrement d'activité géospatiale, qui contient les informations reflétant la trajectoire, telles que l'heure, le lieu de prise en charge et de dépose du passager pendant le voyage. Les données ont été utilisées dans de nombreuses études, telles que la distribution spatio-temporelle de l'embarquement et du débarquement, l'identification des points chauds et la prévision du temps d'attente [29-31]. Cependant, peu de recherches se concentrent sur le comportement de déplacement des citadins en utilisant les données de trajectoire GPS des taxis. En effet, le taxi est un mode de déplacement vital pour les citadins et il joue un rôle important dans le reflet des déplacements des habitants. Cet article analyse les variations spatio-temporelles de la demande de déplacement en taxi et considère la différence de demande de déplacement entre les jours ouvrables et les week-ends pendant les heures de pointe en utilisant les données de trajectoire GPS et les données de POI. Afin de mieux décrire les facteurs d'influence de l'hétérogénéité spatiale sur la demande de taxi, le modèle de régression pondéré géographiquement avec des attributs socio-économiques est utilisé dans cet article.

En résumé, bien que les recherches existantes sur la demande de déplacement des transports publics aient été étudiées, il existe certaines restrictions sur les sujets de recherche empiriques et les méthodes de recherche des facteurs d'influence. Cependant, les données utilisées dans les recherches précédentes étaient des données d'enquête, qui manquaient d'informations de localisation. Pendant ce temps, le modèle d'analyse traditionnel ignore l'instabilité de la distribution spatiale de la demande. Compte tenu de la durée et du but différents des déplacements des résidents, ainsi que de la répartition du lieu de travail et du lieu de résidence sont différents dans l'espace. La variation spatio-temporelle de la distribution de la demande de taxis doit être prise en compte dans cet article. Compte tenu de ce qui précède, cet article vise à combler cette lacune en ayant une analyse empirique de la demande de taxi basée sur la trajectoire des taxis et les données de POI. Le reste de ses papiers est organisé comme ceci. La section 2 décrit les données et la méthodologie, y compris le prétraitement des données, le détail de la variable dépendante et des variables indépendantes, l'estimation de la densité du noyau et le modèle de régression de poids géographique. La section 3 présente la distribution spatio-temporelle de la demande de déplacements. La section 4 a visualisé les facteurs d'influence des coefficients estimés. Enfin, dans la section 5, nous résumons les résultats et proposons un futur programme de recherche.

2. Données et méthodologie

2.1. Données

Cet article utilise les données GPS des taxis de la ville de Qingdao du 2 au 8 août 2017 comme objet de recherche (pas d'événements spéciaux et de jours fériés nationaux). Les appareils enregistrent les positions des taxis, toutes les 30 s pendant la journée, générant environ 140 millions d'enregistrements appartenant à 8 700 taxis, qui couvrent plus de 80 % de l'ensemble de la ville. Le format de la structure de données comme <ID, le numéro de plaque d'immatriculation, la longitude et la latitude, l'état, la vitesse, la direction, l'heure d'écriture >. Il y a deux états : 0 et 1, 1 pour chargé et 0 pour vide (pas de charge). La trajectoire du taxi est composée de plusieurs points GPS, les données sont classées par ordre chronologique pour former la trajectoire du véhicule et reflètent les informations de lieu de prise en charge et de dépose. L'identification des points d'embarquement et de débarquement est basée sur le changement continu d'états différents et consiste en une distribution de points linéaire continue et directionnelle de 0 et 1. L'état forme une séquence de 0 changement à 1, 1 est le point de ramassage, inverse, une séquence de 1 changement à 0, 0 est le point de chute (Figure 1). Au cours de la conduite en taxi, une défaillance de l'équipement GPS et une occlusion du bâtiment se produiront, entraînant une perte de données ou une redondance. Il est nécessaire de détecter et de supprimer les mauvais enregistrements pour conserver la bonne qualité des données et garantir l'exactitude des résultats. Trois types de données doivent être supprimés : (i) les enregistrements avec la longitude ou la latitude à zéro (ii) les données en dehors de la zone d'étude. Le principal domaine de recherche de cette étude est la zone urbaine de Qingdao (district de Shinan, district de Shibei, district de Licang, district de Laoshan, district de Huangdao, district de Chengyang, illustré à la figure 2) (iii) enregistre des vitesses supérieures à 100 km/h. En moyenne, 250 000 enregistrements sont obtenus par jour.


Scènes

ArcGIS Companion est une application mobile native pour iOS et Android qui offre un accès pratique à votre organisation, contenu et profil ArcGIS. Utilisez l'application pour rechercher, parcourir et gérer le contenu, les membres et les groupes ArcGIS, et pour partager et collaborer avec d'autres. Avec Companion , vous choisissez où vous souhaitez ouvrir des éléments tels que des cartes, des scènes, des applications et des calques. Par exemple, vous pouvez ouvrir des cartes Web dans Explorer for ArcGIS . Découvrez le contenu le plus populaire et le plus à jour de votre organisation et restez informé des dernières actualités, blogs et tweets Esri. Les administrateurs peuvent effectuer des tâches courantes telles que la réinitialisation des mots de passe des membres, l'activation et la désactivation des membres, la mise à jour des profils utilisateur, l'ajout de membres au portail, l'attribution de groupes aux membres et la modification des rôles.

Companion est disponible pour tous les membres des organisations et développeurs ArcGIS qui font partie du programme pour développeurs ArcGIS. Il est disponible dans toutes les langues (à l'exception de l'hindi) prises en charge par le site Web du portail.

Pourquoi mon organisation devrait-elle utiliser uniquement HTTPS ?

Le chiffrement des informations sensibles est la principale raison d'utiliser HTTPS. HTTPS utilise des protocoles de chiffrement TLS (Transport Layer Security) ou SSL (Secure Sockets Layer) qui assurent une communication sécurisée sur les réseaux. La plateforme ArcGIS utilise TLS, qui est un protocole de chiffrement plus récent et sécurisé que SSL. ArcGIS Online prend toujours en charge SSL et vous verrez souvent SSL et TLS utilisés de manière interchangeable dans la documentation.Lorsque vous envoyez des informations sur Internet en utilisant HTTPS dans votre adresse URL, seul le destinataire prévu peut comprendre les informations. Ce cryptage est important car les informations que vous envoyez sur Internet sont généralement transmises entre de nombreux ordinateurs avant d'atteindre le serveur de destination. Tout ordinateur entre vous et le serveur peut voir des informations sensibles, telles que des mots de passe, si les informations ne sont pas cryptées avec un certificat TLS ou SSL valide. Lorsqu'un certificat TLS ou SSL valide est utilisé, les informations deviennent illisibles pour tout le monde, à l'exception du serveur sur lequel vous envoyez les informations. Cela le protège des activités malveillantes telles que l'usurpation d'identité.

Si votre organisation ArcGIS Online a été créée avant la mi-septembre 2018, il est recommandé de vérifier vos paramètres de sécurité et d'activer l'option pour autoriser uniquement l'accès à l'organisation via HTTPS. Il est également recommandé d'activer TLS sur tous vos services sur site. Lorsque vous ajoutez des couches à des cartes ou ajoutez des couches en tant qu'éléments, il est recommandé d'utiliser des URL HTTPS. HTTPS aide à protéger vos données et atténue également les problèmes de contenu mixte avec les navigateurs. De nos jours, de nombreux sites Web ne sont accessibles que via HTTPS. HTTPS garantit que vos données et toutes les autres communications entre votre navigateur et ArcGIS Online sont chiffrées.

Pour plus d'informations sur TLS, SSL, HTTPS et la sécurité Internet, visitez Trust Center. Esri a créé Trust Center en tant que ressource pour les informations de sécurité, de confidentialité et de conformité sur la plate-forme ArcGIS. Trust Center fournit des informations sur la sécurité des produits, les alertes de sécurité, la conformité de la sécurité, les meilleures pratiques de sécurité pour votre organisation, etc.

Les composants bêta peuvent avoir des fonctionnalités ou une documentation incomplètes et peuvent subir des modifications mineures et non annoncées. Les composants bêta sont généralement disponibles en anglais uniquement. Si vous rencontrez des problèmes ou rencontrez des problèmes avec l'une des fonctionnalités bêta, contactez l'assistance Esri ou visitez la communauté Esri.

Qu'est-ce que cela signifie lorsqu'une application configurable est étiquetée Mature ?

Une application configurable passe au statut mature lorsqu'une application comparable améliorée la remplace. Lorsqu'une application configurable passe au statut mature, les applications existantes que vous avez créées avec l'application configurable continuent de fonctionner et restent accessibles aux utilisateurs, et vous pouvez toujours modifier et mettre à jour vos applications. Vous pouvez également créer de nouvelles applications avec une application configurable mature, cependant, cela n'est pas recommandé car Esri n'ajoute pas de nouvelles fonctionnalités ou ne résout pas les problèmes dans les applications matures. Par exemple, les applications matures ne sont pas mises à jour pour prendre en charge les modifications de navigateur ou les modifications dans ArcGIS qui affectent les fonctionnalités de l'application. Néanmoins, si vous souhaitez créer une application basée sur une application configurable mature, vous pouvez le faire en cliquant sur le bouton Créer une application Web sur la page de l'élément de l'application mature.

Quand les membres voient-ils les coordonnées de l'administrateur de leur organisation ?

Le nom et l'adresse e-mail de l'administrateur sont inclus dans l'invitation à rejoindre l'organisation la notification que le profil a changé demande de réinitialiser le mot de passe, de récupérer un nom d'utilisateur oublié et d'aider à l'authentification multifacteur et les notifications liées à l'atteinte ou au dépassement de l'allocation de crédit limite. La spécification des contacts administratifs détermine les administrateurs inclus dans les e-mails.

Quels types de couches puis-je ajouter à une carte ?

Quelle est la différence entre les entités stockées dans la carte et les entités stockées dans une couche de service d'entités ?

Les entités stockées dans la carte proviennent de la création d'une couche de notes de carte ou d'un fichier téléchargé qui ne peut être modifié que par l'auteur de la carte. Les entités des couches de service d'entités sont diffusées à partir d'un service Web et peuvent être modifiées par les utilisateurs si le propriétaire du service le permet.

Quelle est la meilleure façon d'ajouter des entités à une carte ?

Ça dépend. Si vous disposez de grandes quantités de données et que vous avez accès à ArcGIS Server , une approche efficace consiste à créer un service d'entités et à l'ajouter en tant que couche à votre carte. Vous devez également ajouter des couches d'entités si vous souhaitez que d'autres personnes modifient les entités et leurs informations attributaires. Par défaut, vos entités seront modifiables par toute personne consultant votre carte.

Si vous n'avez pas accès à ArcGIS Server ou si vous souhaitez uniquement ajouter quelques entités, ajoutez une couche de notes de carte avec Map Viewer . Map Viewer propose plusieurs modèles parmi lesquels vous pouvez choisir des formes et des symboles. Cependant, il n'est pas pratique d'ajouter un grand nombre d'entités, car vous devez créer chacune d'elles dans Map Viewer — vous ne pouvez pas, par exemple, télécharger un fichier d'entités prédéfinies. Ces couches sont en lecture seule, les autres ne peuvent donc pas modifier les entités ou modifier les informations attributaires associées.

Si vous avez des entités dans un fichier texte délimité ( .txt ou .csv ) ou un fichier GPS Exchange Format ( .gpx ), vous pouvez les importer dans votre carte. C'est un moyen pratique d'ajouter des fonctionnalités que vous avez stockées dans un fichier sur votre ordinateur. Une fois que vous les avez ajoutés à votre carte, vous pouvez modifier les symboles et configurer les fenêtres contextuelles.

Si votre fichier contient de nombreuses entités, vous devez le placer sur un serveur Web et le référencer via une URL en utilisant Ajouter une couche à partir du Web , plutôt que de l'importer directement dans la carte.

Comment enregistrer une couche d'entités individuelle en tant qu'élément ?

Pour enregistrer une couche d'entités individuelle à partir d'une couche d'entités multicouche, procédez comme suit :

  1. Ouvrez la page de l'élément de la couche d'entités multicouches et accédez à l'onglet Visualisation.
  2. Choisissez le calque que vous souhaitez enregistrer dans le menu déroulant Calque.
  3. Cliquez sur Enregistrer en tant que nouveau calque pour enregistrer une copie du calque en tant que nouvel élément dans Mon contenu .
  4. Tapez un titre, des balises et un résumé, et choisissez éventuellement un autre dossier pour enregistrer la couche.
  5. Sélectionnez pour créer le nouvel élément avec uniquement le calque actuel et cliquez sur Enregistrer .

Comment puis-je savoir si une carte est activée par le temps ?

Si vous voyez un curseur temporel au bas d'une carte, cette carte comprend une ou plusieurs couches temporelles et vous pouvez lire la carte pour voir comment les informations changent au fil du temps.

Quelle est la différence entre Enregistrer et Enregistrer sous ?

Enregistrer met à jour une carte existante que vous possédez. Enregistrer sous crée une copie de la carte et la fenêtre d'origine Enregistrer la carte s'affiche dans laquelle vous pouvez mettre à jour le titre, les balises, etc. Vous pouvez enregistrer une copie de toute carte qui ne vous appartient pas. Vous ne pouvez pas mettre à jour une carte existante qui ne vous appartient pas.

Quelle est la différence entre créer une carte avec une API ArcGIS et utiliser Map Viewer pour créer une carte ?

Vous pouvez considérer Map Viewer comme un canevas sur lequel vous pouvez facilement mélanger différentes couches qui vous intéressent. Une fois que vous avez créé une carte, vous pouvez la partager avec d'autres utilisateurs du portail ou l'intégrer dans une application. Il peut s'agir d'une application que vous avez écrite à l'aide des API ArcGIS, ou si vous avez peu d'expérience en programmation, il peut s'agir d'une application préconfigurée telle que les modèles d'application Web du portail.

Les API ArcGIS peuvent également être utilisées pour créer un mashup à partir de zéro sans démarrer dans Map Viewer . Cela implique plus de gestion de code et de couche par le développeur.

Comment rendre une couche disponible en tant que fond de carte dans la galerie de fonds de carte de mon organisation ?

  1. Contactez votre administrateur de portail pour confirmer que la galerie de fonds de carte utilise un groupe personnalisé qui permet à ses membres de contribuer au contenu. Si tel est le cas, rejoignez le groupe ou demandez à votre administrateur de vous y ajouter.
  2. Connectez-vous à votre organisation et ouvrez Map Viewer .
  3. Ajoutez la couche à la carte en tant que fond de carte. Vous pouvez ajouter un service Web ArcGIS Server, une couche OGC ou une couche de tuiles. La couche doit être partagée avec le groupe de galerie de fonds de carte et votre organisation.
  4. Enregistrez la carte. Donnez à la carte un nom concis qui permet aux autres membres du portail de savoir ce qu'elle contient.
  5. Cliquez sur Partager et partagez la carte avec le groupe de galerie de fonds de carte et avec votre organisation.

Une scène est une représentation 3D d'un ensemble de couches, de styles et de configurations qui vous permettent de partager du contenu géospatial symbolisé avec d'autres sur Internet. Vous pouvez créer des scènes 3D via ArcGIS Pro ou Scene Viewer dans un portail ArcGIS Enterprise.

Scene Viewer est une application intégrée au portail ArcGIS Enterprise pour créer et interagir avec des scènes 3D. Scene Viewer fonctionne avec les navigateurs Web de bureau qui prennent en charge WebGL, une norme de technologie Web intégrée à la plupart des navigateurs modernes pour le rendu des graphiques 3D.

Vous pouvez afficher des scènes sur le site Web du portail avec Scene Viewer ou vous connecter à votre organisation et créer des scènes. Vous pouvez également ouvrir des scènes dans ArcGIS Pro .

Vous pouvez vous connecter à votre organisation pour créer une scène dans votre portail avec Scene Viewer , ou vous pouvez utiliser ArcGIS Pro pour créer et partager une scène.

Quelle est la différence entre une scène et une carte ?

Une scène est similaire à une carte dans la mesure où il s'agit d'un mélange de couches de données que vous pouvez afficher dans un navigateur. Les scènes sont différentes des cartes car, contrairement aux cartes, les scènes affichent des données dans un environnement 3D et permettent la navigation dans n'importe quelle direction et angle.

Ai-je besoin d'ArcGIS Pro pour créer une scène ?

Non. Vous pouvez créer des scènes en mélangeant des calques partagés avec votre organisation à l'aide de Scene Viewer .

Comment puis-je utiliser Scene Viewer avec mes données 2D ?

Vous pouvez intégrer vos données 2D dans un environnement 3D et obtenir une meilleure compréhension des données. Par exemple, vous pouvez créer des symboles 3D à partir de vos symboles 2D en appliquant une taille et une hauteur. Vous pouvez effectuer un zoom avant et arrière et faire pivoter la surface pour voir les données sous différents angles. Vous pouvez également ajouter une élévation aux couches 2D qui se chevauchent afin de visualiser plus facilement les données de chaque couche.

Quelle est la différence entre Scene Viewer et CityEngine Web Viewer ?

Scene Viewer et CityEngine Web Viewer sont deux applications différentes disponibles dans ArcGIS Enterprise, chacune avec ses propres fonctionnalités et objectifs.

  • Affichez des scènes créées à partir de Scene Viewer ou d'ArcGIS Pro . Scene Viewer ne prend pas en charge les scènes Web CityEngine.
  • Créez des scènes : par exemple, vous pouvez ajouter et supprimer des couches, modifier la symbologie ou capturer des diapositives.
  • Affichez une collection de couches de portail, telles que des couches de scènes, des couches d'entités, des couches d'images ou des couches de tuiles.
  • Affichez les scènes rendues dans l'étendue du monde avec des fonds de carte dans une vue de globe sphérique (scène globale) ou une vue plane (scène locale).
  • Naviguez dans les scènes où le chargement des données et le rendu de l'image graphique sont effectués progressivement.
  • Affichez des scènes Web CityEngine statiques (.3ws) exportées depuis CityEngine ou ArcScene. CityEngine Web Viewer ne prend pas en charge les scènes.
  • Affichez les scènes Web CityEngine qui sont rendues dans une petite étendue locale avec un système de coordonnées cartésiennes.
  • Commentez et comparez des scénarios : par exemple, vous pouvez utiliser l'outil de balayage pour voir les différences entre deux scénarios.
  • CityEngine Web Viewer charge les scènes Web CityEngine en tant que téléchargement initial à l'ouverture et ne charge aucune donnée de streaming par la suite.
  • CityEngine Web Viewer est un outil de visualisation et ne prend pas en charge la création, telle que l'ajout de fonds de carte, la modification de la symbologie ou la configuration de couches.

Puis-je partager une géométrie 3D dans des couches d'entités ?

Oui. Vous pouvez partager des points, des lignes et des polygones 3D.

Puis-je partager mes propres modèles de terrain dans des scènes ?

Oui. Vous pouvez partager des terrains personnalisés via ArcGIS Server . Utilisez ArcGIS 10.3 for Desktop ou une version ultérieure pour créer un service d'imagerie d'altitude mis en cache et partager le service via ArcGIS Server . Vous pouvez également utiliser ArcGIS Pro pour créer un paquet de tuiles à partir de vos données d'altitude afin de créer une couche d'altitude hébergée dans ArcGIS Online . Vous pouvez ensuite ajouter ces services et couches d'altitude à votre scène.

Pourquoi mon application Story Map n'affiche-t-elle pas l'application ou le contenu Web que j'y ai intégré ?

Si votre portail est configuré pour communiquer uniquement via HTTPS, les Story Maps que vous créez dans ce portail seront toujours accessibles via HTTPS. Si vous intégrez une application ou un contenu Web accessible via HTTP, l'élément intégré ne s'affichera pas dans votre Story Map.

Quelles applications ArcGIS prennent en charge les fonds de carte vectoriels dans la galerie de fonds de carte ?

Les fonds de carte vectoriels sont disponibles dans Map Viewer , Scene Viewer , ArcGIS Pro , Collector for ArcGIS , Workforce for ArcGIS , Explorer for ArcGIS , les applications créées à l'aide de Web AppBuilder et les applications configurables qui incluent une galerie de fonds de carte. Pour savoir si des fonds de carte vectoriels sont disponibles dans une application ArcGIS spécifique, reportez-vous à la documentation de l'application.

Pour en savoir plus sur les fonds de carte vectoriels et leur comparaison avec les fonds de carte raster, voir Couches de tuiles.

Quelle taille de fichier puis-je télécharger ?

Vous pouvez télécharger des fichiers jusqu'à 200 Go sur Mon contenu via un navigateur Web.

Pour publier des packages de tuiles volumineux, il est recommandé d'utiliser l'outil de géotraitement Partager un package, qui peut tirer parti de plusieurs cœurs de traitement.

Vous pouvez partager les types de cartes, d'applications, de couches, d'outils et de fichiers pris en charge.

Puis-je partager une URL de ma carte ou de mon application ?

Oui. Les éléments de contenu, les résultats de recherche et les groupes sont accessibles directement via une URL.

Que se passe-t-il si je supprime l'élément source utilisé pour publier une couche hébergée ?

  • Si vous supprimez un fichier de définition de service, l'option Remplacer un service existant dans ArcMap peut ne plus fonctionner comme prévu.
  • Si vous supprimez un fichier de formes, une géodatabase fichier ou un fichier CSV, l'option Remplacer sur la page d'élément de la couche d'entités hébergée n'est plus disponible.
  • Si vous supprimez un package de tuiles ( .tpk ), la couche de tuiles hébergée publiée à partir de celui-ci ne peut plus être mise hors ligne.

Lorsque l'élément source utilisé pour publier une couche hébergée est une couche hébergée elle-même, la couche hébergée utilisée comme élément source ne peut pas être supprimée tant que toutes les couches hébergées publiées à partir de celle-ci ne sont pas supprimées.

Quelle est la différence entre une carte et une application Web dans le contexte du site Web ?

Une carte ArcGIS est un ensemble de couches d'informations et de fenêtres contextuelles couvrant une certaine zone géographique. La carte est interchangeable de sorte qu'elle peut être consultée dans un navigateur, un appareil mobile ou une application de bureau. Vous pouvez utiliser des outils spécifiques à l'application pour modifier l'étendue de la carte, rechercher des lieux et afficher des données détaillées sur un emplacement.

Vous créez une carte en définissant une zone d'intérêt, en choisissant un fond de carte, en ajoutant des couches de données et en configurant des fenêtres contextuelles. Vous pouvez enregistrer des cartes et les partager avec tout le monde ou avec des groupes spécifiques auxquels vous appartenez.

Une application Web est un site Web qui combine des cartes, des données et des outils pour une utilisation ciblée telle que la recherche de bureaux de vote pour une élection. Cela peut être aussi simple qu'une image de carte navigable intégrée dans un blog ou aussi complexe qu'une visualisation de navigation GPS.

Les applications Web peuvent être basées sur des modèles (inclus avec le portail) ou développées à partir de zéro à l'aide des API ArcGIS. Ces deux types d'applications peuvent se connecter aux cartes ArcGIS. En général, les applications sont construites à partir d'informations contenues dans des cartes, complétées par des configurations et des personnalisations spécifiques. Les applications peuvent être hébergées dans le cadre de votre contenu dans le système, ou elles peuvent être gérées indépendamment et enregistrées avec le système.

Qu'est-ce qu'ArcGIS Living Atlas of the World ?

ArcGIS Living Atlas of the World est une collection évolutive d'informations géographiques mondiales fiables et prêtes à l'emploi d'Esri . Il comprend des images, des fonds de carte, des données démographiques et des modes de vie, des paysages, des limites et des lieux, des transports, des observations de la Terre, des systèmes urbains, des océans et des cartes historiques pouvant être combinées avec vos propres données pour créer des cartes, des scènes et des applications et effectuer des analyses.

Qu'est-ce que le contenu des abonnés ?

Le contenu d'abonné est la collection de couches cartographiques prêtes à l'emploi, d'outils d'analyse et de services publiés par Esri qui nécessitent un compte d'abonnement d'organisation ArcGIS Online pour y accéder. Cela inclut les couches d'Esri telles que les images NAIP, les couches d'analyse du paysage et les cartes historiques. Le contenu de l'abonné ne consomme pas de crédits ArcGIS Online.

Le contenu Premium est un type de contenu d'abonné ArcGIS Online. Il s'agit d'un ensemble de couches cartographiques prêtes à l'emploi, d'outils d'analyse, d'applications et de services publiés par Esri auxquels vous accédez via un compte d'organisation ArcGIS Online et consommez des crédits lorsqu'ils sont utilisés. Les couches de contenu premium d'Esri comprennent des cartes démographiques et de mode de vie ainsi que des outils de géocodage, de géoenrichissement, d'analyse de réseau, d'analyse d'altitude et d'analyse spatiale.

Comment autoriser mes collègues à modifier le contenu que je partage avec eux ?

Vous pouvez autoriser d'autres personnes de votre organisation à mettre à jour vos cartes, applications, couches et fichiers, ainsi que les détails de leurs éléments, en partageant les éléments avec un groupe pour lequel la fonction de mise à jour des éléments est activée. Lorsque vous partagez des éléments avec un groupe avec cette fonctionnalité activée, vous autorisez les membres du groupe à mettre à jour tous les éléments partagés avec le groupe. Cela inclut la modification des détails d'un élément ou la mise à jour de son contenu.

Permettre aux autres membres de votre organisation de mettre à jour votre contenu partagé est utile dans de nombreux scénarios. Par exemple, cela permet à une équipe de travailleurs postés de partager facilement la responsabilité de la mise à jour d'une carte Web critique : ajout ou suppression de couches, modification des symboles, mise à jour de la description de la carte, etc. Un autre scénario courant consiste à donner à une équipe d'éditeurs la possibilité de modifier une couche d'entités hébergée visible publiquement sans activer la modification sur la couche pour tout le monde.

Pour permettre à d'autres personnes de mettre à jour vos éléments partagés, procédez comme suit :

    Créez un groupe avec la fonction de mise à jour des éléments activée comme suit :
      Assurez-vous que vous disposez des privilèges pour créer des groupes avec des capacités de mise à jour. . Pour le Quels éléments du groupe ses membres peuvent-ils mettre à jour ? paramètre, sélectionnez Tous les éléments (l'appartenance au groupe est limitée à l'organisation) .

    Cette option n'est disponible que lors de la création de nouveaux groupes et lorsque l'adhésion au groupe n'est ouverte qu'à ceux qui sont invités ou qui en font la demande et dont l'adhésion est approuvée.

    Vous ne pouvez inviter que des membres de votre organisation qui disposent de privilèges pour créer, mettre à jour et supprimer du contenu.

    Vous restez le propriétaire des éléments et les autres membres du groupe peuvent les mettre à jour, notamment en modifiant les détails de l'élément et en mettant à jour le contenu.

    Seul le propriétaire (ou l'administrateur) de l'élément peut effectuer les actions suivantes sur l'élément (toutes les actions ne s'appliquent pas à tous les types d'élément) : supprimer, partager, déplacer, changer de propriétaire, modifier la protection contre la suppression, publier, enregistrer une application, écraser des données dans les couches d'entités hébergées et gérer les tuiles dans les couches de tuiles hébergées.


    Comment optimiser ArcMap pour de meilleures performances ?

    ArcMap fonctionne à la même vitesse sur mon ordinateur portable (i5 4300U) et mon ordinateur de bureau (overclocké 3770k).

    Il semble que les performances d'un seul cœur soient importantes, car Arcmap semble n'utiliser que 2 cœurs. Y a-t-il des modifications pour rendre arcmap plus fluide ?

    J'ai vu des choses sur l'obtention de plus de RAM ou d'un stockage plus rapide, mais j'ai une RAM de 1600 MHz sur mes deux compositions, ce qui est assez rapide et un ssd dans les deux. Vitesse de lecture et d'écriture de 500 Mo/s.

    La vitesse de votre RAM n'aura pas beaucoup d'importance. Même la RAM "slow" est suffisamment rapide pour les applications ArcMap. La RAM très rapide n'est généralement bénéfique que pour les jeux. Qu'importe le montant de RAM dont vous disposez. Je recommanderais 4 Go comme minimum absolu. 8 Go ou plus est idéal.

    Si vous travaillez beaucoup avec des rasters, assurez-vous que l'accélération matérielle est activée. Une carte graphique dédiée décente vous aidera avec vos temps de dessin.

    Avoir et SSD est un grand. Assurez-vous que si vous avez également un disque dur, les données sur lesquelles vous travaillez activement se trouvent sur votre SSD.

    Vous avez raison de dire qu'ArcMap ne fait pas un bon travail en utilisant plusieurs cœurs. Cela signifie que la vitesse d'horloge est généralement plus importante que le nombre de cœurs.

    A part ça, je n'ai pas beaucoup de conseils à vous donner. Je suis intéressé de voir ce que les autres disent.


    Matériels et méthodes

    Plages d'altitude et de latitude

    Nous avons enregistré les limites de distribution en altitude supérieure et inférieure de la littérature pour 135 espèces galliformes et utilisé le point médian dans nos analyses.Nous avons obtenu des données de manuels et de guides de terrain mondiaux et régionaux, ainsi que de ressources en ligne (données disponibles dans le Dryad Digital Repository http://dx.doi.org/10.5061/dryad.38s8g). Nous avons utilisé les altitudes de reproduction lorsqu'elles étaient disponibles. Nous avons déterminé l'étendue latitudinale des aires de reproduction à l'aide des cartes de répartition des espèces de (BirdLife International & NatureServe 2012) (http://www.birdlife.org/datazone/info/spcdownload). Nous avons importé les fichiers de formes dans arcgis 10.2.2 (ESRI 2013) et extrait les données de l'aire de répartition indigène des espèces où elle était existante ou considérée comme probablement existante, et où elle était résidente ou nicheuse toute l'année. Nous avons calculé la latitude centroïde de l'aire de reproduction et utilisé sa valeur absolue dans toutes les analyses. Pour quatre espèces pour lesquelles les données n'étaient pas disponibles à partir des sources ci-dessus, nous avons utilisé les cartes de l'aire de répartition mondiale des espèces et les informations de distribution de del Hoyo, Elliott & Sargatal (1994) et l'étendue latitudinale maximale et minimale estimée visuellement et calculé le point médian latitudinal.

    Données d'histoire de vie

    Nous avons collecté des données sur la taille de la couvée, la masse des œufs, la période d'incubation et la masse corporelle des femelles dans la littérature pour les 135 espèces galliformes pour lesquelles de telles données ont été publiées. Des données sur le nombre de couvées étaient disponibles pour un sous-ensemble de 45 espèces (données disponibles auprès du Dryad Digital Repository http://dx.doi.org/10.5061/dryad.38s8g). Lorsque les données étaient disponibles au niveau de la sous-espèce, nous avons fait la moyenne des valeurs de toutes les sous-espèces pour calculer les moyennes des espèces. Seules les données démographiques de l'aire de répartition naturelle d'une espèce ont été utilisées. Les valeurs moyennes des variables ont été utilisées lorsqu'elles étaient disponibles autrement, les moyennes ont été estimées comme le point médian de la fourchette indiquée. Si elles sont signalées, nous avons également utilisé des données d'oiseaux en captivité, nous avons supposé que les données de captivité se situaient dans la plage de variation observée pour le caractère dans la nature. Pour neuf espèces pour lesquelles les données sur la masse d'œufs n'étaient pas disponibles, nous avons suivi (Musvuugwa & Hockey 2011 ) et estimé la masse d'œufs à partir de l'équation fournie par (Hoyt 1979 ) : W = Kw LB 2 , où W = masse d'œuf(g), Kw = coefficient de poids spécifique (g cm -3 ), L = longueur de l'œuf (cm) et B = largeur de l'œuf (cm). Kw a été calculée à partir de congénères pour lesquels la masse et les dimensions des œufs étaient connues et variaient de 0,526 à 0,726 g cm -3 . Nous avons généralement utilisé la masse corporelle féminine, mais dans les cas où la masse corporelle spécifique au sexe n'était pas indiquée, nous avons utilisé la masse corporelle déclarée. Nous avons calculé la masse de la couvée comme le produit de la masse des œufs et de la taille de la couvée.

    Analyses statistiques

    Nous nous connectons10-transformé tous les traits d'histoire de vie sauf le nombre de couvées avant les analyses. Pour tenir compte de la parenté phylogénétique dans les comparaisons interspécifiques (Felsenstein 1985), nous avons utilisé les moindres carrés généralisés phylogénétiques (PGLS) avec une estimation simultanée de par le maximum de vraisemblance pour analyser les relations entre les traits d'histoire de vie et l'altitude et la latitude (Martins & Hansen 1997 Freckleton, Harvey & Pagel 2002). λ est un paramètre de transformation de longueur de branche interne qui peut aller de 0 (aucune espèce de relations phylogénétiques ne peut être traitée comme des points de données indépendants) à 1 (le modèle observé de variation des traits parmi les espèces ressemble à ceux attendus dans un modèle d'évolution de mouvement brownien). Nous avons construit un arbre de consensus de règle de majorité (données disponibles dans le Dryad Digital Repository http://dx.doi.org/10.5061/dryad.38s8g) en échantillonnant 4000 arbres basés sur un backbone Hackett (Hackett et al. 2008 ) de www.birdtree.org (Jetz et al. 2012 ) à l'aide du logiciel Mesquite (Maddison & Maddison 2011 ). Cet arbre a été utilisé dans les analyses PGLS. Nous avons implémenté PGLS dans r version 2.15.1 (R Core Team 2012 ) en utilisant les packages ‘ ape ’ (Paradis, Claude & Strimmer 2004 ) et ‘ nlme ’ (Pinheiro et al. 2012 ) après que les polytomies aient été arbitrairement résolues en branches de longueur nulle. Comme la mise à l'échelle des variables par leurs écarts types pour obtenir des estimations de régression standardisées ignore leur structure phylogénétique (D. Orme, comm. pers.), nous avons standardisé les variables pour avoir une moyenne phylogénétique de 0 et une variance de 1 pour tenir pleinement compte de cette structure, puis les ont soumis à une régression PGLS. Cette standardisation nous permet d'obtenir des tailles d'effet comparables. De nombreux traits d'histoire de vie sont fortement corrélés à la masse corporelle. Par conséquent, nous avons contrôlé les effets allométriques en effectuant d'abord une régression PGLS de chaque trait d'histoire de vie par rapport à la masse corporelle, puis en utilisant les résidus résultants dans les régressions PGLS ultérieures en fonction de l'altitude et de la latitude. L'analyse avec le nombre de couvées comme variable dépendante a été réalisée sur un sous-ensemble de 45 espèces. Pour évaluer comment la latitude peut influencer l'effet de l'altitude sur les traits d'histoire de vie, les résidus de traits ont été régressés en fonction de l'altitude, de la latitude et d'un terme d'interaction altitude × latitude. Si les valeurs estimées de λ ne pouvaient pas être distinguées de zéro, une analyse de régression des moindres carrés ordinaires (OLS) a été effectuée en utilisant le même ensemble de prédicteurs car la correction phylogénétique n'est pas nécessaire. Étant donné que les valeurs aberrantes peuvent biaiser les estimations de régression PGLS, nous avons exclu les espèces avec des résidus normalisés >±3 écarts-types par rapport à la moyenne (Symonds & Blomberg 2014). L'importance a été considérée comme P < 0,05. Pour mieux interpréter les termes d'interaction élévation × latitude significatifs (voir ci-dessous), pour chaque trait avec un effet d'interaction significatif, nous avons tracé les valeurs prédites à partir des équations de régression résultantes en utilisant la latitude fixée aux valeurs hautes et basses observées tout en permettant à l'altitude de varier, et avec l'altitude fixe aux valeurs hautes et basses observées tandis que la latitude variait. À des fins d'illustration, nous avons utilisé une heuristique qui a classé les espèces avec une altitude médiane ≥ 2000 m comme des espèces « haute » (vs. « basse ») et celles avec une valeur absolue de latitude centroïde ≥|30|° comme « tempérée ' (vs. 'tropical') espèces. Notez que nous n'avons effectué aucune analyse basée sur cette classification heuristique. Toutes les analyses traitaient la latitude et l'altitude comme des attributs à variation continue.


    1. INTRODUCTION

    En raison de son isolement relatif par rapport aux autres écosystèmes montagneux d'Afrique de l'Est, le Rift Albertin a été reconnu comme un point chaud de la biodiversité (Plumptre et al., 2007 ). Il abrite au moins 1 779 espèces de vertébrés terrestres (mammifères, oiseaux, reptiles et amphibiens), dont 140 sont endémiques et 78 ont été classées comme globalement menacées sur la Liste rouge de l'Union internationale pour la conservation de la nature (UICN) (Ayebare, Plumptre, Kujirakwinja , & Segan, 2018 ). Le Rift couvre 313 000 km 2 de la pointe nord du parc national du lac Albert et Murchison Falls à la pointe sud du lac Tanganyika et englobe les montagnes de chaque côté de la vallée du Rift (Plumptre et al., 2007 Plumptre et al., 2010 ) . Environ les deux tiers du Rift Albertin sont situés dans l'est de la République démocratique du Congo (RDC). Au cours des dernières décennies, la croissance démographique humaine spectaculaire, souvent exacerbée par l'afflux de réfugiés locaux et étrangers, a entraîné des changements drastiques dans l'utilisation des terres en raison de la conversion de la forêt en terres agricoles (Ayebare et al., 2018 ). La RDC abrite au moins 49 espèces de primates (UICN, 2020), mais dans certaines zones leurs populations sont fragmentées et en déclin (Hicks et al., 2010). C'est le cas du chimpanzé oriental Pan troglodytes schweinfurthii, qui est menacée dans toute son aire de répartition (Hicks et al., 2010 ). On estime qu'en RDC seulement, il reste au moins 100 000 chimpanzés de l'Est, avec jusqu'à ± 13 000 vivant dans le Rift Albertine (Plumptre et al., 2010). Néanmoins, les estimations de la population de l'espèce restent incertaines dans de nombreuses régions de la RDC, car l'instabilité politique a entravé les explorations scientifiques de vastes zones, en particulier dans la province de l'Ituri.

    Les forêts des hauts plateaux de l'Ituri ont été réduites à des rubans brisés avec moins de 20 fragments forestiers dispersés le long des pentes de l'escarpement du lac Albert. Bien que plus au nord-ouest du pays subsistent de vastes étendues d'habitats intacts propices aux chimpanzés et à d'autres espèces sauvages (Hicks et al., 2014), ces petits fragments de forêt servent de dernier refuge aux espèces menacées désormais emportées par la vague de développement. Alors que la fragmentation de l'habitat augmente le risque d'extinction de la faune, un nombre important d'espèces forestières, y compris les chimpanzés, sont capables de survivre pendant des décennies dans des forêts perturbées et fragmentées (McCarthy et al., 2015 Whitmore & Sayer, 1992 ). Afin de protéger les chimpanzés en tant qu'espèce, il est nécessaire de savoir exactement où ils se trouvent. La présence de chimpanzés dans des fragments de forêts reliques de la région congolaise du Rift Albertin – déterminée en 2015 sur la base de discussions informelles avec les habitants locaux – était inattendue. Les chimpanzés ne sont généralement pas présents dans les forêts de montagne (le plus haut record à 2 750 m d'altitude) (Matthews, Ridley, Niyigaba, Kaplin, & Grueter, 2019 Plumptre et al., 2010) et les populations de chimpanzés connues les plus proches - soit de l'autre côté du lac en Ouganda ou au large de la limite orientale du paysage du Programme régional pour l'environnement de l'Afrique centrale Ituri-Epulu-Aru (CARPE) - sont situés à ±75 km. De plus, la seule preuve historique écrite de chimpanzés dans la région remonte à 1886 à partir des notes d'Emin Pacha (Meessen, 1951).

    Cet article documente l'existence d'une communauté de chimpanzés survivant dans trois fragments du Rift Albertin congolais. Nous avons nommé cette communauté de chimpanzés « Mbudha » qui, en langue Bbaledha, signifie la eau des chimpanzés. Nous fournissons une première évaluation de la taille et de la densité des communautés, et de leur comportement de nidification dans l'habitat étudié. Les résultats de cette étude fourniront aux autorités de conservation une ressource pour les aider à classer cette zone en tant qu'unité de conservation des chimpanzés (CCU) et, avec le soutien des communautés locales, contribueront à inspirer d'autres projets de recherche sur le rift albertin congolais et dans les hautes terres de l'Ituri, où se trouvent d'autres populations de chimpanzés sans papiers.


    Les fichiers de données pour la climatologie provenaient de deux sources. Pour la période de 1972 à 1994, les produits EASE-Grid de 25 km de l'EWG Atlas (Arctic Climatology Project, 2000) ont été utilisés (EWG CD 1 : visual_atlas/sea_ice_data_sets/nic_7_day_grids/ ). Ces fichiers fournissent les concentrations totales de glace, sans concentrations partielles. Pour 1995-2004, des cartes des glaces hebdomadaires ou bihebdomadaires au format ESRI E00 ont été utilisées. Cette série de fichiers cartographiques a été obtenue auprès des archives publiques de l'Arctique NIC à l'automne 2005. Les fichiers EASE-Grid ont été créés à partir des fichiers E00 hebdomadaires 1995-2004, combinés avec les fichiers EASE-Grid 1972-1994, et utilisés pour générer les produits de climatologie. Ces produits climatologiques au format EASE-Grid ont ensuite été convertis en géodatabases ArcGIS ( .mdb ). En 2008, l'ensemble de données a été mis à jour jusqu'en 2007.

    L'utilisation de deux sources de données différentes avec des formats et des résolutions différents était inévitable (parce que l'EWG Atlas est la seule source pour les cartes arctiques d'avant 1995 dont la qualité est contrôlée par le NIC, et les cartes de l'EWG Atlas n'ont pas de format et de résolution en commun avec le NIC graphiques pour 1995-2007). Il en résulte malheureusement des discontinuités entre les données antérieures et postérieures à 1995. Celles-ci sont abordées dans la section Évaluation de la qualité de ce document.

    Conversion des fichiers ESRI E00 en EASE-Grid

    Le format E00 est un format propriétaire ESRI en ASCII. Des descriptions détaillées du format E00 sont disponibles sur Internet. Des routines IDL ont été développées pour extraire les informations nécessaires des fichiers E00 afin de produire des fichiers de concentration de glace dans EASE-Grid pour les années 1995-2007.

    Pour nos besoins, les fichiers E00 se composent de quatre parties :

    1. Informations sur les projections
    2. Emplacements des segments d'arc/de ligne
    3. Informations sur le polygone
    4. Informations sur la concentration de glace pour chaque polygone

    Une projection stéréographique polaire est utilisée par le NIC pour la génération de leurs cartes des glaces opérationnelles. Les fichiers E00 se composent principalement des emplacements géographiques des arcs ou des segments de ligne. Les informations sur le polygone détaillent les arcs nécessaires pour créer un polygone. Enfin, il existe un code SIGRID pour chaque polygone. L'interrogation du polygone révélerait la chaîne de SIGRID nécessaire pour encoder le code d'œuf de ce polygone.

    Figure 5. Exemple simple ARC/POLYGONE.

    Un exemple simple est illustré à la figure 5. Le polygone 1 est composé des arcs AB, BC et CA, le polygone 2 est composé des arcs AB, BD et DA, etc. Les arcs sont initialement dans une projection stéréographique polaire comme faux abscisse et ordonnée en mètres du pôle Nord. (ArcGIS utilise de fausses abscisses et ordonnées pour décrire la position d'un point par rapport à une origine). Un fichier intermédiaire est créé qui comprend chaque polygone sous une forme indépendante de la projection en utilisant les coordonnées de latitude et de longitude et le code SIGRID pour chaque polygone. Cette forme intermédiaire permet une cartographie finale à des résolutions variables selon les besoins de l'utilisateur. Ce processus est assez simple, à l'exception d'une variante. Un "trou" tel qu'une île peut se trouver à l'intérieur du polygone. La détection et le traitement des trous ont compliqué les routines de traitement.

    Les fichiers intermédiaires sont utilisés pour cartographier les concentrations de glace. À ce stade, n'importe quelle projection et résolution peuvent être utilisées. Pour les produits climatologiques, la grille EASE à une résolution de 25 km (NA25) a été utilisée afin de correspondre à la résolution et au format des fichiers disponibles sur l'EWG Atlas. Les latitudes et longitudes des polygones ont été converties en emplacements de pixels, et chaque polygone a été dessiné et rempli avec la concentration de glace appropriée tirée du code SIGRID.

    Chaque carte EASE-Grid pour les cartes hebdomadaires et les produits climatologiques après 1994 se compose de cinq couches d'informations : concentration totale de glace, concentration de glace pluriannuelle (MY), concentration de glace de première année (FY), concentration de glace mince et glace de rive (pixel- par pixel oui/non), suivant une convention établie avec le Observations de la glace de mer AARI sur 10 jours dans l'océan Arctique EASE-Grid (Fetterer et Troisi, 1997). Voir le tableau 8. Les cartes antérieures à 1995 ne contiennent que des informations sur le total et la banquise côtière. La figure 6 montre un exemple de fichier de données contenant des concentrations partielles.

    Le tableau 8 montre la correspondance entre les couches de fichiers EASE-Grid et le stade de développement codé SIGRID, pour les fichiers à partir de 1995. En effet, les concentrations partielles sont classées en trois types : glace de plusieurs années (2 à 4 m d'épaisseur), glace de première année (30 cm à 200 cm d'épaisseur) et glace mince (moins de 30 cm d'épaisseur). Les plages d'épaisseur sont celles établies par le système de classification des glaces de l'OMM.

    Tableau 8. Correspondance entre EASE-Grid et SIGRID
    Concentration de glace
    par type (EASE-Grid)
    Stade de développement
    dans les données sources
    (SIGRID)
    Concentration totale de glace
    (tous les types)
    Concentration totale de glace
    (tous les types)
    Glace pluriannuelle Vieille glace
    glace de 2e année
    Glace pluriannuelle
    Glace de première année Glace de première année (pour info)
    mince pour info
    Mince pour info _ stage1
    Mince pour info _ stage2
    Moyenne pour info
    Épais pour info
    Glace mince Nouvelle glace
    Nilas, croûte de glace
    Jeune glace
    Glace grise
    Glace gris-blanc
    Glace rapide Forme de la glace (glace de rive
    est la seule forme)
    Figure 6. Fichier de données montrant les concentrations partielles
    Un fichier EASE-Grid du 5 janvier 2004 a été utilisé pour créer ces images en appliquant une barre de couleur aux données binaires pour chacune des cinq couches. À partir du coin supérieur gauche, concentration totale de glace, concentrations partielles de glace de plusieurs années, de première année, de nouvelle glace et de banquise côtière. La barre de couleur montre les concentrations.

    Les cartes de glace de mer utilisent souvent des plages pour la concentration de glace. Un code SIGRID typique peut être : CT79CA609599CB209199 . La valeur après CT indique la concentration totale, dans ce cas 79, ce qui signifie que la concentration est comprise entre 70 et 90 pour cent. Ceci est traduit à 80 pour cent pour la cellule EASE-Grid correspondante. D'autres valeurs SIGRID peuvent être 70 pour 70 pour cent, 91 pour entre 90 et 100 pour cent et 92 pour 100 pour cent. La valeur correspondante utilisée pour remplir la cellule EASE-Grid est toujours la valeur moyenne si la concentration donnée est une plage entre deux valeurs. Dans le code SIGRID, le CA fait référence à la concentration de la première glace la plus épaisse. Dans l'exemple CA609599 , 60 est la concentration de ce type de glace, 95 désigne la vieille glace et 99 est une taille de floe indéterminée ou inconnue. Ces concentrations partielles devraient, mais pas toujours, être égales à la même valeur que la concentration totale. Le tableau 9 résume comment les fichiers EASE-Grid encodent SIGRID.

    Tableau 9. Codes et valeurs pour les concentrations de glace
    Concentration de glace d'après le code de l'œuf SIGRID
    Code
    EASE-Grille
    Valeur du produit pour
    % Concentration
    Sans glace 00 0
    Moins de 1/10 (eau libre) 01 5
    Eau bergée 02 5
    1/10 10 10
    2/10 20 20
    3/10 30 30
    4/10 40 40
    5/10 50 50
    6/10 60 60
    7/10 70 70
    8/10 80 80
    9/10 90 90
    Plus de 9/10, moins de 10/10 91 95
    10/10 92 100
    Intervalles de concentration
    (Cl = concentration la plus faible dans l'intervalle
    (Ch = concentration la plus élevée dans l'intervalle)
    ClCh
    Exemples:
    1/10 - 3/10 13 20
    4/10 - 6/10 46 50
    7/10 - 9/10 79 80
    7/10 - 10/10 71 85

    Remarque sur la résolution

    Figure 7. Une illustration du problème de conversion de vecteur en raster.

    Les données vectorielles n'ont pas de résolution inhérente et peuvent être converties en un format de grille raster à n'importe quelle résolution souhaitée. Les données raster SIGRID sont limitées en ce qu'un point dans une cellule de grille représente la cellule entière et la forme de la limite entre les régions est perdue. Kokaly (1996) aborde certaines considérations sur les conversions de données cartographiques des glaces de mer et note qu'en convertissant du "vrai" SIGRID (avec une résolution nominale de 15 minutes) en EASE-Grid, une taille de cellule EASE-Grid de 12,5 km, plutôt que 25 km, doit être utilisé afin d'éviter de perdre des informations sur la concentration. Malheureusement, les fichiers vectoriels créés par le NCDC à partir des cartes papier de 1972-1994 ont été supprimés par inadvertance après la création de fichiers SIGRID à une résolution nominale de 25 km (Rapport spécial 13), de sorte que les cartes de résolution de 12,5 km (ou plus fines) pour cette période ne sont pas possibles. sans renumériser les cartes papier. Les fichiers au format SIG sur l'Atlas EWG ont été créés à l'aide de ces fichiers SIGRID de 25 km, ils n'offrent donc pas de meilleure résolution.

    Le principal problème de la conversion des données vectorielles au format raster est illustré à la figure 7. Supposons deux polygones A et B. Si une grille de 4 sur 4 est superposée sur les polygones, les cellules de grille colorées devraient-elles être affectées aux informations sur la concentration de glace de polygone A, polygone B ou une valeur intermédiaire ? Pour ce produit, aucun mélange ou moyennage n'a été effectué. Lors de la conversion des fichiers E00 de 1995 en EASE-Grid, le dernier polygone traité apporte ses valeurs de concentration aux cellules de grille qui se chevauchent. Notez que cela peut avoir pour effet de déplacer les frontières entre les régions ayant les mêmes caractéristiques de glace.

    Une évaluation détaillée de la qualité de cet ensemble de données n'a pas été effectuée. Cependant, il est possible de faire quelques généralisations, en s'appuyant fortement sur deux études basées sur les données de l'EWG Atlas (Dedrick et al., 2001, et Partington et al., 2003). L'historique des changements dans les sources de données et les pratiques de cartographie est également pertinent.

    Exactitude et précision

    L'exactitude et la précision des cartes originales ne sont pas connues avec certitude. Partington (2003) cite ±5 pour cent à ±10 pour cent comme l'exactitude des estimations de la concentration de glace. La concentration totale de glace pour un polygone individuel est enregistrée dans une plage. Cette plage est exprimée en dixièmes. La valeur moyenne de cette plage est utilisée dans les fichiers EASE-Grid. Ainsi, la précision peut varier d'une cellule à l'autre en fonction de la plage avec laquelle la concentration a été initialement tracée.

    Une analyse de H.Stern, Université de Washington (communication personnelle, 2005) a indiqué que l'information sur la banquise côtière n'était pas fiable avant 1976.

    Geiger (2006) a publié une analyse des erreurs des cartes antarctiques du NIC.

    Meier et al. (2006) ont comparé les cartes NIC avec les concentrations de micro-ondes passives dans une affiche intitulée Cartes opérationnelles des glaces de mer : un produit de données intégré adapté à l'observation des changements à long terme de la glace de mer arctique ? disponible sur la page Web Affiches et présentations du NSIDC.

    Forces et faiblesses

    La principale force de la série de cartes NIC est que les cartes ont été créées par des spécialistes à l'aide d'analyses manuelles de données provenant de nombreuses sources. Lorsque la concentration de glace peut être difficile à évaluer en été à certains endroits à l'aide d'images SAR en raison de la fonte de la surface, par exemple, l'analyste a la possibilité de vérifier l'imagerie de la bande visible. Si la lisière de glace ne peut pas être localisée dans l'imagerie de la bande visible à cause des nuages, l'analyste peut utiliser la diffusiométrie. Le logiciel NIC permet la manipulation d'images pour améliorer l'imagerie. À ce jour, cette forme principalement manuelle de fusion de données multicapteurs ou d'assimilation de données produit des informations sur la glace avec plus de précision que l'utilisation d'une seule source de données ou d'une approche automatisée.

    L'analyse manuelle a des faiblesses. L'un est la nature subjective de l'interprétation des images pour la concentration et le type de glace. La concentration de glace est généralement estimée visuellement en regardant ce qui sont généralement des banquises lumineuses sur un fond sombre. La concentration de glace estimée de cette manière est estimée avec une précision d'environ +- 10 % (Partington, 2003). Le type de glace (stade de développement) est plus difficile à évaluer. L'imagerie visible et IR à haute résolution, et en particulier l'imagerie SAR utilisée pour distinguer la MY des formes plus jeunes, ainsi qu'une série chronologique de cartes et d'images de la zone analysée, le permettent.

    La principale faiblesse de la série de graphiques est l'incohérence dans la qualité des analyses. Une telle incohérence provient d'un certain nombre de sources. Cependant, il est important de noter que les données de source opérationnelle de NIC ont reçu un contrôle qualité supplémentaire par NIC avant d'être ajoutées à l'archive de ce produit.

    Les sources d'incohérence sont les suivantes :

    1. Augmentation du nombre de sources de données à analyser, augmentation de la résolution et du volume des données satellitaires, évolution des systèmes d'analyse.

    Dans les années 1970, les analystes devaient souvent faire des suppositions fondées sur la climatologie ou la persistance. Au fur et à mesure que les sources de données incluaient des données de capteurs actifs et passifs, les analystes pouvaient cartographier la glace de manière de plus en plus détaillée, comme le suggèrent les figures 8 et 9.

    De 1972 à 1979, seule la concentration totale a été enregistrée. Les analystes dépendaient fortement de l'imagerie micro-onde passive visible, infrarouge et monocanal. Les données micro-ondes passives du SMMR et du SSM/I ont été ajoutées respectivement en 1980 et 1989. En 1990, le premier système de production assistée par ordinateur (DIFAS1) de NIC a été entièrement installé. En 1991, le NIC a commencé à utiliser l'imagerie visible et IR OLS, avec une résolution d'environ 0,5 km, contre la résolution de 1 km de l'AVHRR déjà disponible. En 1992, l'utilisation croissante de données numériques ainsi que des modèles de prédiction améliorés ont permis aux analystes de décomposer la quantité de glace à chaque stade de développement ou, en d'autres termes, de rapporter des concentrations partielles pour chaque type de glace (cette avancée s'est produite plus tard, en 1994 , pour les données de l'Antarctique, bien qu'elle soit limitée à la région de la mer de Ross depuis 2000).

    Le NIC a commencé à utiliser ERS-1 SAR (à une résolution de 240 m) en 1995 et RADARSAT-1 (à des résolutions de 200 m, 100 m et 25 m) en 1996, tout en continuant à accroître les capacités de son système informatique pour l'imagerie analyse et commencer à évoluer vers un environnement de production SIG. Les données du diffusiomètre (QuikSCAT) ont été ajoutées en 2004.

    Plus récemment, à partir de 2005, les données du mode de surveillance globale (GMM) du spectromètre imageur à résolution modérée (MODIS) et du mode de surveillance globale (GMM) d'Envisat SAR avancé (ASAR) ont été mises à la disposition des analystes. En janvier 2006, le NIC a installé le système d'analyse et de traitement d'images satellitaires (SIPAS), un système d'analyse et de production presque entièrement basé sur ESRI, qui permet à l'analyste à la fois d'analyser l'imagerie et de produire des fichiers de données spatiales (carte des glaces) dans un environnement commun. .

    Figure 8. Graphique du nombre moyen de polygones de glace de mer par NIC (hémisphère nord)
    L'augmentation des détails de la carte des glaces au cours de la période d'enregistrement sur l'Atlas EWG (1972-1994) est représentée par le nombre croissant de polygones dans chaque carte des glaces. De Dedrick et al. (2001). Cliquez pour agrandir l'image.

    Figure 9. Contenu thématique des cartes NIC des glaces de mer par année
    Augmentation du contenu des informations sur les cartes des glaces au cours de la période d'enregistrement sur l'Atlas EWG (1972-1994). De Dedrick et al. (2001). Cliquez pour agrandir l'image.

    2. La nature opérationnelle de la production de cartes.

    Les cartes produites pour soutenir des opérations ou dans des zones de grand intérêt national sont naturellement créées avec plus d'attention aux détails et souvent avec une plus grande fréquence. Habituellement, la zone de glace marginale de la lisière des glaces et les mers telles que Béring, Chukchi et Beaufort qui ont une activité économique américaine importante reçoivent une priorité plus élevée que le centre de l'Arctique, où les opérations ont lieu moins fréquemment.

    Une grande partie des analyses NIC sont produites par des analystes qui sont des militaires sur des rotations de deux à trois ans. Les analystes varient en termes de compétences et de niveau de formation, ainsi un biais cohérent dans la production d'un analyste particulier est possible. Afin d'atténuer cet effet, le cursus de formation des analystes a été codifié et standardisé au début des années 2000.

    3. Modifications des conventions ou des procédures d'analyse

    Avant 1976 et après 1986, la banquise dans le centre de l'Arctique était représentée sur les cartes à une concentration de 9 à 10 dixièmes, sauf indication contraire (Partington et al., 2003). Entre ces années, cette glace était étiquetée 10 dixièmes. Par conséquent, la concentration de la zone centrale de l'Arctique peut être étiquetée dans le code SIGRID comme 92, ce qui signifie 100 pour cent, ou 91 pour entre 90 et 100 pour cent. Dans les fichiers EASE-Grid, il s'agit d'une concentration de 95 % ou de 100 %.

    Il n'y a eu aucun changement dans la convention de représenter la lisière des glaces comme limite entre l'absence de glace et la glace de toute concentration, y compris les concentrations de moins de 10 pour cent.

    La banquise côtière a été cartographiée en continu, mais l'information semble peu fiable avant 1976 (H. Stern, communication personnelle, 2005). Lorsque la banquise côtière se brise, elle est classée comme glace FY ou MY, mais cette désignation peut ne pas être cohérente avec le type de glace qui lui a été attribué avant de devenir de la banquise côtière, le cas échéant. Si la glace était MY lorsque la banquise côtière s'est formée, alors l'étape MY serait réalisée dans le polygone résultant pour la zone de banquise côtière. Si la banquise côtière se formait à partir de glace jeune ou nouvelle, elle tiendrait normalement jusqu'à ce qu'elle atteigne un stade de développement de la première année, donc ce ne serait naturellement pas le même stade lors de la débâcle que lors de l'englacement (P. Seymour, communication personnelle, octobre 2006. )

    Après 1994, tous les polygones portaient des concentrations partielles (voir la figure 6). Seule la concentration totale a été signalée de manière cohérente sur toute la période du graphique opérationnel.

    Il n'y a eu aucun changement jusqu'en 2004 dans la convention de recodage de toutes les glaces aux stades de développement inférieurs à la deuxième année à la vieille glace le 1er octobre de chaque année. (Cependant, à partir d'octobre 2005, le NIC a adopté la pratique CIS de recoder les types plus jeunes en deuxième année, et la deuxième année en MY le 1er octobre dans une grande partie de l'ouest de l'Arctique)

    De 1972 à 1994, le NIC a produit des cartes distinctes de l'Arctique de l'Est et de l'Ouest. La carte de l'Arctique de l'Ouest a été produite mardi et celle de l'Arctique de l'Est mercredi. (Sur l'Atlas EWG, ceux-ci sont combinés en un seul fichier à l'échelle de l'Arctique). En 1996, le NIC a commencé à produire trente-neuf cartes régionales ne se chevauchant pas comme celles de la figure 16. Celles-ci ont été combinées dans un fichier à l'échelle de l'Arctique pour les archives en ligne, avec des limites entre les régions correspondant à la cohérence. À partir de janvier 2006, cependant, le NIC a adopté une nouvelle architecture dans laquelle l'analyse hémisphérique est d'abord créée avec les cartes régionales découpées une fois l'hémisphère entier terminé.

    NIC est passé de la production de cartes hebdomadaires à la production de cartes toutes les deux semaines à la mi-juin 2001.

    En juin 2003, le North American Ice Service (NAIS) a été formé. Sous l'égide du NAIS, le SIC, le NIC et l'International Ice Patrol (IIP) travaillent ensemble à l'harmonisation des pratiques et des opérations de cartographie canadiennes et américaines à l'appui des exigences conjointes des États-Unis et du Canada en matière de glace. D'autres changements dans les pratiques de cartographie au cours des prochaines années en résulteront.

    4. Introduction d'erreurs provenant des transformations de données et du regridage.

    La transformation des données graphiques du format papier ou vectoriel au format quadrillé entraîne une perte inévitable d'informations et l'introduction d'erreurs. Ceux-ci n'ont pas été quantifiés. La documentation relative aux ensembles de données précurseurs offre des informations pertinentes pour comprendre cette source d'erreur. Voir également la note sur la résolution dans la section Traitement des données.

    Les produits climatologiques de l'ensemble de données précurseurs de l'EWG Atlas ont utilisé des données hebdomadaires à une résolution de 25 km, obtenues en numérisant à la main des cartes de glace sur papier. Plus tard, après 1994, les données hebdomadaires au format d'échange vectoriel (.e00) ont permis de représenter la concentration de glace à une résolution beaucoup plus fine. Nous avons rencontré des difficultés, partiellement résolues à ce stade, à fusionner ces deux sources de données liées aux différences de représentation du territoire. La terre est masquée (en fait intégrée dans les données sources) à des résolutions différentes (et peut avoir été déterminée différemment dans les produits EWG) et lorsqu'elle est transférée sur une grille commune de 25 km pour cet ensemble de données, des différences peuvent subsister. La figure 10 montre un exemple pour les îles canadiennes de la Reine Elizabeth. Au moment de la publication de cet ensemble de données (octobre 2006), notre solution consiste à fusionner les masques terrestres en créant un nouveau masque terrestre là où l'un ou l'autre des anciens masques avait atterri. Des tests préliminaires ont montré que ce n'était qu'une solution partiellement acceptable, en particulier dans l'étude de zones relativement petites de banquise côtière près de la côte.

    Figure 10. Un exemple de la différence dans le masque terrestre des données source pour les données antérieures et postérieures à 1995. Le noir est la terre dans les deux masques, le blanc est le non-terre dans les deux. Le jaune correspond à l'ancien masque mais pas au plus récent, et le rouge correspond au nouveau masque mais pas à l'ancien. La zone indiquée est une partie des îles canadiennes de la Reine Elizabeth.

    Discontinuités

    Les facteurs énumérés ci-dessus entraînent des incohérences, mais pas nécessairement des discontinuités. Sur la base d'une analyse préliminaire, une discontinuité résulte probablement des changements intervenus au cours de la période 1994-1997. Nous pensons que les concentrations totales avant 1997 sont biaisées par rapport à celles d'après, principalement en raison du manque de données hyperfréquences actives à haute résolution pour une utilisation tactique avant cette année (T. Street, communication personnelle, septembre 2005). Autres changements de 1994 à 1997 :

    • NIC est passé aux outils d'analyse d'images numériques pour les images OLS et AVHRR en 1996 et 1997.
    • Le NIC a commencé à créer des analyses régionales plutôt que des analyses hémisphériques ou semi-hémisphériques.
    • Les fichiers source de cet ensemble de données sont passés des fichiers EWG Atlas EASE-Grid aux fichiers d'échange ArcInfo (.e00) du NIC.

    D'autres discontinuités sont notées dans la section Modifications des conventions ou des procédures d'analyse de ce document.

    Erreurs découvertes après la publication en octobre 2006 de l'ensemble de données

    Les utilisateurs travaillant avec les données du graphique ont trouvé les erreurs suivantes, au 20 janvier 2007.

    • Il y a des erreurs dans les champs de concentration partielle. Il est important de noter que les champs de concentration totale correspondants ne comportent pas d'erreurs. Ainsi, alors que les champs de concentration totale sont corrects, les champs minces, FY et MY ne totalisent pas les valeurs de concentration totale lorsque des erreurs dans un ou plusieurs des champs de concentration partielle sont présentes.
    • Il peut également y avoir des erreurs dans les champs MY, en particulier de 1997 à 1998, où les valeurs sont plus élevées que les autres années. Cela doit être étudié plus avant. Les exemples incluent la glace MY apparaissant et disparaissant soudainement le long des côtes du Labrador et de Terre-Neuve en 1995 (à partir du 21 mars), en 1997 (à partir du 17 mars), en 1999 (à partir du 31 mai) et en 2002 (à partir du 18 mars).
    • Tout au long de 1997, de la glace mince apparaît et disparaît de façon irréaliste. Dans la baie de Baffin et la baie d'Hudson en 2001, la glace mince disparaît les 12 mars, 19 mars et 2 avril.
    • Sur la carte de 1978_01_22 , il y a une grande section dans la baie d'Hudson et la baie de Baffin avec des pixels codés avec une valeur de 157. Cette valeur représente non numérisé en code SIGRID. Sur la carte de 1979_05_29 , à peu près dans la même zone, il y a une grande zone de concentration de 0 % ou 5 %, alors que la concentration devrait être beaucoup plus élevée sur la majeure partie de la zone. Ces erreurs, combinées, ont abouti à un moulin de 1 à 3. km² sous-estimation de l'étendue totale (W. Meier, communication personnelle, 17 novembre 2006).

    Les erreurs ci-dessus dans les concentrations partielles se trouvent dans les fichiers source E00 et ne sont pas le résultat du traitement. Deux erreurs apparemment dues au traitement ont été relevées et une enquête plus approfondie est en cours :

    • Les fichiers de glace mince et de concentration totale pour 1999_12_20 sont erronés : la glace mince est faussement présente sur toute la mer Baltique et le golfe de Botnie, et la concentration totale est erronée.
    • Les fichiers de banquise côtière et de concentration totale pour 2000_04_24 sont erronés : la banquise côtière est faussement présente sur toute la mer Baltique et le golfe de Botnie, et la concentration totale est erronée.

    Voir l'affiche intitulée Cartes opérationnelles des glaces de mer : un produit de données intégré adapté à l'observation des changements à long terme de la glace de mer arctique ? par Meier et al., disponible sur la page Web des publications, affiches et présentations du NSIDC, pour plus d'informations sur les incohérences des ensembles de données.

    De 1972 à 1995, les graphiques hebdomadaires ont été produits manuellement sur papier ou autre support papier. (Alors que les produits étaient produits en format analogique, les images satellites étaient affichées et améliorées ou analysées numériquement à l'aide d'un logiciel d'analyse d'images personnalisé à partir de 1990 environ.) Trois analyses étaient disponibles : Arctique occidental, Arctique oriental et Antarctique. (Voir Figure 11). Une carte régionale de l'Alaska à plus grande échelle a également été produite entre deux et trois fois par semaine. Cela comprenait la mer de Béring et l'inlet Cook ainsi que les parties sud des mers de Chukchi et de Beaufort. À partir de 1996 et jusqu'en 1997, le NIC a commencé à produire des analyses régionales pour toutes les régions de l'Arctique. L'une des raisons en était la disponibilité croissante de données radar à synthèse d'ouverture (SAR) à haute résolution (Bertoia et al., 1998). L'imagerie SAR a rendu possible des analyses détaillées. À peu près à la même époque, le NIC a commencé à utiliser des systèmes SIG pour les analyses, en commençant par le logiciel Système de soutien à l'analyse des ressources géographiques (GRASS) en 1996 et en passant au logiciel Arc/Info de l'Environmental Systems Research Institute (ESRI).

    Figure 11. Scan d'un NIC Western Arctic Analyses de février 1992
    Les lignes pointillées indiquent les zones pour lesquelles les conditions glacielles sont estimées ou déduites parce que les données ne sont pas disponibles. Généralement, cela est dû à la nébulosité. Cliquez pour une image haute résolution.

    À la fin des années 1990, après que la production se soit principalement déplacée vers un environnement numérique, le NIC a suspendu la production de cartes qui couvraient tout l'est et l'ouest de l'Arctique parce que les produits étaient moins utiles sur le plan opérationnel que les cartes régionales de plus petit format. Cependant, le NIC a commencé à produire un produit hémisphérique (à l'échelle de l'Arctique) en plus des analyses régionales. Cette gamme de produits a été créée en réponse à une demande du NSIDC et du projet Climat et cryosphère (CliC) du Programme mondial de recherche sur le climat (WCRP) s'exprimant au nom des chercheurs qui appréciaient l'instantané à l'échelle de l'Arctique et le caractère opportun des analyses de cartes papier du NIC.

    Les figures 12 et 13 donnent un aperçu de la façon dont les cartes NIC ont été produites en 2006. Les informations sont intégrées et les cartes sont produites dans un environnement SIG personnalisé. Vous trouverez plus d'informations sur les changements dans les pratiques de cartographie dans la section Évaluation de la qualité de ce document.

    Figure 12. Organigramme de la production de cartes de glace NIC
    Les informations provenant des satellites et d'autres données sont extraites manuellement et visuellement principalement par des analystes NIC qui assimilent manuellement les informations dans des produits opérationnels. Figure 13. Représentation picturale de la production de cartes des glaces NIC
    Les données pour les analyses NIC sont disponibles auprès de nombreuses sources dans différentes couvertures et résolutions (à gauche). Les données sont intégrées manuellement, ce qui donne des cartes régionales des glaces très détaillées (à droite).

    Bien que les analyses de glace de mer du NIC soient des produits opérationnels, elles ont une application pour des études scientifiques. La série de cartes opérationnelles commence en 1972, six ans avant le record de concentration de glace dérivé du radiomètre à micro-ondes multicanaux à balayage (SMMR) et des instruments à micro-ondes passifs à capteur spécial/imageur (SSM/I). Les données de concentration de glace à micro-ondes passives sous-estiment la concentration de glace de mer. Cela est particulièrement vrai en été, en partie à cause de la fonte des mares à la surface de la banquise (Comiso et Kwok, 1996 Fetterer et Untersteiner, 1998). Les cartes de glace représentent systématiquement plus de glace que ne le montrent les données micro-ondes passives seules, avec une différence variant selon les saisons (Partington et al., 2003). données micro-ondes passives. Les cartes du Service canadien des glaces, qui ne reposent pas sur des données micro-ondes passives, montrent des différences encore plus importantes par rapport aux données micro-ondes passives (Agnew et Howell, 2003). Les données de concentration des cartes de glace de mer peuvent être utilisées pour fournir une correction de biais aux données micro-ondes passives et ont été utilisées à cette fin dans des réanalyses (Rayner et al., 2003).

    Les cartes de glace sont plus précises et détaillées au bord de la glace que les données micro-ondes passives, car elles sont souvent réalisées à l'aide de données à plus haute résolution. De plus, les analystes portent une attention particulière aux régions proches de la lisière des glaces, car les caractéristiques et l'étendue de la glace dans la zone marginale de glace sont importantes pour les opérations qui se déroulent à l'intérieur ou à proximité de cette région. (Inversement, les analystes ne caractérisent généralement pas le centre de l'Arctique avec autant d'attention aux détails, car la plupart du temps, il n'y a pas d'opérations prises en charge là-bas.) La figure 14 est un exemple illustratif de la façon dont la concentration de glace des cartes peut différer de la concentration des micro-ondes passives. Les données.

    Figure 14. Différences entre les cartes NIC et les données micro-ondes passives
    Un exemple de la façon dont la concentration de glace des cartes de glace NIC et des données micro-ondes passives SMMR ont tendance à différer. Les images de la carte des glaces sont des moyennes sur les quatre cartes hebdomadaires pour le mois indiqué. Les images SMMR proviennent de l'algorithme de concentration de glace de l'équipe de la NASA. Les plus grandes différences sont observées dans les zones côtières et à la lisière des glaces. Il existe également de grandes différences dans le pack central, où les concentrations dérivées du SMMR sont inexactement faibles, en particulier en été. Figure reproduite avec l'aimable autorisation de H. Stern, décembre 2005. Cliquez pour agrandir l'image.

    Le NIC a été impliqué dans un certain nombre d'efforts pour rendre les données de cartes des glaces opérationnelles en général, et les cartes NIC en particulier, plus utiles pour les applications scientifiques. Il s'agit notamment de la participation à la Banque mondiale de données numériques sur les glaces de mer (GDSIDB) à l'Institut de recherche arctique et antarctique de St.Petersburg, Russie, le Groupe de travail international sur la cartographie des glaces (IICWG) avec sa composante de recherche et deux efforts précédents pour fournir des cartes NIC sous forme numérique à des fins de recherche. Ceux-ci ont abouti aux produits de données sur le CD-ROM EWG Atlas décrits dans la section Ensembles de données sur les précurseurs de ce document.

    Les cartes des glaces de mer sont des cartes avec des zones contenant de la glace de concentration et de type similaires délimitées et étiquetées avec un code. Ce code (appelé code oeuf, pour sa forme) contient des informations sur la concentration totale de glace de mer, généralement donnée sous forme de plage (par exemple 7-9, ce qui signifie 7 à 9 dixièmes ou 70 pour cent à 90 pour cent de concentration). Le code de l'œuf pour une zone particulière peut également avoir des concentrations partielles (c'est-à-dire une concentration par type de glace), des informations sur le stade de développement de la glace (souvent appelé type de glace, généralement exprimé en âge glaciaire, et une approximation de l'épaisseur de la glace) et des informations sous forme de glace aussi. La glace rapide, la glace de crêpe et la glace de sarrasin sont des exemples de forme de glace. En règle générale, NIC utilise uniquement la forme de banquise dans ses cartes. Les désignations de l'Organisation météorologique mondiale (OMM) sont utilisées pour le stade de développement de la glace de mer et la forme de la glace. Voir les pages WMO (1970) et NSIDC All About Sea Ice et Glossary pour plus d'informations sur les types de glace. Le Manuel des procédures normalisées d'observation et de déclaration des conditions glacielles du Service canadien des glaces (SIC), ou MANICE (Environnement Canada, 2005), explique bien comment l'information sur les glaces est codée à l'aide du code de l'œuf. La figure 15 résume les informations qui peuvent être encodées.

    Figure 15. Diagramme décrivant le code de l'œuf
    D'après une figure dans le Manuel des procédures normalisées d'observation et de déclaration des conditions glacielles (MANICE), Environnement Canada, 2005. Utilisé avec permission.

    Les services des glaces du monde entier implémentent le code des œufs de différentes manières en fonction des informations que les cartes capturent régulièrement. Les cartes NIC, par exemple, n'ont jamais contenu de C, Se, F, ou Fe informations, mais la carte réseau utilise souvent So et S. Voir MANICE (Environnement Canada, 2005) pour plus d'informations sur ces codes.

    Au début des années 1980, la communauté internationale de la cartographie des glaces a discuté des moyens d'encoder et de préserver numériquement les informations dans les cartes des glaces dessinées à la main. Un format appelé Sea Ice Grid (SIGRID) (Thompson, 1981) a été développé et adopté comme format de l'OMM. Essentiellement, une carte de glace de mer codée en SIGRID est un fichier texte où les informations contenues dans chaque code d'œuf sont une chaîne de texte. Il y a des informations pour chaque point de grille. La résolution de la grille est nominalement de 15 minutes en latitude et variable en longitude.

    Une limitation de SIGRID est que les cartes des glaces ressemblent davantage à des données vectorielles (point, ligne, polygone), sans résolution inhérente, qu'à des données maillées. Lors de la conversion des informations du graphique en une grille avec des points fixes, les informations sont perdues. Plusieurs services des glaces ont adopté un format d'archive vectorielle, SIGRID-3, qui surmonte cette limitation (Commission océanographique intergouvernementale, 2004). Voir GDSIDB Data Formats pour un aperçu du développement de SIGRID et des références associées.

    Alors que le NIC passait à la production de cartes des glaces dans un environnement SIG, le NIC a continué à étiqueter les zones de glace ayant des caractéristiques similaires (ces zones sont appelées polygones dans l'environnement SIG) en utilisant le code des œufs (Figures 16 et 17). Cependant, les attributs de chaque polygone de la table attributaire de chaque fichier de carte des glaces utilisent la chaîne SIGRID qui code l'œuf de ce polygone (Figure 17).

    À l'origine, les cartes des glaces étaient numérisées pour les archiver et les rendre plus faciles à utiliser pour la recherche. Désormais, avec les cartes produites dans un environnement numérique, il y a moins de distinction entre le format opérationnel ou vectoriel et le format d'archive ou de recherche. Cependant, de nombreux utilisateurs du NSIDC continuent de demander des cartes au format quadrillé plutôt qu'au format vectoriel opérationnel. Une autre distinction dans le cas de cet ensemble de données est que les graphiques source ont reçu un contrôle de qualité supplémentaire par le NIC avant d'être ajoutés aux archives.

    Figure 16. Exemple de graphique régional NIC
    montrant des polygones avec leurs codes d'œufs associés. Contrairement aux anciennes cartes à l'échelle hémisphérique, celles-ci sont entièrement produites dans un environnement numérique.

    Figure 17. Exemple de graphique NIC montrant comment les polygones sont représentés dans les tables d'attributs
    L'en-tête de colonne commençant par CT sont des désignations de code d'œuf, tandis que les nombres remplissant ces colonnes sont le code SIGRID.


    Voir la vidéo: Change Projection - Coordinate System in ArcMap (Octobre 2021).