أكثر

الملفات النقطية ليست دقيقة من حيث المدى بعد القص؟


طبقتا الكلوروفيل (الكلوروفيل-أ و قياس البثوميتري) ليسا دقيقين بعد أن أقوم بقص النقاط النقطية. تشير بيانات قياس الأعماق (1) الخاصة بي إلى ما يصل إلى 10 منازل عشرية حيث يمثل الكلوروفيل-أ (2) 3 منازل عشرية فقط وهناك خطأ في التقريب يحدث (انظر الصور). أحتاج إلى أن تكون هاتان الطبقتان متماثلتين تمامًا من حيث المدى ، حيث إنني أقوم بتحميلهما كملفات ascii إلى maxent (توزيع الأنواع) ، الأمر الذي يتطلب نطاقًا دقيقًا. المدى الذي أحتاجه هو 118 واط ، -10 شمالاً ، -18 ثانية ، 126 إي.

لقد حاولت اقتصاص الملفات بمدى الآخر وحاولت أيضًا إدخال القيم يدويًا ولكن بعد ذلك أدى خطأ التقريب إلى اختلافات طفيفة بين الملفين.

هم نفس النظام المشترك ونفس حجم الخلية.

ليست لدي أفكار لإصلاح هذا ، هل يمكن لأي شخص اقتراح أي شيء لحل هذه المشكلة

البرنامج هو ArcMap 10.1


لقد حظيت بها. توجد أداة في المعالجة الجغرافية> البيئات> مدى المعالجة. يتيح لك هذا إمكانية محاذاة البيانات النقطية إلى أخرى ، مما يعني أنه يفرض على أحد الخطوط النقطية المحاذاة مع الآخر ، مما يؤدي إلى إنشاء طبقتين لهما نفس الأماكن العشرية والمدى.


رسم الخرائط ونظم المعلومات الجغرافية (GIS): ما هو GIS؟

نظام المعلومات الجغرافية (GIS) هو نظام مصمم لالتقاط وتخزين ومعالجة وتحليل وإدارة وتقديم جميع أنواع البيانات الجغرافية. الكلمة الأساسية لهذه التكنولوجيا هي جغرافية & - هذا يعني أن جزءًا من البيانات مكاني. بمعنى آخر ، البيانات التي يتم الرجوع إليها بطريقة ما إلى مواقع على الأرض.

يقترن بهذه البيانات عادةً بيانات جدولية تُعرف باسم بيانات السمة. يمكن تعريف بيانات السمات بشكل عام على أنها معلومات إضافية حول كل من السمات المكانية. مثال على ذلك سيكون المدارس. الموقع الفعلي للمدارس هو البيانات المكانية. البيانات الإضافية مثل اسم المدرسة ومستوى التعليم الذي يتم تدريسه وقدرة الطالب ستشكل بيانات السمة.

إن الشراكة بين هذين النوعين من البيانات هي التي تمكن نظم المعلومات الجغرافية من أن تكون أداة فعالة لحل المشكلات من خلال التحليل المكاني.

نظم المعلومات الجغرافية هي أكثر من مجرد برمجيات. يتم دمج الأشخاص والأساليب مع البرامج والأدوات الجغرافية المكانية لتمكين التحليل المكاني وإدارة مجموعات البيانات الكبيرة وعرض المعلومات في شكل خريطة / رسومي.

- مستخرج (جزئيًا) من منشور GIS Lounge لعام 1999 بواسطة Caitlin Dempsey


تعليمات

  1. افتح QGIS لإنشاء مشروع QQIS جديد يمكنك العمل فيه من أجل الإسناد الجغرافي لصور الخرائط الممسوحة ضوئيًا (راجع دليل تثبيت QGIS إذا لم يكن البرنامج مثبتًا لديك بالفعل). يرجى أن تضع في اعتبارك أن هذا الدليل قد تم تطويره لـ QGIS 3.x ، لذا إذا كان لديك QGIS 2.x مثبتًا على جهاز الكمبيوتر الخاص بك ، فستحتاج إلى ترقية التثبيت قبل المتابعة للتأكد من أن هذه الإرشادات تتوافق مع إصدار البرنامج الخاص بك. إذا كان QGIS مثبتًا لديك بالفعل ولكنك غير متأكد من الإصدار الذي لديك على جهاز الكمبيوتر الخاص بك ، فحاول فتح QGIS وانظر عن كثب إلى شاشة البداية التي تظهر أثناء تحميل البرنامج - يجب الإشارة إلى رقم الإصدار بشكل بارز. إذا كان لديك بالفعل QGIS مفتوحًا ، فيمكنك أيضًا التحقق من رقم الإصدار الخاص بك عن طريق الوصول إلى يساعد القائمة في الجزء العلوي من الشاشة واختيار تحقق من إصدار QGIS.
  2. بمجرد فتح QGIS بنجاح ، ستلاحظ أن مشروعك يبدو فارغًا - وهذا بسبب عدم وجود أي بيانات تم تحميلها عليه حاليًا. هذا جيد لأننا سنختار البيانات التي سيتم استخدامها في عملية الإسناد الجغرافي في الخطوة التالية. قبل بدء عملية الإسناد الجغرافي ، من الأفضل تحديد نظام إحداثيات مشروع QGIS الخاص بك لأن هذا سيجعل بعض الخطوات القادمة في هذه العملية أسهل قليلاً. للقيام بذلك ، انقر فوق مشروع في الجزء العلوي من نافذة QGIS (Windows) أو أعلى الشاشة (MacOS) وحدد ملكيات من القائمة التي تظهر. في نافذة Project Properties (خصائص المشروع) ، انقر فوق CRS في العمود الأيسر ثم حدد CRS الذي ترغب في أن يستخدمه مشروعك (والطبقات التي تم تحديدها جغرافيًا) في لوحة النافذة الرئيسية. WGS 84 (EPSG: 4326) هو النظام المرجعي القياسي للإحداثيات (CRS) المستخدم في خرائط الإسناد الجغرافي التي تعد جزءًا من مجموعة خرائط PCL ويوصى أيضًا بتحديد CRS هذا ما لم يكن لديك سبب محدد لاختيار خيار آخر. أسهل طريقة للعثور على ملف WGS 84 (EPSG: 4326) نظام الإحداثيات هو كتابة WGS 84 في شريط التصفية بالقرب من الجزء العلوي من نافذة محدد النظام المرجعي للإحداثيات ثم تصفحها في القائمة الضيقة الآن ضمن أنظمة الإحداثيات المرجعية في العالم (يجب أن تظهر بالقرب من أعلى هذه القائمة).
  3. لبدء الإسناد الجغرافي انقر فوق النقطية في الجزء العلوي من نافذة QGIS (نظام التشغيل Windows) أو أعلى الشاشة (نظام التشغيل MacOS). في القائمة المنسدلة التي تظهر ، انقر فوق Georeferencer و hellip لإحضار نافذة Georeference. إذا كنت لا ترى ملف Georeferencer و hellip الخيار في هذه القائمة ، يشير إلى أن ملف Georeferencer و hellip لم يتم تنشيط البرنامج المساعد بعد. لتنشيط البرنامج المساعد ، انقر فوق الإضافات في الجزء العلوي من نافذة QGIS الخاصة بك ، ثم حدد إدارة وتثبيت الإضافات. في القائمة المنسدلة لسحب نافذة مدير البرنامج المساعد التي تسرد جميع مكونات QGIS الإضافية المتاحة. قم بالتمرير لأسفل في قائمة المكونات الإضافية حتى تجدها Georeferencer GDAL. تأكد من تحديد المربع الموجود بجوار هذا المكون الإضافي في القائمة لتنشيط المكون الإضافي ثم إغلاق نافذة مدير البرنامج المساعد.

  4. الآن ، انقر فوق افتح النقطية في الزاوية العلوية اليسرى من نافذة Georeferencer واستعرض موقع نظام الملفات لملف صورة الخريطة الذي تريد تحديده جغرافيًا ، ثم انقر فوق فتح. إذا لم يكن لديك ملف صورة خريطة خاص بك للتدرب عليه ، أو ترغب فقط في جعل اتباع الإرشادات المتبقية في هذا الدليل سهلاً قدر الإمكان ، يمكنك استخدام نفس الخريطة الموضحة في لقطات الشاشة القادمة لعملية الإسناد الجغرافي. يمكنك تنزيل هذه الخريطة من UT Libraries & # 39 PCL Maps Collection على http://legacy.lib.utexas.edu/maps/ams/africa_1m/txu-pclmaps-oclc-6587819-na-32.jpg ، احفظها في جهاز الكمبيوتر الخاص بك ، ثم استعرض موقع ملف صورة الخريطة من نافذة Georeferencer كما هو موضح أعلاه. طالما أنك قد اخترت بالفعل بنجاح نظام مرجعي إحداثي لمشروعك ، يجب أن تكون جاهزًا للانتقال إلى الخطوة التالية. إذا كانت هناك أية مشكلات في تحديد نظام الإحداثي المرجعي ، فستلاحظ ظهور نافذة محدد نظام الإحداثي المرجعي بعد تحديد صورة الخريطة التي تريد الإشارة إليها جغرافيًا. إذا ظهرت لك هذه النافذة ، فيجب عليك تحديد ملف WGS 84 (EPSG: 4326) نظام الإحداثيات. ال WGS 84 (EPSG: 4326) يعد نظام الإحداثيات خيارًا جيدًا في معظم الحالات (وإذا كنت تقوم بإسناد خرائط جغرافيًا طواعية من مجموعة خرائط PCL ، فمن الأهمية بمكان تحديد هذا النظام الإحداثي لضمان التوحيد القياسي) بمجرد تحديد النظام الإحداثي الخاص بك ، انقر فوق "موافق" وسترى خريطتك تظهر في نافذة Georeference.
  5. ستحتوي معظم الخرائط الموحدة مثل تلك التي تعد جزءًا من سلسلة AMS أو USGS أو JOG على قيم درجة نظام التنسيق الجغرافي (GCS) معروضة بشكل بارز في كل ركن من أركان الخريطة الأربعة على ورقة الخريطة. هذه المعلومات مفيدة للغاية عند الإسناد الجغرافي لأنها ستسمح لنا بتحديد مكان كل ركن من أركان الخريطة على الأرض بحيث يمكن رسمها بشكل صحيح فوق الطبقات الأخرى ذات المرجعية الجغرافية في برنامج نظم المعلومات الجغرافية. للبدء في إنشاء نقاط التحكم الأرضية (GCPs) التي سنستخدمها للإشارة إلى صورة الخريطة جغرافيًا ، قم بالتكبير إلى الزاوية اليسرى العلوية من خريطتك حيث نأمل أن ترى إحداثيات GCS. ثم انقر فوق إضافة زر GCP في شريط أدوات نافذة Georeferencer وانقر مرة أخرى على الزاوية عندما ينتهي نطاق الخريطة. هذا سوف يطرح ال أدخل إحداثيات الخريطة نافذة حيث يمكنك الآن إدخال قيم الإحداثي التي تراها معروضة في الزاوية التي يتم تكبيرها حاليًا. اقرأ إرشادات تنسيق الإحداثيات في هذه النافذة بعناية وتأكد من كتابة القيم الصحيحة في الحقلين X و Y لضمان إدخال الإحداثيات بشكل صحيح. كرر هذه العملية الآن حتى تقوم بإنشاء GCPs لجميع الزوايا الأربع للخريطة.
  6. تحقق مرة أخرى من إدخال إحداثيات نقاط GCP المدرجة في جدول GCP الخاص بك بشكل صحيح وإذا كان كل شيء يبدو جيدًا ، فابدأ وانقر على حفظ نقاط GCP باسم زر في شريط أدوات Georeferencer الخاص بك. سيظهر هذا نافذة منبثقة ستطالبك بتحديد موقع الحفظ واسم الملف لتصدير نقاط GCP. يجب أن تعطي هذا الملف نفس الاسم لملف صورة الخريطة الأصلي غير المرجعي (تأكد من إزالة .jpg أو أي امتداد صورة آخر في اسم الملف الافتراضي الذي تقترحه الأداة حتى لا يتم حفظه بامتداد مزدوج مثل file.jpg .نقاط). يجب عليك أيضًا حفظ هذا الملف في نفس الموقع الذي تخطط لحفظ صورة الخريطة المحددة جغرافيًا.
  7. بعد حفظ نقاط GCP الخاصة بك ، انقر فوق زر السهم الأخضر لملف ابدأ بالإشارة إلى البيانات الجغرافية الأداة الموجودة في شريط أدوات Georeferencer الخاص بك. في المرة الأولى التي تقوم فيها بالإشارة الجغرافية للخريطة ، سيظهر هذا نافذة إعدادات التحويل المنبثقة حيث يتعين عليك تحديد بعض المعلمات المهمة التي ستحدد كيفية تنفيذ عملية الإسناد الجغرافي. في الجزء العلوي من هذه النافذة ، اضبط نوع التحويل على متعدد الحدود 1، اضبط طريقة إعادة التشكيل على مكعب، والهدف SRS إلى WGS 84 (EPSG: 4326). ضمن إعدادات الإخراج ، انقر فوق الزر & hellip في صف Output Raster لتحديد موقع لحفظ البيانات النقطية التي تم الإشارة إليها جغرافيًا على جهاز الكمبيوتر الخاص بك. عند تحديد موقع الحفظ هذا ، تأكد من الاحتفاظ بالاسم الأصلي للملف ثم إلحاق المعلومات التالية باسم الملف _transformationtype_resamplingmethod_compressionmethod_coordinatesystem باستخدام شرطات سفلية لفصل كل سمة مهمة. وبالتالي ، يمكن حفظ ملف صورة الخريطة المسمى txu-pclmaps-oclc-6587819-na-32 كـ txu-pclmaps-oclc-6587819-na-32_polynomial1_cubic_lzw_wgs84.tif. تأكد أيضًا من تحديد ملف LZW نوع الضغط. بمجرد تحديد المعلمات بشكل صحيح ، انقر فوق الزر "موافق" لتطبيق إعدادات التحويل وإغلاق نافذة إعدادات التحويل. في هذه المرحلة ، ستحتاج إلى النقر مرة أخرى على زر السهم الأخضر لبدء عملية الإسناد الجغرافي باستخدام إعدادات التحويل هذه. من المفترض أن تكتمل عملية الإسناد الجغرافي في غضون ثوانٍ قليلة وسترى بعد ذلك صورة الخريطة المُحددة جغرافيًا الجديدة تظهر في لوحة مشروع QGIS.
  8. للتحقق من أن خريطتك قد تم تحديدها جغرافيًا بشكل صحيح ، يمكنك إضافة خريطة أساس OpenStreetMap إلى مشروع QGIS الخاص بك والذي يمكنك استخدامه للتحقق من وضع صورة الخريطة عن طريق مقارنة مواقع المعالم البارزة في كلتا الخريطتين. للقيام بذلك ، انقر فوق XYZ البلاط في لوحة المتصفح ثم اسحب ملف OpenStreetMap طبقة في لوحة الطبقات الخاصة بك ، مع الحرص على وضعها أسفل طبقة صورة الخريطة التي تم تصديرها مؤخرًا.
  9. الآن بعد أن تم تحديد موقع خريطتك جغرافيًا ، قد ترغب أيضًا في قص صورة الخريطة الممسوحة ضوئيًا لإزالة الطوق (المساحة الهامشية البيضاء حول الخريطة التي تحتوي على معلومات مثل عنوان الخريطة و rsquos والمقياس والمفتاح وما إلى ذلك) لتسهيل استخدام صورة نقطية في برنامج GIS. للقيام بذلك انقر فوق النقطية في الجزء العلوي من نافذة QGIS (نظام التشغيل Windows) أو أعلى الشاشة (نظام التشغيل MacOS). في القائمة المنسدلة التي تظهر ، انقر فوق قص النقطية حسب المدى لإحضار نافذة الأداة.
  10. في نافذة Clip Raster by Extent المنبثقة ، انقر فوق الزر & hellip بجوار حقل مدى القطع (xmin ، xmax ، ymin ، ymax) وحدديختارمدى على قماش من القائمة المنسدلة التي تظهر. سيعيدك هذا للحظات إلى لوحة الخريطة حيث يجب عليك الآن النقر مع الاستمرار على المؤشر في الزاوية العلوية اليسرى من نطاق الخريطة ثم الاستمرار في الضغط على زر الماوس لأسفل أثناء سحب المؤشر إلى الزاوية اليمنى السفلية من الخريطة مدى. يجب أن تلاحظ مستطيلًا أحمر كبير يتم رسمه فوق الخريطة أثناء سحب المؤشر. بمجرد أن يكون المؤشر فوق الزاوية اليمنى السفلية من الخريطة ، توقف عن الضغط باستمرار على زر الماوس الأيسر لإنهاء تحديد النطاق الخاص بك والعودة إلى نافذة Clip Raster by Extent.
  11. مرة أخرى في نافذة Clip Raster by Extent ، اضبط معلمة ملف التعريف (الموجودة ضمن Advanced Parameters) على ضغط JPEG واضبط قيمة JPEG_QUALITY على 99. بعد ذلك ، انقر فوق الزر & hellip الموجود بجوار الحقل المحول لتحديد Save to File & hellip والذي سيسمح لك لاختيار مكان حفظ الصورة المضغوطة. بعد ذلك ، انقر فوق الزر & hellip الموجود بجوار الحقل & ldquoClipped (مدى) & rdquo لفتح نافذة حفظ الملف حيث يجب عليك استعراض موقع صورة الخريطة ذات المرجعية الجغرافية التي تحاول ضغطها والنقر عليها لتحديدها. سيؤدي هذا تلقائيًا إلى ملء اسم هذه الصورة في حقل اسم الملف. يوصى بتعديل اسم الملف هذا عن طريق إضافة _c إلى نهاية اسم الملف للإشارة إلى أن هذا الإصدار من الصورة مضغوط. أثناء وجودك في نافذة Save File هذه ، ستحتاج أيضًا إلى تغيير قيمة الحقل Save as Type إلى ملفات JPG (* .jpg) بحيث يتم ضغط الملف بشكل صحيح. بمجرد الانتهاء من إدخال هذه المعلمات ، امض قدمًا وانقر فوق تشغيل.
  12. تهانينا ، لقد نجحت الآن في إحداث إشارة جغرافية لصورة خريطة ممسوحة ضوئيًا. إذا كنت ترغب في إنشاء مرجع جغرافي لصورة خريطة أخرى ، فارجع إلى نافذة Georeferencer حيث لا يزال من المفترض أن ترى آخر صورة قمت بمعالجتها. لاستبدال هذا بصورة خريطة جديدة تحتاج إلى مرجع جغرافي ، انقر فوق افتح النقطية في أقصى يسار شريط الأدوات ، استعرض وصولاً إلى موقع الصورة الجديدة التي تريد معالجتها ، ثم انقر فوق "موافق". بعد بضع ثوان من المفترض أن ترى صورة الخريطة الجديدة تحل محل الصورة السابقة التي أكملتها للتو. يمكنك الآن متابعة تحديد الموقع الجغرافي لهذه الخريطة الجديدة عن طريق بدء هذه التعليمات مرة أخرى من الخطوة 4.

1 إجابة 1

حسنًا ، سأتابع رسالتي في سؤالك السابق:

نبدأ بالحجر النحاسي hadsst.raster الكامل (والذي لوجود مثال قابل للتكرار ، يمكن أن يكون مزيفًا مع الجزء الأول من الحل في إجابتي السابقة).

لذلك فإن مجموعة البيانات هذه لها أبعاد 180 ، 360 ، 516 ، مما يعني 180 صفًا ، 360 عمودًا و 516 طبقة زمنية.

من الناحية الفنية ، تكون البيانات النقطية عبارة عن مصفوفة ، ويمكن أن يكون هذا كيف تبدو:

مجرد مجموعة من طبقات المصفوفة (516 على وجه الدقة) ، حيث تتم محاذاة كل بكسل تمامًا. هنا لدي فقط ثلاث طبقات من الأمثلة ، والباقي يشار إليه بالنقاط الثلاث.

إذا فعلنا ذلك زمني بالمتوسط ​​، نستخرج جميع القيم لبكسل واحد ونأخذ المتوسط ​​(أو أي عملية متوسطة أخرى) لها. يشار إلى هذا هنا بالمربعات الحمراء.

يوضح هذا أيضًا سبب الاقتصاص لا تؤثر على المتوسط ​​الزمني:

إذا قلنا أن المربع البرتقالي هو مدى اهتمامنا ونقوم بإجراء عملية الاقتصاص قبل في المتوسط ​​، نتجاهل بشكل أساسي جميع القيم حول هذا المربع. بعد ذلك ، نأخذ مرة أخرى جميع القيم لكل بكسل على جميع الطبقات ونؤدي متوسطنا.

يجب أن يوضح هذا الآن ، لماذا لا يهم عندما تتجاهل البكسل حول المربع البرتقالي. يمكنك أيضًا حساب المتوسط ​​لها وتجاهل القيم بعد ذلك ، مما يترك لك قيم المربع البرتقالي فقط. إنه ليس له أي معنى حقيقي إذا كنت متأكدًا بالفعل من أنك لن تحتاجها لإجراء مزيد من العمليات الحسابية. بغض النظر ، لن تتأثر القيم الموجودة داخل المربع.

عندما نتحدث عن مكاني في المتوسط ​​، يعني هذا عمومًا متوسط ​​أكثر من بكسل داخل طبقة واحدة ، في هذه الحالة على الأرجح فوق القيم الموجودة داخل المستطيل البرتقالي.

عمليتان شائعتان لذلك هما

سيستغرق المتوسط ​​البؤري لكل بكسل متوسط ​​جميع قيم عدد محدد من وحدات البكسل المجاورة (الأكثر شيوعًا هو مربع 3 × 3 ، حيث يكون البكسل المراد تحديده هو النقطة المركزية).

يأخذ التجميع حرفياً عددًا من البكسل ويجمعها في بكسل أكبر. هذا يعني أنه لن يتم حساب متوسط ​​قيمة هذا البكسل فحسب ، بل أيضًا أن البيانات النقطية الناتجة ستحتوي على وحدات بكسل فردية أقل ودقة أكثر دقة.

حسنًا ، الوصول إلى الحل الفعلي من أجلك:

أفترض أن لديك مجال اهتمام محدد بمدى ما:

أول شيء ستفعله هو قص اللبنة الأولية لتقليل العبء الحسابي:

الخطوة التالية هي زمني المتوسط ​​، حيث نستخدم الوظيفة التي حددتها في الحل من مشاركتي الأخرى:

حسنًا ، لديك الآن متوسطاتك الزمنية للمنطقة التي تهمك فقط. تعتمد الخطوة التالية على هدفك النهائي. بقدر ما فهمت ، فأنت تحتاج فقط إلى متوسط ​​واحد لكل متوسط ​​زمني للمنطقة التي تهمك.

إذا كانت هذه هي الحالة ، فقد يكون هذا هو الوقت المناسب لمغادرة المجال النقطي الفعلي والمتابعة مع القاعدة R:

سيعطيك هذا قائمة تحتوي على العديد من العناصر مثل hadsst.raster_crp_avg.

باستخدام lapply ، نقوم بالتكرار خلال الطبقات ، وتحويل كل طبقة إلى مصفوفة ثم حساب المتوسط ​​على جميع العناصر ، مما يترك لنا قيمة واحدة لكل خطوة زمنية متوسطة لمنطقة الاهتمام بأكملها.


باثفايندر بيانات نظم المعلومات الجغرافية

تُستخدم نظم المعلومات الجغرافية (GIS) في جميع المجالات تقريبًا التي تحتاج إلى فهم الأنماط المكانية والعلاقات بين الأنواع المختلفة من البيانات ، من تخطيط استخدام الأراضي إلى الاستجابة للطوارئ إلى إدارة الموارد. تتضمن نظم المعلومات الجغرافية العديد من المكونات:

  • تصورات من خلال الخرائط التفاعلية ،
  • البيانات على أساس موقع الميزات أو المتغيرات الممثلة ،
  • وظائف التحليل المكاني التي تركز على تحديد الاتجاهات والأنماط عبر المكان والزمان ، و
  • التطبيقات التي تمكن الأدوات والخدمات في واجهات سهلة الاستخدام.

يمكن تصور بيانات الاستشعار عن بعد والصور من عمليات رصد الأرض داخل نظام المعلومات الجغرافية لتوفير المزيد من السياق حول أي منطقة قيد الدراسة. تتزايد الحاجة إلى أن تكون بيانات علوم الأرض التابعة لوكالة ناسا بتنسيقات جاهزة لنظام المعلومات الجغرافية لسهولة التكامل والتحليل في الأدوات الأساسية التي تستخدمها مجتمعات المستخدمين. تتوفر العديد من خدمات وأدوات الويب الجغرافية المكانية من خلال نظام بيانات ومعلومات نظام مراقبة الأرض (EOSDIS) التابع لناسا (DAACs) للوصول إلى البيانات الجاهزة لنظام المعلومات الجغرافية. يوفر محدد مسار البيانات هذا روابط مباشرة إلى خدمات وأدوات الويب تلك للوصول إلى بيانات علوم الأرض التابعة لوكالة ناسا واستخدامها.

إذا كنت لا ترى مجموعة بيانات تحتاج أو تحتاج إلى تحديد أنواع أخرى من البيانات بتنسيقات جاهزة لنظام المعلومات الجغرافية ، فاتصل بنا.

العمل مع البيانات متعددة الأبعاد في نظام المعلومات الجغرافية

ملخص

بيانات نقطية متعددة الأبعاد تحدث عبر الفضاء (ثنائي الأبعاد) ، والوقت ، و / أو الارتفاع والعمق (بعد آخر). الائتمان: ناسا

تحتوي بيانات GIS على إحداثيات مكانية لتمثيل مكان تواجد الميزات. يتم ذلك عادةً باستخدام إحداثيات X و Y (أو خطوط الطول والعرض). يمكن أن تتضمن البيانات متعددة الأبعاد أبعادًا إضافية مثل العمق و / أو الوقت. يتم تخزين البيانات متعددة الأبعاد والبيانات الوصفية المرتبطة بها في تنسيقات بيانات علمية محسّنة لأنواع البيانات هذه. أكثر التنسيقات المتخصصة شيوعًا هي نموذج البيانات المشتركة للشبكة (netCDF) ، وتنسيق البيانات الهرمي (HDF) ، والثنائي الشبكي (GRIB). تشترك تنسيقات البيانات العلمية هذه في هياكل مشتركة لتخزين متغيرات متعددة ، حيث يكون كل متغير مصفوفة متعددة الأبعاد.

في السنوات الأخيرة ، زادت برمجيات نظم المعلومات الجغرافية من دعمها لتنسيقات البيانات العلمية في أنظمتها الأساسية. بالإضافة إلى استيعاب هذه الملفات وقراءتها بشكل صحيح ، طورت منصات البرامج الأساسية أدوات جديدة للمساعدة في سير العمل المشترك وإدارة وتحليل وتوزيع البيانات متعددة الأبعاد.

في أدوات مثل QGIS و ArcGIS ، يتم توفير دعم البيانات النقطية باستخدام مجموعة بيانات الفسيفساء. مجموعة البيانات الفسيفسائية هي نموذج بيانات يعمل كغلاف لإدخال مجموعة من الملفات النقطية المتعددة ، والتي تتضمن أنواعًا مختلفة من الملفات ، ويتم عرضها كصورة واحدة. تخزن مجموعة بيانات الفسيفساء متعددة الأبعاد معلومات حول الأبعاد والمتغيرات كحقول في جدول أثر مجموعة بيانات الفسيفساء. لا يجب أن تكون البيانات النقطية الأساسية متصلة أو متداخلة ولكن يمكن أن تكون مجموعات بيانات معزولة أو متقطعة. في بعض الأنظمة الأساسية لبرامج نظم المعلومات الجغرافية ، يمكن بعد ذلك استخدام مجموعة بيانات فسيفساء واحدة للاستعلام عن البيانات ومعالجتها وتحليلها وتقديمها.

العمل مع البيانات متعددة الأبعاد في GIS (ArcGIS المحدد)

هناك طريقتان لإنشاء مجموعة بيانات فسيفساء تراعي الأبعاد المتعددة. يتمثل أحد الخيارات في إنشاء مجموعة بيانات فسيفساء عن طريق إضافة البيانات النقطية باستخدام أنواع الملفات النقطية HDF أو netCDF أو GRIB والتي ستستورد بيانات الأبعاد والمعلومات المتغيرة إلى مجموعة بيانات الفسيفساء. الخيار الآخر هو بناء جدول معلومات متعدد الأبعاد من أجل إنشاء الحقول المطلوبة متعددة الأبعاد ، والبيانات الوصفية ، والهيكل لجعل مجموعة البيانات قابلة للتشغيل البيني. للقيام بذلك ، ستحتاج إلى أن يكون لديك حقل في جدول أثر مجموعة بيانات الفسيفساء الخاص بك يحدد المتغير في كل خط نقطي ويجب أن يكون هناك حقل وقت أو ارتفاع لتحديد بُعد واحد أو أكثر.

إذا كنت بحاجة إلى مساعدة في العمل مع البيانات متعددة الأبعاد بتنسيقات GIS الجاهزة ، فاتصل بنا.

استخدام بيانات ناسا في نظم المعلومات الجغرافية

هناك مجموعة متنوعة من برامج نظم المعلومات الجغرافية المتاحة للمستخدمين. تعرض الأمثلة التالية لقطات شاشة من QGIS ، وهو برنامج GIS مجاني ومفتوح المصدر ، إلا أن البرامج الأخرى لديها خيارات مماثلة لإضافة طبقات.

إضافة طبقة نقطية إلى نظام المعلومات الجغرافية

  1. ضمن طبقة / إضافة طبقة ، حدد إضافة طبقة نقطية.
  2. حدد الملف وانقر فوق إضافة.
    قد تحتاج إلى تعديل الإسقاط أو الرموز ، وكلاهما موجود في خصائص الطبقة. يمكن الوصول إلى خصائص الطبقة عن طريق النقر المزدوج على الطبقة أو عن طريق تحديد خصائص الطبقة / الطبقة. "خصائص الطبقة" هي عنوان النافذة داخل QGIS و "الخصائص" في ArcGIS Pro.
  3. في هذه المرحلة ، يمكنك تصور بياناتك.

إضافة طبقة متجه إلى نظام المعلومات الجغرافية

  1. ضمن Layer / Add Layer ، حدد Add Vector Layer.
  2. حدد الملف وانقر فوق إضافة. ملاحظة: يمكنك إضافة ملف zip بأكمله ثم تحديد طبقات معينة لإضافتها.
  3. في هذه المرحلة ، يمكنك تصور بياناتك.

إضافة خدمة ويب إلى نظم المعلومات الجغرافية

توفر بعض DAACs خدمات جغرافية مكانية ، وتحديداً خدمات خرائط الويب (WMS) ، وخدمات تغطية الويب (WCS) ، وخدمات ميزات الويب (WFS) ، مما يوفر الوصول إلى مجموعة متنوعة من مجموعات البيانات الجاهزة لنظام المعلومات الجغرافية. العديد من عناوين URL اللازمة للوصول إلى البيانات خاصة بـ DAAC ، وفي بعض الحالات خاصة بمجموعة البيانات. راجع حالات الاستخدام لخدمات الويب للاطلاع على أمثلة لكل خدمة.

  1. ضمن طبقة / إضافة طبقة ، حدد إضافة طبقة WMS / WMTS.
  2. انقر فوق "جديد" لإضافة نقطة نهاية جديدة باستخدام عنوان URL المحدد ، ثم انقر فوق "اتصال" للوصول إلى الخدمات المتاحة.
  1. أدخل & gt Connections & gt New WMS Server لإضافة نقطة نهاية جديدة باستخدام عنوان URL المحدد.
  2. انقر فوق "موافق" للاتصال والوصول إلى الخدمات المتاحة.

حالات الاستخدام لخدمات الويب

خدمة ميزات الويب من مركز البيانات والتطبيقات الاجتماعية والاقتصادية التابع لناسا (SEDAC)

تشكل زيادة العواصف من الأعاصير تهديدات لصحة الإنسان والحياة البرية. في المناطق التي قد تغمر فيها مواقع Superfund ، يكون القلق من انتشار السموم أمرًا كبيرًا. ومع ذلك ، فإن مستوى القلق يختلف اختلافًا كبيرًا اعتمادًا على الملوثات المحددة وتركيزاتها. لذلك ، يجب على وكالة حماية البيئة (EPA) تقييم مكان وجود الأموال الفائضة ومدى تأثر تلك المواقع ، وكذلك المخاطر على المجتمعات المحيطة ، عندما يكون من المتوقع حدوث عاصفة كبيرة. حالة الاستخدام مقتبسة من مقالة أخبار CNBC وتقرير وكالة حماية البيئة عن إعصار هارفي.

نظرًا لقلقك بشأن اقتراب الإعصار المتوقع أن يضرب ولاية فلوريدا ، فأنت تريد إلقاء نظرة على مواقع Superfund في المنطقة والكثافة السكانية المحيطة بتلك المناطق لتقييم الآثار المحتملة. من خلال WFS الخاص بـ SEDAC ، يمكنك الوصول مباشرة إلى البيانات داخل نظام المعلومات الجغرافية.

  1. انتقل إلى طبقة و "إضافة طبقة WFS".
  2. أدخل اسمًا وأدخل عنوان URL هذا: https://sedac.ciesin.columbia.edu/geoserver/ows؟version=1.1.0
  3. انقر فوق "موافق" ثم "اتصال".
  4. يمكن الآن إضافة الميزات إلى عارض الخريطة.

في هذا المثال ، تمت إضافة طبقات SEDAC التالية:

  • وكالة تسجيل المواد السامة والأمراض (ATSDR) مواقع النفايات الخطرة
  • السكان الشبكيون في العالم ، الإصدار 4 ، الكثافة السكانية

خدمة تغطية الويب من مختبر أوك ريدج الوطني DAAC التابع لناسا (ORNL DAAC)

وفقًا لتوقعات تصنيفات درجات الحرارة السنوية العالمية الصادرة عن الإدارة الوطنية للمحيطات والغلاف الجوي (NOAA) ، فإن هذا العام (2020) يسير على الطريق الصحيح ليكون واحدًا من أكثر الأعوام حرارة على الإطلاق.

نظرًا لقلقك بشأن تغير المناخ ، فأنت تريد الوصول إلى البيانات المناخية ، وإنشاء خريطة شذوذ لشهر يناير ، 2020. من خلال WCS في ORNL DAAC ، يمكنك الوصول مباشرة ، ضمن GIS ، بيانات Daymet (مجموعة من التقديرات الشبكية اليومية معلمات الطقس الناتجة عن الاستيفاء والاستقراء من ملاحظات الأرصاد الجوية اليومية) لتشغيل وظائف تستند إلى البيانات النقطية لإنشاء خريطة متوسط ​​الوقت مدتها 28 عامًا ثم خريطة شذوذ لعام 2020.

  1. انتقل إلى طبقة و "إضافة طبقة WCS."
  2. أدخل اسمًا وأدخل عنوان URL هذا: https://webmap.ornl.gov/ogcbroker/wcs؟
  3. انقر فوق "موافق" ثم "اتصال".
  4. يمكن الآن إضافة التغطيات إلى عارض الخريطة.

في هذا المثال ، تمت إضافة طبقات ORNL DAAC التالية:

خدمة تغطية الويب - SEDAC

تم فقدان ما يقرب من نصف موائل الأراضي الرطبة الأصلية في البلاد على مدار 200 عام الماضية. كان هذا جزئيًا نتيجة للعمليات التطورية الطبيعية ، لكن الأنشطة البشرية ، مثل تجريف الأراضي الرطبة للقنوات أو التجفيف والردم للزراعة أو الرعي أو التنمية ، تشترك في جزء كبير من المسؤولية عن تغيير وتدمير موائل المستنقعات. تمثل الأراضي الرطبة في لويزيانا اليوم حوالي 40 في المائة من الأراضي الرطبة في الولايات المتحدة القارية ، ولكنها تمثل حوالي 80 في المائة من الخسائر (من الأراضي الرطبة الساحلية في لويزيانا: مورد في خطر).

نظرًا لقلقك بشأن تغير المناخ ، فأنت تريد إجراء تحليل لخسارة الأراضي الرطبة الساحلية من ارتفاع مستوى سطح البحر باستخدام تقديرات خسائر الأراضي الرطبة كأساس لتحديد تدابير التكيف المحتملة. من خلال WCS الخاص بـ SEDAC ، يمكنك الوصول مباشرة ، ضمن نظام المعلومات الجغرافية ، إلى بيانات الارتفاع ، والكثافة السكانية ، وشبكة النطاقات الحضرية.

  1. انتقل إلى طبقة و "إضافة طبقة WCS."
  2. أدخل اسمًا وأدخل عنوان URL هذا: https://sedac.ciesin.columbia.edu/geoserver/wcs؟
  3. انقر فوق "موافق" ثم "اتصال".
  4. يمكن الآن إضافة التغطيات إلى عارض الخريطة.

في هذا المثال ، تمت إضافة طبقات SEDAC التالية:

  • مشروع رسم الخرائط الحضرية والريفية العالمية ، الإصدار 1 (GRUMPv1): شبكة الكثافة السكانية لعام 2000
  • الامتدادات الحضرية لـ GRUMPv1
  • بعثة طبوغرافيا رادار المكوك العالمي (SRTM) الارتفاع فوق مستوى سطح البحر بدقة 1 كم

خدمة خريطة الويب - خدمات تصفح الصور العالمية (GIBS)

في مقال بحثي حديث من المجلة البيئة العالمية والجغرافيا الحيوية، بعنوان العلاقة العالمية للإنتاجية والنار ، من الملاحظ أنه على المستوى العالمي ، يتغير نشاط الحرائق على طول تدرج الإنتاجية / الجفاف. يجب أن تكون هذه العلاقة مدفوعة بالأدوار النسبية المختلفة لسائقي الحرائق الرئيسيين (الطقس والوقود) على طول تدرج الإنتاجية. في المناطق الرطبة حول العالم ، يُعتقد أن نشاط الحرائق مدفوع بتواتر الجفاف ، بينما في المناطق الجافة ، يُعتقد أن الحرائق محدودة بكمية الوقود المتاحة.

نظرًا لقلقك بشأن تغير المناخ ، فأنت تريد اختبار هذه الأفكار من خلال مقارنة نشاط الحرائق العالمي. ضمن GIS باستخدام WMS الخاص بـ GIBS ، يمكنك الوصول مباشرة إلى انعكاس سطح الأرض MODIS (النطاقات 7-2-1 ، مفيدة للتمييز بين ندوب الحروق من الغطاء النباتي المنخفض بشكل طبيعي أو التربة العارية) ، والحرائق والشذوذ الحراري ، وفرق الغطاء النباتي الطبيعي الطبقات الأخرى ذات الصلة.

  1. انتقل إلى طبقة / إضافة طبقة و "أضف طبقة WMS / WMTS."
  2. أدخل اسمًا وأدخل عنوان URL هذا: https://gibs.earthdata.nasa.gov/wms/epsg4326/best/wms.cgi
  3. انقر فوق "موافق" ثم "اتصال".
  4. يمكن الآن إضافة طبقات الصور إلى عارض الخريطة.

في هذا المثال ، تمت إضافة الطبقات التالية من GIBS:

  • الشذوذ الحراري والحرائق (كل (نهارًا / ليلًا) من جهاز مقياس طيف التصوير ذي الدقة المتوسطة (MODIS) على منصة Terra)
  • مؤشر الغطاء النباتي لمدة 8 أيام من أداة MODIS من Terra
  • انعكاس سطح الأرض (النطاقات 7 ، 2 ، 1) من أداة MODIS الخاصة بـ Terra

العديد من طبقات تصور الصور المقدمة من خلال GIBS عبارة عن طبقات صور متغيرة بمرور الوقت ويمكن تغيير التاريخ / الوقت مباشرة من خلال بعض تطبيقات GIS باستخدام وحدة التحكم الزمنية أو وظيفة شريط تمرير الوقت. يوفر GIBS إرشادات لتمكين هذه الإمكانية ، بنطاق زمني ثابت أو نطاق متحرك ، ضمن العديد من تطبيقات GIS.

توفر بعض DAACs خدمات جغرافية مكانية ، وتحديداً WMS و WCS ، مما يوفر الوصول إلى مجموعة متنوعة من مجموعات البيانات الجاهزة لنظام المعلومات الجغرافية. يمكن العثور عليها في صفحة الخدمات الجغرافية المكانية.

أدوات ومنصات لاكتشاف بيانات ناسا

NASA ArcGIS Online (AGOL)

توفر NASA ArcGIS Online (AGOL) القدرة على إنشاء ومشاركة بيانات علوم الأرض التابعة لناسا مع الجمهور والشركاء بين الوكالات من خلال تقديم البيانات إلى المستخدمين النهائيين في نظام أساسي سهل الاستخدام يستند إلى مجموعة النظراء.

الرؤية الكونية

يوفر تطبيق التصور Worldview التابع لناسا القدرة على التصفح التفاعلي لأكثر من 900 طبقة صور أقمار صناعية عالمية كاملة الدقة ثم تنزيل البيانات الأساسية. يتم تحديث العديد من طبقات الصور المتاحة في غضون ثلاث ساعات من المراقبة ، مما يُظهر الأرض بأكملها بشكل أساسي كما تبدو "الآن". يدعم هذا مجالات التطبيق ذات الأهمية الزمنية مثل إدارة حرائق الغابات وقياسات جودة الهواء ومراقبة الفيضانات. يتم توفير الصور في Worldview بواسطة GIBS. تتضمن Worldview الآن تسع طبقات صور ثابتة بالنسبة إلى الأرض من القمر الصناعي التشغيلي الثابت بالنسبة للأرض (GOES) - الشرق و GOES-West و Himawari-8 المتاحة بزيادات مدتها عشر دقائق خلال آخر 30 يومًا. تتضمن هذه الطبقات Red Visible ، والتي يمكن استخدامها لتحليل السحب النهارية والضباب والتشمس والرياح Clean Infrared ، والتي توفر درجة حرارة السحاب ومعلومات حول هطول الأمطار و Air Mass RGB ، والتي تتيح تصور التمايز بين أنواع كتلة الهواء ( على سبيل المثال ، الهواء الجاف والهواء الرطب وما إلى ذلك). تسمح هذه العروض نصف الكروية للقرص الكامل بمشاهدة التغييرات التي تحدث في معظم أنحاء العالم في الوقت الفعلي تقريبًا.

تصور بيانات الرؤية العالمية للأضواء الليلية في بورتوريكو قبل وبعد إعصار ماريا ، الذي وصل إلى اليابسة في 20 سبتمبر 2017. تُظهر صورة ما بعد الإعصار على اليسار انقطاعات واسعة النطاق حول سان خوان ، بما في ذلك المستشفى الرئيسي والبنية التحتية للنقل. صورة ناسا وورلد فيو.

بحث Earthdata

Earthdata Search هو أداة لاكتشاف بيانات مجموعات بيانات رصد الأرض من EOSDIS ، وكذلك الوكالات الأمريكية والدولية عبر تخصصات علوم الأرض. يمكن للمستخدمين (بما في ذلك أولئك الذين ليس لديهم معرفة محددة بالبيانات) البحث عن مجموعات البيانات وقراءتها ، والبحث عن ملفات البيانات حسب التاريخ والمنطقة المكانية ، ومعاينة صور الاستعراض ، وتنزيل طلبات ملفات البيانات أو إرسالها ، مع تخصيص مجموعات بيانات محددة.

في منطقة المشروع ، بالنسبة لبعض مجموعات البيانات ، يمكنك تخصيص الحبيبات الخاصة بك. يمكنك إعادة تنسيق البيانات والإخراج كـ HDF أو NetCDF أو ASCII أو KML أو GeoTIFF. يمكنك أيضًا الاختيار من بين مجموعة متنوعة من خيارات العرض. أخيرًا ، يمكنك تقسيم البيانات ، والحصول على النطاقات المطلوبة فقط.

أدوات DAAC

توفر العديد من DAAC أيضًا أدوات تفاعلية لبيانات GIS التي يمكن من خلالها تصور البيانات وتقسيمها وتنزيلها بتنسيقات ملفات مختلفة جاهزة لتحليل نظم المعلومات الجغرافية.

موارد آخرى

مركز بيانات علوم الغلاف الجوي التابع لناسا (ASDC) بوابة بيانات AGOL

تتميز بوابة بيانات ASDC AGOL بخرائط الويب للبيانات من:

  • Measurement of Pollution in the Troposphere (MOPITT) instrument, designed to enhance our knowledge of the lower atmosphere and to observe how it interacts with the land and ocean biospheres.
  • Multi-angle Imaging Spectroradiometer (MISR), designed to show the change in reflection at different view angles, which affords the means to distinguish different types of atmospheric particles (aerosols), cloud forms, and land surface covers.
  • Climatology of solar radiation from 1983-2005.

DAAC Story Maps

Dizzy the Disdrometer: An interactive story map from NASA's Global Hydrometeorology Resource Center DAAC (GHRC DAAC) to learn about the disdrometer instrument, the Global Precipitation Monitoring (GPM) Ground Validation (GV) project, and where to find the data used during the field campaigns.

Mapping Deforestation: A new "Data in Action" ArcGIS Story Map, at NASA's Land Processes DAAC (LP DAAC), maps deforestation in Cambodia using NASA MODIS Land Cover and Vegetation Continuous Fields datasets to highlight land cover changes.

Screenshot of an image captured by Sentinel-1B of Hurricane Dorian off the north coasts of Puerto Rico and the Dominican Republic, taken on August 29, 2019. The image was processed using GAMMA software and contains modified Copernicus Sentinel data 2019, processed by ESA. Credit: Alaska Satellite Facility Distributed Active Archive Center (ASF DAAC)

Hurricane Dorian (2019) in Sentinel-1 SAR Imagery: NASA's Alaska Satellite Facility DAAC (ASF DAAC) has created a timeline showing images captured by the Sentinel-1 satellites of Hurricane Dorian as it moved through the Caribbean and up the east coast of the U.S.

Changes in the Observed Tropospheric NO2 Column Density shows the changes in the observed Tropospheric NO2 column density over China before and after lockdown due to COVID-19.

Ice-Albedo Feedback in the Arctic provides information on sea ice extent in the Arctic and the drivers of change. The story map also highlights the impact of increasing absorbed solar radiation and its impact within the ice-albedo feedback loop.

Introduction to MAIA and TEMPO introduces us to these two new missions, the Multi-Angle Imager for Aerosols (MAIA) and Tropospheric Emissions Monitoring Pollution (TEMPO), launching in 2022, that will study air quality and its impact on human health at unprecedented temporal and spatial scales.

Global Air Quality uses NASA SEDAC's global annual gridded particulate matter with particles smaller than 2.5 microns (PM2.5) to observe trends over time and to assess the impact on humans.

Studying the 2019-2020 Australian Bushfires Using NASA Data guides users through the factors leading up to the 2019-2020 Australian bushfires disaster, the effect this event has had on air quality and global atmospheric composition, and the science behind researching the tie between disasters and public health. This story map uses data archived at ASDC.

The North Atlantic Aerosols and Marine Ecosystems Study (NAAMES) story map that provides information on the 5-year study employing ship, aircraft, float and drifter, and satellite observations across the annual plankton cycle in the North Atlantic Ocean.

Applied Sciences Disaster Portal

The Disasters Applications area promotes the use of Earth observations to improve prediction of, preparation for, response to, and recovery from natural and technological disasters. Disaster applications and applied research on natural hazards support emergency preparedness leaders in developing mitigation approaches, such as early warning systems, and providing information and maps to disaster response and recovery teams.

Other NASA Story Maps

Who Uses GPM Data? Sarah Davidson- Data Curator with Movebank
One organization that is using data from the GPM mission and other NASA Earth observing satellites to better understand animal movement is Movebank. Sarah Davison is a GPM data end-user who is a "Data Curator" for Movebank. This means that she works as the bridge to help match up animal researchers with datasets they can use to better understand the animals and the ecosystems through which they are traveling.

Modern Day Superhero! Meet Liz Saccoccia, World Resources Institute Research Analyst
Liz Saccoccia uses GPM and other NASA data to help people all over the world gain access to and understand information that might help them to solve really hard problems, such as hunger and disease.

My NASA Data

My NASA Data is an effort to develop microsets of Earth science data that are accessible, interesting and useful to the K-12 and citizen scientist communities. My NASA Data provides a means of visualizing global datasets through its Earth System Data Explorer. My NASA Data provides global monthly visualizations of parameters, such as aerosol optical depth, surface air temperature, surface air temperature anomalies, wind speed, biome classification, chlorophyll, leaf area index, normalized difference vegetation index, concentration of CO2 in the troposphere, total column ozone, and air column concentration of CO, SO2, and NO2.

By choosing a dataset, the web-based tool provides information about the source of the data and the units, as well as a visualization of the monthly data (note that there are a few daily datasets). Within the Earth System Data Explorer, you can compare multiple datasets, create line plots, create animations, and perform computational requests (like computing the average values over time).

Once you have the dataset of interest, it can be exported to a variety of desktop applications, including Ferrett, GrADS, and MatLab. The data also can be saved as an ASCII, CSV, NetCDF, and arcGRID file. arcGRID and NetCDF files can be opened as a raster layer in GIS programs. CSV files can be opened as a "delimited text" file. To open properly, you will need to specify that it is comma-separated, the number of header lines to discard, and the appropriate fields for latitude and longitude.

My NASA Data also has a series of story maps designed for educational use:

NASA Center for Climate Simulation

NASA Center for Climate Simulation (NCCS) Spatial Analytics Platform supports NASA scientists and partners by providing a centralized and highly available geospatial platform that:

  • is tightly integrated with NCCS’s high performance computing capabilities
  • accelerates collaborative analytics through the use of advanced visualization and custom applications and
  • can process vast amounts of data without significant performance degradation. NCCS has various ArcGIS web apps as well as story maps.

Please visit the Earthdata Forum, where you can interact with other users and NASA subject matter experts on a variety of Earth science research and applications topics.


Raster files are not exact in extent after clipping? - Geographic Information Systems

Raster analysis is similar in many ways to vector analysis. However, there are some key differences. The major differences between raster and vector modeling are dependent on the nature of the data models themselves. In both raster and vector analysis, all operations are possible because datasets are stored in a common coordinate framework. Every coordinate in the planar section falls within or in proximity to an existing object, whether that object is a point, line, polygon, or raster cell.

In vector analysis, all operations are possible because features in one layer are located by their position in explicit relation to existing features in other layers. Inherent in the arc-node vector data model is chiralty, or left- and right-handedness of arcs (as shown in the polygon data model image from Spatial Data Model). As a corollary to this, containment and overlap are inherent relationships between layers. For example, a point on one layer is on one side of an arc in another layer, or inside or outside of a polygon in yet another layer. The complexity of the vector data model makes for quite complex and hardware-intensive operations.

Raster analysis, on the other hand, enforces its spatial relationships solely on the location of the cell. Raster operations performed on multiple input raster datasets generally output cell values that are the result of computations on a cell-by-cell basis. The value of the output for one cell is usually independent of the value or location of other input or output cells. In some cases, output cell values are influenced by neighboring cells or groups of cells, such as in focal functions.

Raster data are especially suited to continuous data. Continuous data change smoothly across a landscape or surface. Phenomena such as chemical concentration, slope, elevation, and aspect are dealt with in raster data structures far better than in vector data structures. Because of this, many analyses are better suited or only possible with raster data. This section and the next section will explain the fundamentals of raster data processing, as well as some of the more common analytical tools.

ArcGIS can deal with several formats of raster data. Although ArcGIS can load all supported raster data types as images, and analysis can be performed on any supported raster data set, the output of raster analytical functions are always ArcInfo format grids. Because the native raster dataset in ArcGIS is the ArcInfo format grid, from this point on, the term grid will mean the analytically enabled raster dataset.

ArcGIS 's interface to raster analysis is through the Spatial Analyst Extension. The Spatial Analyst, when loaded, provides additions to the ArcGIS GUI, including new menus, buttons, and tools. The features added to ArcGIS with the Spatial Analyst are listed here.

Grid layers are graphical representations of the ArcGIS and ArcInfo implementation of the raster data model. Grid layers are stored with a numeric value for each cell. The numeric cell values are either عدد صحيح أو floating-point. Integer grids have integer values for the cells, whereas floating-point grids have value attributes containing decimal places.

Cell values may be stored in summary tables known as Value Attribute Tables (VATs) within the info subdirectory of the working directory. Because the possible number of unique values in floating-point grids is high, VATs are not built or available for floating-point grids.

VATs do not always exist for integer grids. VATs إرادة exist for integer grids that have:

  • a range of values (maximum minus minimum) less than 100,000 and
  • a number of unique values less than 500

It is possible to convert floating-point grids to integer grids, and vice versa, but this frequently leads to a loss of information. For example, if your data have very precise measurements representing soil pH, and the values are converted from decimal to integer, zones which were formerly distinct from each other may become indistinguishable.

Grid المناطق are groups of either contiguous or noncontiguous cells having the same value.

Grid المناطق are groups of contiguous cells having the same value. Therefore, a grid zone can be composed of 1 or more grid regions.

Although Raster Calculations (which will be discussed shortly) can be performed on both integer and floating-point grids, normal tabular selections are only possible on integer grids that have VATs. This is because a tabular selection is dependent on the existence of a attribute table. Those grids without VATs have no attribute tables, and are therefore unavailable for tabular selections.

Grid layer properties

Grid layer properties can be determined by viewing Properties.

ال عام tab shows the Layer Name as it appears in the Table of Contents

ال Source tab shows the Data Source file location and a number of other pieces of information, such as the Cell Size, the number of Rows و Columns, the grid Type (Float or Integer), and the Status (Temporary or Permanent).

ال Extent tab shows the lower-left and upper-right coordinates.

ال Display و الترميز tabs are used to alter the display of the layer.

Adding grid layers to data frames

Grid layers are added to data frames in the same manner as feature or image layers, by using the File > Add Data menu control, the Add Layer button , or by dragging from ArcCatalog. Grid data sources can be added to any ArcMap document. However, in order to load grid data sources for analysis into a data frame within the map document, the Spatial Analyst Extension must be loaded.

Also, in order to access many Spatial Analyst functions, it is necessary to add the Spatial Analyst toolbar.

If the Spatial Analyst Extension is not loaded, it is still possible to add grid data sources to a data frame, but only as simple images. Image layers cannot be queried or analyzed in any way. Image layers are usually not associated with any meaningful attribute values, other than a simple numeric value used for color mapping.

Displaying grid layers

Grid layer displays are altered in almost exactly the same manner as feature layers. Changes to the display of grid layers are done using the Legend Editor. Like polygon feature layers, shading of fills can be changed by altering the symbols of individual classes, by changing the Color Ramp, legend labels, and classification properties. One exception is that grids cannot be displayed with anything other than a solid fill symbol.

Here, the Pack Forest elevation floating-point elevation grid is displayed with in 5 equal-interval, natural breaks classes, with a gray monochromatic color scheme. نلاحظ أن No Data class is not included in the 5 classes.

Here the legend has been changed to a Stretched Color Ramp (an option not available for vector data).

Examining cell values in grid layer

As with vector data, to see the spread of values for a grid, view the layer properties. The histogram displays cell values on the X-axis and cell counts on the Y-axis.

For all grid layers, individual cell values can be queried using the تحديد tool . Clicking on a cell for the active grid layer will display the attribute values for the layer. ال Identify Results dialog will display the name of the grid layer, the X and Y coordinates of the cell, and the cell's value.

For integer layers with VATs, it is possible to perform tabular selections. Here are all cells with an elevation between 1000 and 1500 ft. In order to make the selection it is necessary to open the VAT and perform the Select By Attributes in table Options.

As with normal feature layer selections, cells meeting the query criteria are displayed in the default selection color.

Managing grid layer files

When the Spatial Analyst performs operations that create new grids on the fly, these new grids are by default temporarily stored in the working directory. If the layer is deleted from the data frame, the grid will also be deleted from the disk. Frequently, grid queries and analyses are not formatted properly in order to obtain the desired result. The incorrect grid can be deleted from the map document, and it will also be removed from the file system (unlike shapefiles, which need to be manually deleted). After the correct result is obtained, the new temporary grid can be saved permanently. In order to make sure that newly created grids are saved, right-click and select Make Permanent. When you do save grid layers, you can choose the file system directory and the name of the layer, rather than accepting the default name and location of the dataset assigned by ArcGIS.

If there are permanently stored grids in a map document, and these are deleted from the map document, they will not be automatically deleted from the disk. If you want to delete the data source you will need to manually delete in the same manner that you manually delete shapefiles or other data sources (that is, with ArcCatalog). Be aware of this, because grid dataset files are very large in size, and can easily fill up a drive, especially a puny 128 MB removable drive.

In order to be able to copy, rename, or delete a layer, all references to the layer must be removed from the map document. Sometimes, even if the layer is removed from the data frame and the attribute table is deleted, ArcGIS "holds on" to a layer. In these cases, it becomes necessary to completely close a ArcGIS entirely before a data source can be deleted.

If you need to delete a grid data source, أبدا use the operating system, use only ArcCatalog. Otherwise you will end up corrupting the file system by leaving "junk" data in the info directory. Cleaning up after this requires the use of ArcInfo's command-line interface.

There are limitations for storing grid data sources you should be aware of:

No spaces in directory or file names! This is a requirement of the complete pathname to a grid data source. Here is an unacceptable pathname:

C:projectsdatagrid datasoil_loss

and an acceptable pathname

13 character limitation on grid names. Here is an unacceptable grid name:


Parameters

The raster dataset that will be transformed into a new projection.

The raster dataset with the new projection that will be created.

When storing the raster dataset in a file format, you need to specify the file extension:

  • .bil — Esri BIL
  • .bip — Esri BIP
  • .bmp —BMP
  • .bsq — Esri BSQ
  • .dat —ENVI DAT
  • .gif —GIF
  • .img —ERDAS IMAGINE
  • .jpg —JPEG
  • .jp2 —JPEG 2000
  • .png —PNG
  • .tif —TIFF
  • .mrf —MRF
  • .crf —CRF
  • No extension for Esri Grid

When storing a raster dataset in a geodatabase, no file extension should be added to the name of the raster dataset.

When storing your raster dataset to a JPEG file, a JPEG 2000 file, a TIFF file, or a geodatabase, you can specify a Compression Type and Compression Quality in the geoprocessing Environments .

The coordinate system of the new raster dataset.

The resampling algorithm to be used. The default is Nearest.

  • Nearest neighbor — Nearest neighbor is the fastest resampling method it minimizes changes to pixel values since no new values are created. It is suitable for discrete data, such as land cover.
  • Bilinear interpolation — Bilinear interpolation calculates the value of each pixel by averaging (weighted for distance) the values of the surrounding four pixels. It is suitable for continuous data.
  • Cubic convolution — Cubic convolution calculates the value of each pixel by fitting a smooth curve based on the surrounding 16 pixels. This produces the smoothest image but can create values outside of the range found in the source data. It is suitable for continuous data.
  • Majority resampling — Majority resampling determines the value of each pixel based on the most popular value in a 3 by 3 window. Suitable for discrete data.

The cell size of the new raster using an existing raster dataset or by specifying its width (x) and height (y).

The geographic transformation when projecting from one geographic system or datum to another. A transformation is required when the input and output coordinate systems have different datums.

The lower left point for anchoring the output cells. This point does not have to be a corner coordinate or fall within the raster dataset.

The Snap Raster Environment setting will take priority over the Registration Point parameter. To set the registration point, make sure Snap Raster is not set.

The coordinate system of the input raster dataset.

Specifies whether a vertical transformation will be applied.

This option is active when the input and output coordinate systems have a vertical coordinate system and the input raster's coordinates have z-values.

When Vertical is checked, the Geographic Transformation parameter can include ellipsoidal transformations and transformations between vertical datums. فمثلا،

NAD_1983_To_NAVD88_CONUS_GEOID12B_Height + NAD_1983_To_WGS_1984_1 transforms geometry vertices that are defined on NAD 1983 datum with NAVD 1988 heights into vertices on the WGS 1984 ellipsoid (with z-values representing ellipsoidal heights). The tilde (

) indicates reversed direction of transformation.

  • Unchecked—No vertical transformation is applied. The z-values of geometry coordinates will be ignored and the z-values will not be modified. This is the default.
  • Checked—The transformation specified in the Geographic Transformation parameter is applied. The Project Raster tool transforms x-, y-, and z-values of geometry coordinates.

Many vertical transformations require additional data files that must be installed using the ArcGIS Coordinate Systems Data installation package.

The raster dataset that will be transformed into a new projection.

The raster dataset with the new projection that will be created.

When storing the raster dataset in a file format, you need to specify the file extension:

  • .bil — Esri BIL
  • .bip — Esri BIP
  • .bmp —BMP
  • .bsq — Esri BSQ
  • .dat —ENVI DAT
  • .gif —GIF
  • .img —ERDAS IMAGINE
  • .jpg —JPEG
  • .jp2 —JPEG 2000
  • .png —PNG
  • .tif —TIFF
  • .mrf —MRF
  • .crf —CRF
  • No extension for Esri Grid

When storing a raster dataset in a geodatabase, no file extension should be added to the name of the raster dataset.

When storing your raster dataset to a JPEG file, a JPEG 2000 file, a TIFF file, or a geodatabase, you can specify a Compression Type and Compression Quality in the geoprocessing Environments .

The coordinate system of the new raster dataset.

  • An existing feature class, feature dataset, raster dataset (basically anything with a coordinate system)
  • An ArcPy SpatialReference object

The resampling algorithm to be used. The default is Nearest .

  • NEAREST — Nearest neighbor is the fastest resampling method it minimizes changes to pixel values since no new values are created. It is suitable for discrete data, such as land cover.
  • BILINEAR — Bilinear interpolation calculates the value of each pixel by averaging (weighted for distance) the values of the surrounding four pixels. It is suitable for continuous data.
  • CUBIC — Cubic convolution calculates the value of each pixel by fitting a smooth curve based on the surrounding 16 pixels. This produces the smoothest image but can create values outside of the range found in the source data. It is suitable for continuous data.
  • MAJORITY — Majority resampling determines the value of each pixel based on the most popular value in a 3 by 3 window. Suitable for discrete data.

The Nearest and Majority options are used for categorical data, such as a land-use classification. The Nearest option is the default since it is the quickest and also because it will not change the cell values. Do not use either of these for continuous data, such as elevation surfaces.

The Bilinear option and the Cubic option are most appropriate for continuous data. It is recommended that neither of these be used with categorical data because the cell values may be altered.

The cell size of the new raster using an existing raster dataset or by specifying its width (x) and height (y).

The geographic transformation when projecting from one geographic system or datum to another. A transformation is required when the input and output coordinate systems have different datums.

The lower left point for anchoring the output cells. This point does not have to be a corner coordinate or fall within the raster dataset.

The Snap Raster Environment setting will take priority over the Registration Point parameter. To set the registration point, make sure Snap Raster is not set.

The coordinate system of the input raster dataset.

Specifies whether a vertical transformation will be performed.

This parameter is only enabled when the input and output coordinate systems have a vertical coordinate system and the input feature class coordinates have z-values.

When the VERTICAL keyword is used, the geographic_transform parameter can include ellipsoidal transformations and transformations between vertical datums. For example, “

NAD_1983_To_NAVD88_CONUS_GEOID12B_Height + NAD_1983_To_WGS_1984_1” transforms geometry vertices that are defined on NAD 1983 datum with NAVD 1988 heights into vertices on the WGS 1984 ellipsoid (with z-values representing ellipsoidal heights). The tilde (

) indicates reversed direction of transformation.

  • NO_VERTICAL — No vertical transformation is applied. The z-values of geometry coordinates will be ignored and the z-values will not be modified. This is the default.
  • VERTICAL — The transformation specified in the geographic_transform parameter is applied. The Project Raster tool transforms x-, y-, and z-values of geometry coordinates.

Many vertical transformations require additional data files that must be installed using the ArcGIS Coordinate Systems Data installation package.


R as GIS for Economists

Here we use PRISM maximum temperature (tmax) data as a raster dataset and Kansas county boundaries as a vector dataset.

Let’s download the tmax data for July 1, 2018 (Figure 5.1).

Figure 5.1: Map of PRISM tmax data on July 1, 2018

We now get Kansas county border data from the tigris package (Figure 5.2) as sf .

Figure 5.2: Kansas county boundaries

Sometimes, it is convenient to crop a raster layer to the specific area of interest so that you do not have to carry around unnecessary parts of the raster layer. Moreover, it takes less time to extract values from a raster layer when the size of the raster layer is smaller. You can crop a raster layer by using raster::crop() . It works like this:

To find the geographic extent of a vector data, you can use raster::extent() .

As you can see, it consists of four points. Four pairs of these values (xmin, ymin), (xmin, ymax), (xmax, ymin), and (xmax, ymax) form a rectangle that encompasses the Kansas state boundary. We will crop the PRISM raster layer to the rectangle:

The figure below (Figure 5.3) shows the PRISM tmax raster data cropped to the geographic extent of Kansas. Notice that the cropped raster layer extends beyond the outer boundary of Kansas state boundary (it is a bit hard to see, but look at the upper right corner).

Figure 5.3: PRISM tmax raster data cropped to the geographic extent of Kansas


Map and analyze raster data in R

The amount of spatial analysis functionality in R has increased dramatically since the first release of R. In a previous post, for example, we showed that the number of spatial-related packages has increased to 131 since the first R release. This means, of course, that more and more of your spatial-related workflow can be conducted without leaving R.

In this post we show some simple (and not-so-simple) examples of how to work with raster data in R with a focus on the raster package. This post also makes extensive use of the “new” R workflow with the packages dplyr , magrittr , tidyr and ggplot2 .

1. Load the libraries

We will load the key libraries. If you're unfamiliar with dplyr and tidyr , which we use for data processing, you can check out our previous post on the topic. Be sure to load tidyr before raster , otherwise the extract tool from the raster library will be masked.

2. Download the sample data

QGIS has a useful selection of sample data on their website. The data includes two raster datasets as well as multiple vector datasets. Careful, the size of the zipped file is approximately 21 Mbs. In our example, we are putting the data in a temporary folder which we’ve hard coded. You could alternatively do this with the tempdir function.

3. Read in and reclassify the raster data

We often need to tabulate the area of different types of land cover (from a raster) by a region (like census regions). We will show you how to do this with the raster package and then compare the results with ESRI's Tabulate Area tool. In this example we're using the AVHRR Global Land Cover Classification image that comes with QGIS sample data and we’re using the regions shapefile from QGIS. The land cover raster is a little old &ndash it's good for a demonstration, not so good if you’re interested in current land cover. Note that to save typing we call land cover “land use” in the code.

There are 14 possible land cover categories but for simplicity in this example, I'm going to limit my data to water (raster value 0), roughly green areas (1-8, 10,11), shrubland (9) and urban (13). This is a very rough categorization, if you want to make changes you can take a look at the categories here (this data is 1KM resolution). To do the reclass I'm using the reclassify function and with, as input, a matrix of two columns with the first as &ldquoto&rdquo, and the second as &ldquobecomes&rdquo. I'll label water, green, shrub and urban as 0, 1, 9, 13 respectively and then map the reclassified raster.

This is significantly simpler — just four categories to work with.

4. Read in and map the region data

We pulled in the raster data using the raster function and now we will read in the polygon data using readOGR from the rgdal package. We prefer readOGR because, unlike the readShapePoly in maptools , it reads in the projection information by default. We then use the package ggplot2 to map the data. We have a post on mapping in ggplot2 if you’d like more information.

5. Filter/clip our geographic data to our regions of interest

We're interested in land cover types in three regions of Alaska. Our first step is to filter the regions (the polygons) to our regions of interest and then clip the raster to match. If all you care about are land cover tabulations by region you actually do not have to clip the raster but since we want a map that displays only our three regions we need to clip. There is a nice answer on stackexchange by Jeffrey Evans on clipping a raster that I borrow from.

To &ldquoclip&rdquo the raster we first crop the raster to the extent of the three regions, then use the function rasterize to create a raster version of the regions and finally use that region-raster to clip, or in raster-speak, mask the land cover raster.

Great! Now that we have the pieces we need we're ready to make a nicer map of land cover in our three regions.

6. Make a nicer map

To make a nice map of the regions I'm going to use a function called gplot from the rasterVis package by Oscar Perpiñán. Careful, we're using gplot (one 'g') not ggplot . The gplot function is a wrapper around the ggplot2 package &ndash essentially allowing us to use ggplot2 methods with raster data.

Looks nice, there are clear trends in green and shrubland, in particular. There is very little urban land so it’s basically not visible (if you look really, really closely you’ll see a tiny bit of red in Anchorage). Now let's tabulate areas by type of land cover.

7. Extract land cover values by region and tabulate

We will use the extract function from the raster package to grab land cover values by region and tabulate. I mentioned above that we can actually perform this on the original raster of Alaska and the code is below. But since we have a clipped raster we may as well use this.

We can see that the Anchorage region is the only one with urban land cover (though very little of it) and, as you can see in the maps, the North Slope has the highest percentage of shrubland and Yukon-Koyukuk has the most green area.

8. Compare with ArcGIS's Tabulate Area tool results

Since most of us started doing these kinds of calculations in ArcGIS it may be comforting to see the R results side-by-side with those from ArcGIS &ndash in particular the tabulate area tool.

In order to follow along on your own computer you need to have ArcGIS installed and Python needs to be accessible on the command line. We don't want to leave the comforts of R so here we will create a python script from within R (using the cat function) and then we will run it with the system function.

By the way, if someone wants to submit the code for doing this in QGIS, I will add it here with attribution.

So that we have a pretty plot with more than just three regions, let's calculate the total area of each land cover for all regions (not just the three).

Now read in our results from ArcGIS and do some reformating.

Let's plot and see how they compare:

Essentially the same results from the two methods.

9. Create a RasterBrick and do raster math

As a final step/example we will use the sample data from QGIS to demonstrate how to create a new raster using raster math (similar to raster calculator in ArcGIS). In this example we will identify forest areas with elevations above 200 meters using two input rasters. Here are the steps:

أ. Read in elevation data

We already have land cover so let’s read in elevation. The QGIS sample data has an elevation raster that we will read.

ب. Make sure both rasters have same cell size and extent

In order to conduct the raster calculations we will create what is called a RasterBrick &ndash essentially a three dimensional raster &ndash but in order to do this we need the two rasters to have the same extent and resolution. We will use the resample function to do this.

C. Create the RasterBrick

A RasterBrick is a multi-layer raster object. As is discussed in the help, a RasterBrick is very similar to a RasterStack (in fact, the calculations below could be done with a RasterStack instead) but processing time may be shorter with a brick at the expense of a little less flexibility.

د. Do the raster math

We want to identify areas where the elevation is > 200 and the landcover type is Evergreen Needleleaf Forest or Evergreen Broadleaf Forest (land cover values 1,2). The function overlay can be used to do the raster math and create the new raster. Note that this is a different function from the deprecated overlay function in the sp package.

This creates a raster of TRUE/FALSE:

E. Map the raster

We're ready to map the results of our raster math (grid cells that are forest and above 200 meters). In order to do this we will take advantage of a package called dismo written by the author of the raster package, RJ Hijmans, because it has a nice function called gmap that will make it easier to map our raster on a Google Map.

And there we have it, forest land above 200 meters elevation computed and mapped in R.

10. Conclusion

The amount of spatial functionality in R is incredible. Much of the analysis that used to be done with a traditional GIS can be done in R, significantly simplifying and streamlining analysis workflow. We’ve just touched the surface of analyzing raster data in R in this post. The raster and rasterVis packages have a ton of functionality that is worth browsing. For interesting additional examples take a look at this page by Oscar Perpiñán.


World file contents

The contents of the world file will look similar to this:

When this file is present, ArcGIS performs the image-to-world transformation. The image-to-world transformation is a six-parameter affine transformation in the form of

The y-scale (E) is negative because the origins of an image and a geographic coordinate system are different. The origin of an image is located in the upper left corner, whereas the origin of the map coordinate system is located in the lower left corner. Row values in the image increase from the origin downward, while y-coordinate values in the map increase from the origin upward.

The transformation parameters are stored in the world file in this order:

Each of these coefficients can be defined as


شاهد الفيديو: كيف تقص شعر بوب بوب ليطيل! قصة شعر بوب سكوير للتطويل! دروس! خطوة بخطوة! (شهر اكتوبر 2021).