Mehr

Openlayers 3 Max. Ausdehnung

Openlayers 3 Max. Ausdehnung


Ich möchte einschränken, wo der Benutzer auf der Karte schwenken kann, aber ich kann keine Ressourcen finden, die angeben, wie die maximale Ausdehnung einer Kartenansicht in OpenLayers 3 festgelegt wird. Ich weiß, dass es in OpenLayers 2 eine Lösung gab ist es in der neuen Version möglich?


Dies kann einfach durch die Definition vonAusmaßim View-Objekt. z.B

var view = new ol.View({… Umfang: [minx,miny,maxx,maxy]…}); var map = new ol.Map({… view: view,… });

Eine andere Möglichkeit ist:

… var map = new ol.Map({ Layer: [… ], Overlays: [… ], target: document.getElementById('map'), view: new ol.View({ center: ol.proj.transform([ minx,miny,maxx,maxy], 'EPSG:4326', 'EPSG:3857'), Zoom:… , maxZoom:… , minZoom:… , Ausdehnung: ol.proj.transform([minx-n,miny-n ,maxx+n,maxy+n], 'EPSG:4326', 'EPSG:3857') }) });…

Wie Ragnagord bereits erwähnt hat, ist es notwendig, dieAusmaßin deinemol.ansicht.

Je nachdem, worauf Sie sich beziehen möchten, ist es am einfachsten, die Ausdehnung direkt aus Ihrer gewünschten Projektion zu entnehmen (ol.projekt.Projektion) oder Layer (jede Klasse vonol.schicht) Verwendung dergetExtent()Funktion. Bei EPSG:3857 funktioniert das:

var map = new ol.Map({… view: new ol.View({… extension: ol.proj.get("EPSG:3857").getExtent() }) });

Ich muss darauf hinweisen, wenn wir die Kartenprojektion betrachten, in meinem Fall zwischen WGS84 und Spherical Mercator gibt es eine Alternative mit ol.proj.transformExtent. Hier wurde eine Antwort gefunden. Der Umfang wird wie folgt vergeben:

var map = new ol.Map({… view: new ol.View({ Extent: ol.proj.transformExtent([minx, miny, maxx, maxy], 'EPSG:4326', 'EPSG:3857');… )} )}

Zusammenfassungen des GIST-Masters-Projekts 2012

Abstrakt: Dieses Projekt ermittelte die interannuale Variabilität der Vegetationsstruktur des Gebiets Tumamoc Hills, das sich im Westen von Tucson befindet. Für diesen Prozess wurden von März 2011 bis Mai 2012 monatliche Scans mit einer auf einem Stativ montierten LiDAR-Einheit durchgeführt. Die gesammelten LiDAR-Daten wurden verwendet, um den Prozentsatz der Erträge für die Vegetationsdichte, den Prozentsatz der Erträge von der Bodenoberfläche, die Vegetationshöhe, die Baumkronenfläche und . zu berechnen Baldachin Umfang. Diese Metriken wurden für jeden Monat für jede Pflanze berechnet, um die monatlichen Veränderungen der Vegetation pro Pflanze und pro Art zu bestimmen, mit diesen berechneten Werten und um die Beziehung zwischen den vom LiDAR verarbeiteten Informationen und dem Niederschlag zu verstehen, Korrelationen zwischen den vom LiDAR erfassten Informationen, den NDVI-Daten und die Niederschlagsdaten wurden durchgeführt. Als Ergebnis demonstrierte die durchgeführte Analyse den potentiellen Nutzen von LiDAR für die Quantifizierung des Pflanzenwachstums als Reaktion auf Regen und der monatlichen Variabilität der Vegetationsstruktur.

Titel: Räumliche Analyse von Drehorten in Los Angeles, Kalifornien von 2008-2012

Autor: Carrie Williams, [email protected]

Schlüsselwörter: Los Angeles, Kalifornien, Drehorte, Filmemachen, 30-Mile Studio Zone

Abstrakt: Los Angeles County, Kalifornien, war ein wesentlicher Bestandteil der Kultur des Filmemachens. Allein in den letzten fünf Jahren wurden täglich über 100.000 Filmgenehmigungen erteilt. Es besteht kein Zweifel, dass Los Angeles immer noch das moderne Zentrum des Filmemachens in den Vereinigten Staaten ist. Produktionen, die diese Genehmigungen beantragen, sind nicht nur Spielfilme, sondern auch Fernsehen, Werbespots, Dokumentarfilme, Standbilder und mehr. Dieses Projekt umfasst alle geokodierten Datenpunkte für jede tägliche Filmgenehmigung von 2008 bis April 2012, wobei besonderes Augenmerk auf die 30-Mile Studio Zone gelegt wird, die von Gewerkschaftsfilmprojekten verwendet wird, um Tagessätze und Fahrstrecken für Besatzungsmitglieder zu bestimmen. Diese Zone liegt an der Ecke von Beverly und La Cienega und umfasst mehr als 90 Städte. Die Daten stammen von der gemeinnützigen Organisation Film LA, Inc., die Filmgenehmigungen koordiniert und bearbeitet. Dieses Projekt analysiert die Genehmigungsdaten, um die räumliche Verteilung, Dichte und Häufigkeit nach allen Daten und nach Produktionsart zu untersuchen, wobei das Untersuchungsgebiet auf Los Angeles County beschränkt ist. Der Datenverlust war mit 102.868 geokodierten Datenpunkten vernachlässigbar, 102.760 wurden einer Adresse zugeordnet und 108 waren nicht abgeglichen, was zu einem Gesamtdatenverlust von 0,001 % führte. Die räumliche Analyse wird zeigen, dass die meisten großen Produktionen in der 30-Mile Studio Zone stattfanden. Es wird auch festgelegt, dass die am häufigsten gefilmten Orte in diese Zone fallen. Der am häufigsten gefilmte Ort war Griffith Park, in dem sich das Griffith Park Observatory und das Hollywood Sign befinden.

Titel: Klima und standersetzende Waldbrände: Die Rolle des Klimas bei der Schwere von Waldbränden in Arizona und New Mexico

Autor: Atticus W. Zavelle, [email protected]

Schlüsselwörter: Lauffeuer, Klima, Wald, Temperatur, Niederschlag, hoher Schweregrad

Abstrakt: In diesem Artikel werden die Auswirkungen verschiedener Klimavariablen auf Waldbrände hoher Schwere in Arizona und New Mexico von 1984 bis 2010 untersucht. In den letzten beiden Brandsaisons gab es einige monumentale Brände und extreme Klimavariablen im Südwesten, die große Gebiete von Bäume und hatten große wirtschaftliche und ökologische Auswirkungen. Um dieses Phänomen anzugehen, wurden Feuer- und Klimavariablen korreliert, indem Daten aus der Monitoring Trends in Burn Severity Database und monatlichen Niederschlags- und Temperaturdaten der PRISM Climate Group extrahiert wurden. Winterniederschläge und heiße Sommertemperaturen wirken sich auf die Brandgröße und -schwere aus, aber es gibt noch andere ökologische und soziale Probleme. Trockene Winter und heiße Sommer sind wichtige Variablen für die Vorhersage volatiler Feuersaisons in Arizona und New Mexico.

Titel: Design von Wildlife Linkage in Cochise County, Arizona

Autor: Sara E. Sillars, [email protected]

Schlüsselwörter: GIS, Wildtierkorridor, Verbindungsdesign, Multi-Spezies, Arizona Wildtiere, Cochise County

Abstrakt: Wenn Straßen entwickelt oder rekonstruiert werden, ist die Abschwächung der Auswirkungen dieser Straßen für die Gesundheit der Wildtierpopulationen von entscheidender Bedeutung. Insbesondere stark befahrene Autobahnen und Autobahnen stellen eine große und gefährliche Bedrohung für Tiere dar, die versuchen, sie zu überqueren. Dies kann dazu führen, dass Wildtierpopulationen getrennt werden und dadurch die genetische Vielfalt dieser Arten verringert wird. Um dieses Problem zu mildern, können Anpassungen unserer Straßen dazu beitragen, die Konnektivität der Lebensräume zu erhalten und die negativen Auswirkungen auf die umliegende Tierwelt zu verringern. Als Reaktion auf ein potenzielles Wiederaufbauprojekt, das vom Arizona Department of Transportation an der Interstate 10 (I-10) in Cochise County, Arizona, geleitet wurde, entwarf diese Studie eine Wildtierverbindung zwischen den Dragoon- und Galiuro-Bergen, wobei die I-10 das größte Hindernis für Wildtiere ist Bewegung. Um die verschiedenen Kriterien zu berücksichtigen, die für die Bewegung der verschiedenen Arten erforderlich sind, wurde ein Mehrartenansatz verwendet. Dieser Ansatz verbessert die Qualität der Empfehlungen an das Verkehrsministerium. Basierend auf dem Wissen lokaler und regionaler Biologen wurden dreizehn Arten zur Analyse ausgewählt. Für jede Art wurden GIS-Werkzeuge verwendet, um die Habitateignung zu kartieren, Patch-Karten zu erstellen und biologisch am besten geeignete Korridore zu modellieren. Weitere Analysen zeigen, für welche dieser Arten es relevant wäre, Wildtierpassagen innerhalb des Untersuchungsgebietes zu schaffen. Die endgültigen kartografischen Produkte werden dazu beitragen, Empfehlungen für das Wiederaufbauprojekt auf der I-10 zu erarbeiten und als Beispiel für zukünftige Designs für Wildtierverbindungen in Cochise County dienen.

Titel: Ausrichtung auf Silbervorkommen in Mexiko durch Nähe und geologische Analyse

Autor: Nathan Casler [email protected]

Schlüsselwörter: Geologie, Open Source, Näherungsanalyse

Abstrakt: Mexiko ist einer der weltweit führenden Silberproduzenten, jedoch sind mineralogische Datensätze in Bezug auf die Geologie und Lagerstättenstandorte immer noch in hohem Maße proprietär oder analog. Mineralexplorationsunternehmen sind auf eine genaue Gebietsauswahl und geologische Zielbestimmung angewiesen, um Ressourcen auf wirtschaftlich vertretbare Weise zu gewinnen. In einer Branche, die stark von räumlichen Faktoren abhängt, können Targeting und Prospektivitätskartierung zu einem Ratespiel werden, bei dem Daten nicht verfügbar oder schwer zu analysieren sind. Dieses Projekt verwendete Open-Source-Datenbankverwaltungssysteme und GIS-Technologie, um eine räumliche Datenbank aus historischen MRDS-Daten zu assimilieren und diese Daten mit geologischen und strukturellen Datensätzen von INEGI zu vergleichen, um die Eigenschaften von hochproduktiven Silberlagerstätten in Mexiko zu isolieren. Diese Merkmale aus MRDS-Punktdaten und INEGI-Linien- und Polygondaten wurden in die Equal Area Conic-Projektion von Mexico Albers projiziert, um die Fläche während der Analyse zu erhalten, gewichtet und auf Zielgebiete geschnitten, in denen Silbervorkommen am wahrscheinlichsten sind. Diese Gebiete können als Orientierungshilfe für die Prospektion in Mexiko und als Referenz für die Mineralexploration in anderen Gebieten verwendet werden.

Titel: Maximales Ausbaupotenzial und optimierte Standortstandorte entlang des Sun Link Tucson Modern Streetcar Corridor

Autor: Sean Des Portes, [email protected]

Schlüsselwörter: Tucson, Entwicklung, Sun Link, modern, Straßenbahn, Innenstadt, University of Arizona

Abstrakt: Mit dem Aufkommen der Sun Link Tucson Modern Streetcar und der möglichen Zunahme von Infrastrukturverbesserungen ist die verkehrsorientierte Entwicklung ein aktueller Trend in der Stadt Tucson. Eine wichtige Komponente bei der Planung einer zukünftigen verkehrsorientierten Entwicklung ist die Bestimmung des Ausbaupotenzials verfügbarer Grundstücke innerhalb des Pufferbereichs der Sun Link Tucson Modern Streetcar basierend auf Parzellen-ID, Grundstücksgröße und Zoneneinteilung. Das Untersuchungsgebiet für dieses Projekt ist das nördliche und östliche Ende des Sun Link Tucson Modern Streetcar-Korridors. Außerdem erstellt es ein maximales Dichtemodell der verfügbaren Flurstücke, das die Darstellung eines voll entwickelten Straßenbahnkorridors ermöglicht. In dieser Studie werden außerdem die potenziellen finanziellen Kosten für den Bau bestimmter Parzellen und eine Marktanalyse dieser Parzellen untersucht. Mit dem Business Analyst von Esri untersucht eine Marktpotenzialanalyse die Leckage oder den Überschuss verschiedener Branchen, um geeignete Unternehmen für bestimmte Pakete zu bestimmen. Google SketchUp wurde verwendet, um ein 3D-Modell der vorgeschlagenen Strukturen zu erstellen. Schließlich wurde das besiedelte Modell in Google Earth importiert, um ein mögliches zukünftiges Ausbauszenario bereitzustellen. Mit einem iterativen Verfahren auf Basis des Leckageüberschussfaktors wurde die beste Kombination aus maximalem Ausbaupotenzial und optimaler Standortlage ermittelt. Das letzte Szenario zeigt eine idealisierte Mischung potenzieller zukünftiger Landnutzungen.

Titel: Modellierung von Erdrutschgefahr und -risiko der Santa Catalina Mountain Range in Süd-Arizona

Autor: Adrian L. Sonnenschein, [email protected]

Schlüsselwörter: Erdrutsch, Santa Catalina Mountains, kartografisches Modell, geografische Informationssysteme, Fernerkundung, Python, R.

Abstrakt: Im vieldeutigsten Sinne des Wortes ist ein Erdrutsch jede Abwärtsbewegung von Böden, Mineralien oder Gesteinen unter der Schwerkraft. In der Becken- und Gebirgsprovinz im Süden von Arizona gelegen, ist das Santa Catalina Mountain-Gebiet besonders anfällig für Erdrutsche, Murgänge und Felsstürze in den steilen Hängen seiner Gebirgsketten. Aufgrund der geringen Vorwarnzeit bei Erdrutschen ist der bedrohlichste Aspekt des Phänomens die Gefahr für Menschenleben des Oberbodens und die negativen Auswirkungen großer Sedimentablagerungen auf natürliche Wasserquellen. Durch eine Kombination aus Fernerkundung, geografischen Informationssystemen (GIS) und modernen maschinellen Lerntechniken werden in dieser Analyse kartografische Modelle entwickelt, die die Anfälligkeit der Topografie für Erdrutsche mit hoher Genauigkeit und Präzision basierend auf Korrelationen verschiedener Eingangsgrößen mit den abhängigen Variable. Diese Analyse verwendet GIS-Software, Fernerkundungssoftware, die statistische Programmiersprache R und die Programmiersprache Python, um diese Korrelationen zu untersuchen und ein Erdrutschrisiko- und Gefahrenmodell zu erstellen.

Titel: Das National Geothermal Data System Feature Search & Map Web Application: Eine Einführung in Design, Entwicklung und Verwendung

Autor: Jessica Good Alisdairi, [email protected]

Schlüsselwörter: Webkarte, OpenLayers, GeoExt, Javascript, WFS, CSW, Open Source, geothermische Funktionen

Abstrakt: Die Feature Search & Map-Anwendung des National Geothermal Data System (NGDS) wurde als leichte, quelloffene, öffentlich zugängliche Web-Mapping-Anwendung entwickelt, die das Auffinden geothermischer Merkmale erleichtert, ohne zwischen mehreren Schnittstellen wechseln zu müssen. Eine integrierte Suche des Geothermal Data Catalog der Association of American State Geologists (AASG) listet relevante Feature-Services auf, die für die Attributabfrage und die Anzeige auf einer Karte verfügbar sind. Zur weiteren Verfeinerung kann die Suche auf einen bestimmten geografischen Umfang eingeschränkt werden. Nach dem Hinzufügen zur Karte können Attribute für Features entweder in einem Feature-Popup oder in einer Tabelle angezeigt werden. Benutzer können auch Funktionen aus verschiedenen Datendiensten zur Anzeige in einer einzigen Tabelle auswählen. Die NGDS Feature Search & Map-Anwendung ist in erster Linie für Geologen und andere Forscher gedacht, die eine schnelle und einfache Möglichkeit zum Abrufen von Informationen über US-Geothermiemerkmale benötigen, ohne dass eine Software über einen Webbrowser oder das Wissen darüber hinaus erforderlich ist, wer welche Dienste hostet. http://data.geothermaldatasystem.org/

Titel: Campus by Night: Die räumliche Beziehung zwischen nächtlicher Leuchtkraft und Campus-Infrastruktur

Schlüsselwörter: Helligkeit, Universitätsinfrastruktur, Kartierung der Campusbeleuchtung, Wohnheime, Burschenschaften, Schwesternschaften, mobile Datenerfassung

Abstrakt: Die Sicht auf dem Campus der University of Arizona kann nachts eingeschränkt sein, je nachdem, wo Sie sich auf dem Campus befinden. Dieses Projekt bildete die nächtliche Leuchtkraft ab, um eine isometrische Oberfläche zu erstellen. Diese Oberfläche wurde dann mit Wohn- und Nichtwohngebäuden sowie anderen Infrastrukturmerkmalen des Campus verglichen, hauptsächlich mit Blaulicht-Notruftelefonen. Zur Datenerfassung wurden Android-Tablets, Google Fusion Tables und AndroSensor verwendet. Die Helligkeitswerte wurden basierend auf einem Punktraster gesammelt, das auf einer Basiskarte des Campus der University of Arizona überlagert wurde. Das Untersuchungsgebiet für dieses Projekt bestand aus dem von der Campbell Avenue im Osten, der Mountain Avenue im Westen, der Speedway Avenue im Norden und dem University Boulevard im Süden begrenzten Gebiet. Das Untersuchungsgebiet wurde gewählt, weil es eine gleichmäßige Mischung aus Wohn- und Nichtwohngebäuden des Campus aufweist. Die Implikationen für diese Forschung sind weitreichend. Erstens bietet es eine Basiskarte der aktuellen nächtlichen Lichtverhältnisse auf dem Campus. Darüber hinaus kann es verwendet werden, um die zukünftige Platzierung der Beleuchtung in Bezug auf Blaulicht-Notrufboxen und Gehwege zu verbessern, was alle dazu beitragen kann, die allgemeine Sicherheit auf dem Campus zu verbessern.

Titel: Campus by Night: Die räumliche Beziehung zwischen nächtlicher Leuchtkraft und Campus-Infrastruktur

Schlüsselwörter: Helligkeit, Universitätsinfrastruktur, Kartierung der Campusbeleuchtung, Wohnheime, Burschenschaften, Schwesternschaften, mobile Datenerfassung

Abstrakt: Die Sicht auf dem Campus der University of Arizona kann nachts eingeschränkt sein, je nachdem, wo Sie sich auf dem Campus befinden. Dieses Projekt bildete die nächtliche Leuchtkraft ab, um eine isometrische Oberfläche zu erstellen. Diese Oberfläche wurde dann mit Wohn- und Nichtwohngebäuden sowie anderen Infrastrukturmerkmalen des Campus verglichen, hauptsächlich mit Blaulicht-Notruftelefonen. Für die Datenerfassung wurden Android-Tablets, Google-Fusionstabellen und AndroSensor verwendet. Die Helligkeitswerte wurden basierend auf einem Punktraster gesammelt, das auf einer Basiskarte des Campus der University of Arizona überlagert wurde. Das Untersuchungsgebiet für dieses Projekt bestand aus dem von der Park Avenue im Westen, der Mountain Avenue im Osten, der Speedway Avenue im Norden und dem University Boulevard im Süden begrenzten Gebiet. Das Untersuchungsgebiet wurde gewählt, weil es eine gleichmäßige Mischung aus Wohn- und Nichtwohngebäuden des Campus aufweist. Die Implikationen für diese Forschung sind weitreichend. Erstens bietet es eine Basiskarte der aktuellen nächtlichen Lichtverhältnisse auf dem Campus. Darüber hinaus kann es verwendet werden, um die zukünftige Platzierung der Beleuchtung in Bezug auf Blaulicht-Notfallboxen und Gehwege zu verbessern, was alle dazu beitragen kann, die allgemeine Sicherheit auf dem Campus zu verbessern.

Titel: Nachbarschaftsbewertung und das Potenzial zur Gewinnung von Straßenwasser: Garden District Neighborhood, Tucson, Arizona

Autor: Rute Pollock, [email protected]

Schlüsselwörter: Wassernutzung Wasserrückgewinnung Regenwassernutzung Wassereinsparung Abflusssammlung Regenwasserabfluss Wasserwiederverwendung Tucson Arizona

Abstrakt: Wasser in der Wüste ist kostbar. Regenrückgewinnung ist eine Möglichkeit, die Nutzung des verfügbaren Wassers zu maximieren. Wenn lokale Regierungen in Wüstengemeinden Straßenprojekte zur Wassergewinnung umsetzen würden, welche Straßen würden die kostengünstigsten Möglichkeiten bieten? Die Untersuchung der Straßenbreiten und der Breiten von Bordsteinen zu Flurstücken ist ein Mittel, um zu beginnen, Gebiete zu identifizieren, die die für die Entwicklung eines Wasserrückhaltebeckens erforderlichen Baumaßnahmen leichter aufnehmen würden. Durch das Verständnis dieser Gebiete und darüber hinaus unter Berücksichtigung der bestehenden Vegetationsüberdachung hätten die Kommunalverwaltungen dann ein Werkzeug, um eine Kosten-Nutzen-Analyse für potenzielle Straßenwassernutzungsprojekte effektiver zu formulieren. Dieses Projekt untersucht die Priorisierung von Wassereinzugsgebieten und eine Analyse des Straßenwassernutzungspotenzials auf Nachbarschaftsebene, die sich auf das Unterwassereinzugsgebiet Alvernon Wash konzentriert, das sich auf die Garden District Nachbarschaft in Tucson, Arizona, auswirkt.

Titel: Das Einzugsgebiet des Colorado River: öffentliches Bewusstsein und Verwendung von Giftstoff-Freigabeinventar

Autor: Joseph Forish, [email protected]

Schlüsselwörter: Toxics Release Inventory (TRI), Umweltgefahren, Längsschnittstudie, Upper Colorado River Basin, Lower Colorado River Basin, Verschmutzung, GIS, visuelle Analyse

Abstrakt: Im Dezember 1984 tötete eine tödliche Wolke hochgiftiger Pestizide Tausende von Menschen in Bhopal, Indien. Acht Monate später wurden in einem Werk in West Virginia, das von demselben Unternehmen betrieben wurde, 100 Personen aufgrund einer schweren Freisetzung von Chemikalien ins Krankenhaus eingeliefert. Infolge dieser beiden Katastrophen stieg die öffentliche Nachfrage nach Informationen zur Freisetzung von Chemikalien. 1986 wurde der Notfallplanungs- und Gemeinschaftsrecht-zu-Know-Gesetz (EPCRA) verabschiedet, wodurch Daten zur Freisetzung giftiger Chemikalien öffentlich zugänglich gemacht wurden, um das Bewusstsein der Gemeinschaft und Initiativen im Bereich der öffentlichen Gesundheit zu unterstützen. Könnte sich eine Katastrophe wie in Bhopal, Indien, entlang des 1.450 Meilen langen Colorado River ereignen? Der Colorado River ist das Lebenselixier des Südwestens: Dutzende Millionen Menschen in sieben Bundesstaaten verlassen sich auf den Colorado River für Landwirtschaft, Trinkwasser, Wasserkraft und Erholung.Obwohl die Environmental Protection Agency (EPA) es für unwahrscheinlich hält, dass sich eine ähnliche Tragödie in den USA ereignen könnte, erkennt die Behörde die Notwendigkeit einer stärkeren öffentlichen Sensibilisierung und der Nutzung von TRI-Daten durch die Gemeinschaft im Rahmen der Aufklärung über die öffentliche Gesundheit an. Basierend auf zehn Jahren TRI-Daten präsentiert dieses Papier eine Längsschnittstudie, die die Wasser-, Luft- und Oberflächenverschmutzung entlang der Colorado River Basin-Region detailliert beschreibt. Außerdem wird eine visuelle Analyse präsentiert, die Trends in Anlagen mit Schadstoffemissionen und Trends in den am häufigsten vorkommenden chemischen Gruppen identifiziert. Das Ziel der Analyse der TRI-Daten eines Jahrzehnts entlang der Colorado River Basin-Region ist es, ein lokales Ressourcen-Tool zu schaffen, das eine informierte Gemeinde und das öffentliche Gesundheitsbewusstsein der Einrichtungen unterstützt.

Titel: Einsatz von GIS zur Minderung von Hurrikanschäden auf Grand Bahama Island

Schlüsselwörter: Hurrikan Jeanne, Hurrikan Frances, Karibik, Bahamas, Grand Bahama, Überschwemmung, Näherungsanalyse

Abstrakt: Während der Hurrikansaison 2004 wurde die Karibik von einer Gruppe schwerer Hurrikane, die die Region wiederholt heimsuchten, schwer getroffen, und in einigen Fällen trafen mehrere große Stürme und Hurrikane dasselbe Gebiet. Das Commonwealth der Bahamas erlebte innerhalb eines Monats die Auswirkungen zweier verheerender Hurrikane: Jeanne und Frances. Am stärksten betroffen war die Insel Grand Bahama durch die Beschädigung und die anschließende Schließung des Royal Oasis Resort, in dem 1.600 Hotelangestellte entlassen wurden. Das Ziel dieses Projekts besteht darin, GIS zu nutzen, um zukünftige Katastrophen besser zu planen und dadurch zu mildern. Bei diesem Projekt wurde ein digitales Höhenmodell (DEM) der Insel verwendet, um Gebiete vorherzusagen, die für Sturmflutfluten anfällig sind, und eine Näherungsanalyse, um Schutzhüttenstandorte zu identifizieren und zu vermessen. Die Ergebnisse werden Anwohner, Bankiers und Versicherungsunternehmen über die mit einem Grundstück verbundenen Hochwasserrisiken sowie Bauordnungsbehörden informieren, um Mindesthöhenanforderungen zu bestimmen.

Titel: Genauigkeitsanalyse von Techniken zur Modellierung des Schweregrads von Verbrennungen

Autor: Jennifer L. Dvorsky, [email protected]

Schlüsselwörter: Schwere der Verbrennung, NBR, NDVI, EVI, überwachte Klassifizierung, Lauffeuer

Abstrakt: Die Karten der Burned Area Reflectance Classification (BARC) sind ein Ergebnis der Bewertung des Teams der Burned Area Emergency Response (BAER) und werden verwendet, um Empfehlungen für die Behandlung nach einem Brand zu geben. Diese Karten werden durch den Vergleich von Satellitenbildern vor und nach dem Feuer und dem Vegetationszustand abgeleitet. Verschiedene Methoden zur Modellierung des Schweregrads von Verbrennungen wurden hinsichtlich ihrer Genauigkeit unter Verwendung der Hufeisen-II-Laufbrand- und Felddaten, die gemäß der Kodierungsmatrix für die Schwere der Verbrennungen (Handbuch zur Brandüberwachung) gesammelt wurden, verglichen. Die BARC-Karte des offiziellen BAER-Teams für das Hufeisen-II-Feuer im Chricahua National Monument im Jahr 2011 war im Vergleich zu den Felddaten nur zu 58 % genau. Differenziert Normalisiert Brennen Verhältnis (NBR), Normalisierter Differenz-Vegetationsindex (NDVI), und Enhanced Vegetation Index (EVI)-Indizes sowie eine überwachte Klassifikation wurden durchgeführt, um zu sehen, ob diese Methoden die Horseshoe II besser modellieren können als die BARC-Karte. Die Ergebnisse zeigen, dass jedes einzelne einen bestimmten Aspekt der Fernerkundungsbilder hervorhebt. Insgesamt waren die überwachte Klassifizierung und differenzierte NBR-Karten in ihrer Genauigkeit mit der BARC-Karte vergleichbar. Bei der Auswahl einer Methode zur Modellierung der Schwere von Verbrennungen müssen die Art des Feuers, die Vegetation, die Bilddaten und das Gelände berücksichtigt werden, um die höchste Genauigkeit zu erzielen.

Titel: Die Herzwurmerkrankung im Südwesten der USA verstehen: Prävalenz positiver Herzwurmfälle bei Hunden in Korrelation mit dem Haushaltseinkommen

Autor: Abby Huggins, [email protected]

Schlüsselwörter: Herzwürmer, Spulwürmer, USA, Einkommen, Veterinär, Südwesten, Parasiten, Hunde

Abstrakt: Herzwürmer sind parasitäre Spulwürmer, die durch Mückenstiche verbreitet werden. Obwohl Herzwürmer am häufigsten im Osten der Vereinigten Staaten, Deltaregionen und Küsten von Texas gefunden werden, wurden sie in jedem Bundesstaat, einschließlich der südwestlichen Bundesstaaten, gemeldet. Einige Tierärzte argumentieren, dass die Prävalenz von Herzwürmern bei Hunden in den Vereinigten Staaten eine Epidemie ist. Da landesweit in jeder Tierarztpraxis mehrere Arten von Prävention verkauft werden, versucht diese Studie besser zu verstehen, warum es im Südwesten positive Fälle gibt, obwohl vorbeugende Produkte der Öffentlichkeit leicht zugänglich sind. Diese Studie vergleicht statistisch die Volkszählungsdaten zum mittleren Haushaltseinkommen mit positiven Herzwurmfällen auf Kreisebene unter Verwendung von Daten der Companion Animal Parasite Council-Website für Kalifornien, Texas, Arizona, New Mexico und Nevada. Ordinary Least Squares und geographisch gewichtete Regressionsanalysen wurden für positive Fälle und das mittlere Haushaltseinkommen durchgeführt. Die Ergebnisse weisen auf einen extrem niedrigen R-Wert hin, was darauf hindeutet, dass keine Korrelation zwischen niedrigem Einkommen und positiven Fällen der Herzwurmerkrankung bei Hunden im Südwesten der USA besteht. Die Schlussfolgerungen zeigen, dass positive Fälle in diesem Untersuchungsgebiet von anderen Variablen wie klimatischen Faktoren oder dem Mangel an öffentlich zugänglichen Informationen herrühren könnten.

Titel: Pflanzensammlungen von Arizona: Ein Blick auf das Sammeln von Mustern und die botanische Vielfalt innerhalb des Staates

Autor: Benjamin D. Brandt, [email protected]

Schlüsselwörter: Pflanzensammlungen, Arizona, Herbariumdaten, Biotische Gemeinschaften, Botanische Vielfalt, Botanik, Ökologie

Abstrakt: Herbarium-Pflanzenexemplare, die aus Arizona gesammelt wurden, stammen aus dem frühen 19. Jahrhundert. Mit über 9.500 verschiedenen Taxa, die in 18 anerkannten Lebensgemeinschaften vorkommen, repräsentiert Arizona einen der botanisch vielfältigsten Staaten des Landes. Fortschritte bei der Digitalisierung und Verbreitung von Herbarium-Exemplardaten haben die Analyse großer Datensätze von Pflanzensammlungen innerhalb des Landes ermöglicht. Voreingenommenheit in Sammelstellen wird in der botanischen Gemeinschaft seit langem betrachtet, aber ihr wahres Ausmaß und ihre Auswirkungen auf das Verständnis der Vielfalt des Staates wurden nur wenig untersucht. Für dieses Projekt wurden über 366.000 Sammlungsdatensätze in Punktmerkmale umgewandelt. An diesen Merkmalen wurden dann Hot-Spot- und Straßenanalysen durchgeführt, um zu bestimmen, inwieweit die Sammlungen in bestimmten Gebieten des Staates konzentriert waren und wie viele der Sammlungen in der Nähe von Straßen aufgenommen wurden. Die Sammelstellen wurden dann mit Polygonmerkmalen biotischer Gemeinschaften überlagert, um die Sammeldichte und den Artenreichtum jeder Gemeinschaft zu bestimmen. Die Ergebnisse dieses Projekts werden verdeutlichen, inwieweit sich botanische Sammlungen auf bestimmte Gebiete innerhalb des Landes und entlang von Straßen konzentriert haben. Diese Ergebnisse werden auch zeigen, wie effektiv die Sammlungen die Lebensgemeinschaften innerhalb des Staates repräsentieren und wie sich diese Gemeinschaften in ihrer Vielfalt vergleichen. Dies wird als Orientierungshilfe für zukünftige Sammlungen dienen, indem es ein besseres Verständnis früherer Sammlungsverzerrungen ermöglicht und Bereiche mit potenziell hoher Vielfalt aufzeigt.

Titel: Satellitengestützte Bewertung von Gletscher-bedingten katastrophalen Überschwemmungsgefahren im Astore Valley, Nordpakistan

Autor: Gregory J. Leonard: [email protected]

Schlüsselwörter: Gletscher, Gefahren, Überschwemmungen, Pakistan, Astore Valley, DEM, Modellierung

Abstrakt: Gletscherbedingte Naturgefahren sind im westlichen Himalaya und im Karakorum-Gebirge weit verbreitet und führen manchmal zum Verlust von Menschenleben und Infrastruktur. Die Identifizierung potenzieller Gefahren ist daher für die mögliche Minderung solcher Verluste unerlässlich. Multispektrale Satellitenbilder und DEMs wurden analysiert, um gletscherbedingte katastrophale Überschwemmungsgefahren im Astore Valley in Nordpakistan zu bewerten. Am Bazhin-Gletscher wurde entlang der Südwand des Nanga-Parbat-Massivs ein zwischen 2004 und 2008 aufgetretenes Gletschervorstoß- oder -flutereignis identifiziert, das den Endpunkt um bis zu . verdickte

50m. Anhaltende oder größere Ereignisse an diesem oder anderen nahegelegenen Gletschern können den Fluss des Rupal River, eines Nebenflusses des Astore River, behindern und dadurch das Wachstum des Sees aufstauen. DHMs und regionale hydrographische Daten wurden verwendet, um die Dimensionen und die Wachstumsrate von hypothetischen eisgestauten Seen zu modellieren. Dämme mit Höhen von 50 m, 100 m und 200 m wurden für die Blockade des Rupal-Flusses am Ende des Bazhin-Gletschers modelliert, was zu maximalen Seeflächen von 0,9, 4,2 bzw. 10,1 km2 und zugehörigen Volumina von 12 bis 873 (x 106) führte. m3 Wasser. Analysen von hydrographischen Daten zeigen, dass die kleinsten gestauten Seen innerhalb von mehreren Monaten bis zur Kapazitätsgrenze gefüllt werden könnten, die der 200-Meter-See erfordern würde

3,6 Jahre. Flussabwärts gelegene Gemeinden könnten durch einen katastrophalen Dammbruch akut gefährdet sein, da Teile ihrer Infrastruktur in der Nähe des Flusses liegen. Diese Auswertung dient als Modell für die einzigartigen gletscherbedingten Naturgefahren, die in dieser westlichen Himalaya-Region auftreten können.

Titel: Suche nach Nachhaltigkeit in der einheimischen Fischerei in Sonora, Mexiko

Autor: Brian Thaxton [email protected]

Schlüsselwörter: Golf von Kalifornien, Sea of ​​Cortez, PANGAS-Projekt, Nachhaltigkeitsmodell, GIS, Kleinfischerei, CEDO

Abstrakt: Der Golf von Kalifornien ist eine Region mit einzigartiger Geomorphologie, die eine geschützte Meeresumwelt bietet, die einer rauen, kargen Landschaft gegenübersteht. In dieser Region sind die traditionellen Landressourcen knapp, daher wird das Meer zur wirtschaftlichen Alternative. Fischer operieren seit Generationen entlang des oberen Golfs. Die Fülle der Meeresbiologie steht nicht im Einklang mit dem Eifer der Kleinfischer, die bereits einige Arten bis zum Aussterben überfischt haben. Die Mission des PANGAS-Projekts besteht darin, die Auswirkungen der kleinen Fischerei auf die Meeresbevölkerung zu verstehen und ein nachhaltiges Fischereimanagement zu suchen. An der Spitze des Projekts steht das Intercultural Center of the Study of Deserts and Oceans (CEDO). Zu den zusammengestellten Informationen, die bei CEDO gespeichert werden, gehören Artenüberwachung, Fangdaten und lokales Wissen, das von den Fischern freiwillig bereitgestellt wird, um zu beschreiben, was, wo und wann sie fischen. Diese Daten werden mit neuen Daten kombiniert, die vor Ort für tatsächliche Fischfanggebiete entlang des Golfs in Sonora, Mexiko, gesammelt wurden. Die Analyse von Fangdaten mithilfe von Geoinformationssystemen (GIS) zeigt räumlich definierbare Basislinien der Fangraten von wirtschaftlich wichtigen Arten. Die Ergebnisse können von den Shared-Stakeholdern verwendet werden, um Pläne für eine nachhaltige Fischerei im Untersuchungsgebiet zu erstellen.

Titel: USAdapt: ​​Ein WebGIS-Tool für den Klimawandel

Autor: Smaran Harihar, [email protected]

Schlüsselwörter: Landwirtschaft, WebGIS, Wirtschaftlicher Wandel, Landkreise, ArcGIS JavaScript API, Modellsimulation, ArcServer, Geoverarbeitung

Abstrakt: Dieses Projekt erstellte eine Web-GIS-Anwendung namens USAdapt. Das Hauptziel des Projekts ist es, die Veränderungen in der US-Landwirtschaft aufgrund der Variationen von Klima, Boden und menschlichen Eingriffen darzustellen. Die Daten reichen von gegenwärtigen, vergangenen und zukünftigen Szenarien der US-Landwirtschaft basierend auf 85 Variablen. USAdapt bietet dem Benutzer die Möglichkeit, aus 48 verschiedenen Faktoren auszuwählen und ein eigenes Szenario zu erstellen, um die Auswirkungen auf die US-Landwirtschaft zu visualisieren. Das Hauptmerkmal von USAdapt besteht darin, dem Benutzer eine interaktive Webanwendung zur Verfügung zu stellen, die es ihm ermöglicht, die Auswirkungen auf den Wertverlust oder -gewinn von Ackerland zu erstellen und zu visualisieren. Das Projekt besteht aus zwei Hauptteilen: dem Front-End, das auf der ArcGIS-JavaScript-API basiert, und dem Back-End, das den Model Builder und das Python-Skript von ESRI für die Geoverarbeitung der Aufgaben verwendet. Mein Beitrag zum Projekt ist am Front-End. Die Front-End-Schnittstelle bietet dem Benutzer die Möglichkeit, die Eingaben zu geben, die die Ausgabe entsprechend simuliert. Die Ausgabe zeigt schließlich den Dollarwertverlust und die Genauigkeit des Ergebnisses an. Diese Schnittstelle vereinfacht das komplizierte Wirtschaftsmodell und ermöglicht es den Benutzern, das Ergebnis mit äußerster Einfachheit zu erhalten. Dieser Bericht enthält die technischen Details, die Herausforderungen und die wichtigsten Funktionen dieser Schnittstelle.

Titel: USAdapt: ​​Ein WebGIS-Tool für den Klimawandel

Schlüsselwörter: Landwirtschaft, Webanwendung, Wirtschaft, Veränderung, Landkreise, GIS, ArcGIS JavaScript API, Szenario

Abstrakt: Dieses Projekt erstellt eine Web-GIS-Anwendung namens USAdapt. Das Hauptziel des Projekts ist es, die Veränderungen in der US-Landwirtschaft aufgrund der Veränderungen von Klima, Boden und menschlicher Intervention darzustellen. Die Daten reichen von gegenwärtigen, vergangenen und zukünftigen Szenarien der US-Landwirtschaft. Es bietet dem Benutzer die Möglichkeit, aus 48 verschiedenen Faktoren auszuwählen und ein eigenes Szenario zu erstellen, um die Auswirkungen auf die US-Landwirtschaft zu visualisieren. Das Hauptmerkmal von USAdapt besteht darin, dem Benutzer eine interaktive Webanwendung zur Verfügung zu stellen, die es dem Benutzer ermöglicht, die Auswirkungen auf den Wertverlust oder -gewinn von Ackerland zu erstellen und zu visualisieren. Das Projekt besteht aus zwei Hauptteilen: dem Front-End, das auf der ArcGIS-JavaScript-API basiert, und dem Back-End, das ESRI Model Builder und Python-Skript für die Geoverarbeitung der Aufgaben verwendet. Mein Beitrag zum Projekt liegt im Backend, das sich hauptsächlich auf den Aufbau und die Veröffentlichung der Kartendienste und Geoverarbeitungsdienste konzentriert. Dieser Bericht enthält die Details einiger grundlegender Theorien des gesamten Projekts, der Datenverarbeitung von Kartendiensten und der Konstruktion des Modells.

Titel: Bleiben Sie im Schatten: Interaktive Analyse der Sonnenexposition auf Wanderwegen in Tucson, Arizona

Autor: Laura Bookman, [email protected]

Schlüsselwörter: Erholung im Freien, Sonneneinstrahlung, Wandern, Raumanalyse, Tucson

Abstrakt: Erholung im Freien, einschließlich Wandern, ist eine beliebte Aktivität in Tucson, Arizona. In einer Wüstenumgebung ist es wichtig, beim Wandern den Schatten zu nutzen, insbesondere in höheren Lagen mit erhöhter Exposition gegenüber ultraviolettem Licht, Abwesenheit von Bäumen und begrenzten Wasserquellen. Die Sonneneinstrahlung variiert je nach Landschaft, Tageszeit und Jahreszeit. Dieses Projekt verwendet räumliche Analysetools, um die Sonneneinstrahlung zu quantifizieren und die beste Zeit zum Wandern auf Beispielpfaden in den Bergen und Schluchten rund um Tucson zu bestimmen. Die Sonnenanalyse wurde stündlich in zweistündigen Intervallen von 8:00 Uhr bis 16:00 Uhr durchgeführt, der Tageszeit, in der eine durchschnittliche Person wandert. Dabei wurden auch unterschiedliche Jahreszeiten berücksichtigt. Anhand dieser Informationen wurde mit ArcGIS Viewer for Flex und seiner Zeitschiebereglerkomponente ein einfaches interaktives Webkartenwerkzeug erstellt. Durch die Verwendung der Webkarte kann ein Wanderer die projizierten Sonnen- und Schattenverhältnisse für bestimmte Wege einsehen und den Tag entsprechend planen. Dies fördert sicheres Wandern und ermutigt zu einer verantwortungsvollen Ausübung der Erholung im Freien.

Titel: GIS-Methoden bei der Schätzung des feudalen Landbesitzes der Bagli in Westsizilien

Autor: Russell Biggs, [email protected]

Schlüsselwörter: bagli, Sizilien, feudi, latifondi, viewshed, cost surface, thiessen polygons, GIS

Abstrakt: Bagli, rechteckige und oft befestigte Gehöfte mit offenen Innenhöfen, sind trotz ihrer Verbindung zur sizilianischen Agrargeschichte ein wenig erforschtes archäologisches Merkmal. Als zentrales Gebäude im feudalen Agrarsystem, das sich bis ins späte 19. Jahrhundert erstreckte, sind die Bagli mit verschiedenen Aspekten der sizilianischen Gesellschaftsstruktur und Wirtschaft verbunden. Obwohl es sich um ein modernes archäologisches Merkmal handelt, geben Bagli auch Einblicke in die Landbesitzsysteme der Insel, die bis in die Römerzeit zurückreichen. Bagli sind ein idealer Datensatz für die Rekonstruktion von Landgrenzen im Hinterland des westlichen Teils der Insel. Ich wende vier GIS-Methoden an, darunter Viewshed, Cost Distance, Thiessen-Polygone und qualitative Analysen, um die traditionellen feudalen Territorien der Bagli Westsiziliens zu rekonstruieren. Die Analysen befassen sich mit der Variabilität der Sichtbarkeit der Landschaft, dem Einfluss der Topographie auf die Bewegung, der Verteilung der Bagli und linearen Merkmalen wie Straßen und Flüssen und wie sie jeweils zu den territorialen Grenzen der Bagli beitragen. Die Ergebnisse zeigen, dass eine komplexe Beziehung zwischen Sichtbarkeit, Bewegung in der Landschaft und natürlichen und von Menschenhand geschaffenen Merkmalen alle eine wesentliche Rolle bei der Definition der Landschaft des sizilianischen Baglio spielt. Darüber hinaus schaffen die rekonstruierten Territorien einen Rahmen für weitere Untersuchungen der Dynamik der feudalen Landschaft und der Rolle des großen Landbesitzes für die Wirtschaft, Geschichte und Archäologie der Insel.

Titel: Mobiles GIS: Verwenden von ArcGIS zur Verbesserung von Flexibilität und Funktionalität

Schlüsselwörter: mobile, mobiles Projekt, Dienste, ArcGIS for Windows Mobile, Mobile Project Center, ArcGIS for Server

Abstrakt: Dieses Projekt zielt darauf ab, die Flexibilität und Funktionalität eines funktionierenden mobilen geografischen Informationssystems (GIS) mit ArcGIS for Server, ArcGIS for Desktop und ArcGIS for Windows Mobile von Esri zu verbessern. Dieses Projekt wurde für das Historic Mine-Openings Safety Program (HMOSP) von Freeport-McMoRan Copper & Gold Inc. (FCX) abgeschlossen, um den mobilen GIS-Workflow beim Sammeln von Informationen über stillgelegte Minen und die erforderlichen Ressourcen für deren Schließung zu verbessern. Flexibilität und Funktionalität können durch die Nutzung der Leistungsfähigkeit von ArcGIS erreicht werden. Zunächst wurde ein mobiler Kartenservice erstellt, der die bearbeitbaren Daten in ArcGIS for Desktop darstellt und in ArcGIS for Server veröffentlicht. Als Nächstes wurde mit Mobile Project Center ein mobiles Projekt erstellt, indem die bearbeitbaren operativen Layer aus dem mobilen Kartenservice und den Grundkarten-Layern gepackt wurden. Die Grundkarten-Layer bestehen aus komprimierten Luftbildern und Grundstücksgrenz-Layern und werden mit einem benutzerdefinierten Kachelschema in ein Kachelpaket umgewandelt. Das mobile Projekt wurde auf dem Mobile Content Server veröffentlicht und zum Download bereitgestellt. Mit ArcGIS for Windows Mobile kann das Projekt vom Benutzer auf das mobile Gerät heruntergeladen werden. Änderungen können im Feld vorgenommen werden, während keine Internetverbindung besteht, und bei Wiederherstellung der Verbindung mit der Back-End-Datenbank synchronisiert werden. Dieser verbesserte Workflow fördert ein nahtloses und vollständiges mobiles GIS.

Titel: Technologie-Asset-Management an der University of Arizona

Autor: Tawny Lochner, [email protected]

Schlüsselwörter: mobile, mobiles Projekt, Dienste, ArcGIS for Windows Mobile, Mobile Project Center, ArcGIS for Server

Abstrakt: An der University of Arizona kann das Auffinden eines Computers manchmal eine dringende Angelegenheit sein. Unabhängig davon, ob ein Computer sofortige Aufmerksamkeit oder täglichen Service/Support benötigt, ist der richtige Standort wichtig. Dieses Projekt zielt darauf ab, geografische Informationssysteme zu verwenden, um Vermögenswerte/Inventar von Computern im Bereich der Sozial- und Verhaltenswissenschaftstechnologie im Universitätsdienstleistungsgebäude und in den Richard A. Harvill-Gebäuden räumlich zu lokalisieren. Dieses Projekt zielt ferner darauf ab, Vermögenswerte (Computer) mit zugewiesenen Räumen (in einem hierarchischen System: College, Einheiten und Einzelpersonen) zu verknüpfen, um eine Grundlage für die Analyse der Raum-Asset-Allokation zu schaffen. Unter Verwendung der Gebäude USB und Harvill als Fallstudie musste die Forschung zunächst topologisch fähige Grundrisse entwickeln, in denen Assets Polygonen zugewiesen werden können.Nachdem die topologischen Layer erstellt und die Assets zugeordnet wurden, führte die Fallstudie dann einige Szenarien aus der „realen Welt“ durch, um ihre Verwendung zu testen. Die Szenarien basierten auf Fragen von SBS Tech-Mitarbeitern und ich war besser in der Lage, sie zu beantworten. GIS kann das Technologie-Asset-Management an der University of Arizona besser erleichtern, jedoch müssen im Vorfeld Entwicklungs- und Implementierungsprobleme gelöst werden. Die räumliche Lokalisierung dieser Daten ermöglicht eine Analyse anhand unterschiedlicher Produktspezifikationen, um die besten Platzierungen für neue oder neu zugewiesene Geräte sowie die Lokalisierung von Computern mit Softwareschwachstellen zu bestimmen.

Titel: Kartierung von Gebieten mit hoher Schutzpriorität in der Sky Island-Region

Schlüsselwörter: Himmelsinseln, Naturschutzplanung, Naturschutzpriorisierung, Gutachten, Raumanalyse

Abstrakt: Die Region Sky Island im Südosten von Arizona, im Südwesten von New Mexico und im Norden Mexikos zeichnet sich durch komplexe Lebensräume, steile Höhenunterschiede und eine hohe biologische Vielfalt aus. Sky Island Alliance, eine gemeinnützige Organisation, arbeitet daran, einheimische Arten und ihre Lebensräume in der Region zu verstehen, zu schützen und wiederherzustellen. Um die Entscheidungen der Sky Island Alliance darüber zu informieren, wo Naturschutzmaßnahmen auf die Landschaft ausgerichtet werden sollen, habe ich mithilfe einer kartenbasierten Erhebung eine räumliche Priorisierung des Naturschutzes für die Region vorgenommen. Regionale Experten wurden gebeten, gemäß den Naturschutzzielen der Sky Island Alliance, die den Schutz und die Wiederherstellung von Kernen und Verbindungen sowie die Entwicklung der Wissenschaft umfassen, Gebiete zu identifizieren, die für den Schutz wertvoll sind, auf einer Karte der Sky Island-Region. Die Teilnehmer mussten auf ihrer Karte Schutzwerte und Bedrohungen identifizieren, die mit jedem Gebiet verbunden sind. Die Ergebnisse wurden in einem geografischen Informationssystem zur räumlichen Analyse und Überlagerung dargestellt. Dieser Ansatz ermöglichte die schnelle Identifizierung von Gebieten mit hoher Priorität und überwand das Problem der Ungleichheit der Geodaten zwischen dem US-amerikanischen und dem mexikanischen Teil der Region. Die Produkte zur Priorisierung des Raumschutzes umfassen eine interaktive Karte, die Gebiete von höchster Priorität und ihre wichtigsten Attribute abgrenzt, die leicht bei der organisatorischen Planung und individuellen Entscheidungsfindung darüber verwendet werden können, wohin Naturschutzmaßnahmen geleitet werden sollen.

Titel: New Mexico Department of Wild and Fish Game Management Units Online

Autor: David B. Mitchell, [email protected]

Schlüsselwörter: New Mexico, Jagd, Wildtiere, Wildmanagement, JavaScript, ArcGIS API for JavaScript, Department of Game and Fish

Abstrakt: Ressourcen für die Freizeitjagd und das Wildmanagement werden in der Regel von den Regierungen der Bundesstaaten in den USA verwaltet. Durch Untereinheiten wie beispielsweise Game Management Units (GMUs) können Ressourcen angemessen verwaltet werden. Um den Bedürfnissen des Freizeitjägers gerecht zu werden, benötigt die Öffentlichkeit genaue Kenntnisse über die Grenzen der Wildverwaltungseinheiten, den Transportzugang und den Landbesitz. Der aktuelle Zugang zu diesen Informationen für den Bundesstaat New Mexico ist online auf der Website des New Mexico Department of Game & Fish (NMDGF) verfügbar. Diese Informationen sind jedoch stark fragmentiert und erfordern das Öffnen von PDF-Dateien. Es wurde eine Web-Mapping-Anwendung erstellt, die auf den vorhandenen Webressourcen aufbaut und eine komprimierte, benutzerfreundliche Erfahrung schafft. Mithilfe von veröffentlichten Kartenservices mit ArcGIS for Server, ArcGIS API for Javascript und HTML kann bequem auf Informationen zu Spielverwaltungseinheiten zugegriffen werden, während die Details beibehalten werden. Durch die Umwandlung der in den PDF-Karten enthaltenen Daten in eine landesweite Anwendung, die nur einen Javascript-fähigen Internetbrowser und keine Browser-Plug-Ins benötigt, kann die Öffentlichkeit besser auf diese Informationen zugreifen. Die verbesserte Online-Zugänglichkeit umfasst die Möglichkeit, GMUs über ein Dropdown-Menü oder durch Klicken auf eine Einheit auf der landesweiten Karte auszuwählen, Einheiten zu vergrößern, Städte, Landbesitz und Transportmöglichkeiten innerhalb einer Einheit anzuzeigen und zusätzliche Karten abzufragen. Gerätebeschreibungen und druckbare Karten auf einer einzigen Webseite. Letztendlich würde das Naturerbe New Mexico die Verwahrung für die Aufnahme auf der NMDGF-Website übernehmen.

Titel: Verbesserung der Karte von Pima County, AZ, Indikatoren für Nachbarschaftsstress mit Daten zur Gewaltkriminalität der Stadt Tucson

Autor: Nathan Lothrop, [email protected]

Schlüsselwörter: sozioökonomischer Stress, sozioökonomischer Bedarf, ArcGIS, Python, ArcPy, Census, American Community Survey, Nachbarschaft, Gewaltkriminalität, Crime Mapping

Abstrakt: Die Indicators of Neighborhood Stress Map (INSM) für Pima County, AZ, wurde in den frühen 1980er Jahren aus US-Volkszählungsdaten entwickelt, um die Bedürfnisse der Stadtviertel von City of Tucson zu bewerten und die Finanzierung genau auf Gebiete mit einem überdurchschnittlichen Sozialniveau zu lenken - Indikatoren für wirtschaftlichen Stress wie Arbeitslosigkeit, Armut oder Leerstandsquoten. Seitdem wurde der INSM von verschiedenen Organisationen verwendet, um 26 verschiedene sozioökonomische Kennzahlen zu Bedürftigkeit und Abhängigkeit in Pima County, AZ, zu messen. Die jährliche Version des INSM wird jedoch möglicherweise nicht früh genug für Organisationen erstellt, die regelmäßig aktualisierte sozioökonomische Daten auf Bezirksebene benötigen. Um jährliche Updates des INSM schneller und einfacher zu machen, habe ich ein Python-Programmiersprachenskript geschrieben, das das INSM mit minimalen Benutzereingaben und Programmierkenntnissen erstellt. Der Benutzer muss die entsprechenden Daten von der American Community Survey (ACS)-Website herunterladen und das Skript vervollständigt die Karte mit grundlegenden Python-Modulen und dem ArcGIS ArcPy-Modul von ESRI. Um ein umfassenderes Bild von Stress auf Nachbarschaftsebene zu erhalten, habe ich das INSM mit Daten zu Gewaltkriminalität der Stadt Tucson erweitert. Die Kriminalitätsdaten entsprechen den gleichen Jahren wie die ACS 5-Jahres-Daten, die bei der Erstellung des INSM verwendet wurden, und misst Gewaltkriminalität in Kriminalität pro Kopf nach Zählbezirken. Das INSM wird durch die Karte der Gewaltkriminalität erweitert, um eine robustere Vision des Stresses auf Nachbarschaftsebene in der Stadt Tucson zu erstellen. Unternehmen können dem INSM, das mit Daten zur Gewaltkriminalität angereichert ist, mehr Vertrauen schenken, wenn sie Entscheidungen mit sozioökonomischen Daten auf Nachbarschaftsebene in der Stadt Tucson treffen.

Titel: Maximales Ausbaupotenzial und optimierte Standortstandorte entlang des Sun Link Tucson Modern Streetcar Corridor

Autor: Robert Gabriel Grateron, [email protected]

Schlüsselwörter: Tucson, Entwicklung, Sun Link, modern, Straßenbahn, Innenstadt, University of Arizona

Abstrakt: Mit dem Aufkommen der Sun Link Tucson Modern Streetcar und der möglichen Zunahme von Infrastrukturverbesserungen ist die verkehrsorientierte Entwicklung ein aktuelles Thema in der Stadt Tucson. Eine wichtige Komponente bei der Planung einer zukünftigen verkehrsorientierten Entwicklung ist die Bestimmung des Ausbaupotenzials verfügbarer Immobilien innerhalb des Sun Link Tucson Modern Streetcar-Pufferbereichs basierend auf Parzellen-ID, Losgröße und Zoneneinteilung. Das Untersuchungsgebiet für dieses Projekt ist die Innenstadt und das westliche Ende des Sun Link Tucson Modern Streetcar-Korridors. Außerdem erstellt es ein maximales Dichtemodell der verfügbaren Flurstücke, das die Darstellung eines voll entwickelten Straßenbahnkorridors ermöglicht. Diese Studie untersucht weiter die potenziellen finanziellen Kosten für den Bau bestimmter Parzellen und eine Marktanalyse dieser Parzellen. Mit dem Business Analyst von Esri untersucht eine Marktpotenzialanalyse die Leckage- oder Überschussfaktoren verschiedener Branchen, um geeignete Unternehmen für bestimmte Pakete zu bestimmen. Google SketchUp wurde verwendet, um ein 3D-Modell der vorgeschlagenen Strukturen zu erstellen. Schließlich wurde das bevölkerte Modell in Google Earth importiert, um ein mögliches zukünftiges Ausbauszenario bereitzustellen. Mit einem iterativen Verfahren auf Basis des Leckageüberschussfaktors wurde die beste Kombination aus maximalem Ausbaupotenzial und optimaler Standortlage ermittelt. Das letzte Szenario zeigt eine idealisierte Mischung potenzieller zukünftiger Landnutzungen.

Titel: Verwendung von Light Detection and Ranging (LiDAR) und multispektraler Bildgebung zur Charakterisierung der Ufervegetation im Eastern Pima County, Arizona

Autor: Leslie Carpenter, [email protected]

Schlüsselwörter: LiDAR, multispektrale Bilder, Ufer, Habitatüberwachung, Vegetationscharakterisierung, Pima County

Abstrakt: Die Anrainer-Habitat-Schutzverordnung des Pima County bewahrt die Ufervegetation, um Hochwasserschutz zu bieten und den Wild- und Erholungswert zu verbessern. Gestörte Ufer müssen teilweise auf Basis des Vegetationsvolumens gemildert werden. Der Regional Flood Control District (PCRFCD) von Pima County verwaltet Ufer und wollte die Verwendung von Light Detection and Ranging (LiDAR)-Daten untersuchen. LiDAR und NDVIs (normalisierte Differenz-Vegetationsindizes), die aus multispektralen Bildern abgeleitet werden, sind Fernerkundungstechnologien, die für die Überwachung natürlicher Ressourcen geeignet sind. Ziel dieses Projektes war es, die Verwendung dieser Werkzeuge zur Beschreibung von Uferbereichen zu bewerten und festzustellen, ob ein Zusammenhang zwischen Fernwerten und Feldmessungen hergestellt werden kann. LiDAR kann genaue Messungen der Überdachungshöhe liefern. NDVI-Werte können verwendet werden, um zwischen Vegetation und Nichtvegetation zu unterscheiden. Durch die Kombination dieser beiden Werkzeuge wurden die Baumkronenbedeckung und das Vegetationsvolumen für 2 Untersuchungsgebiete, einschließlich potenzieller Renaturierungsgebiete, bestimmt. NDVI liefert auch einen Index für die Vegetationsdichte. Eine Beziehung für das Vegetationsvolumen wurde zwischen Feldmessungen, von LiDAR abgeleitetem Volumen und NDVI-Werten bestimmt. Da die LiDAR- und NDVI-Jahre nicht mit den Feldmessjahren übereinstimmen, sollte diese Analyse nur als methodische Untersuchung für zukünftige Anwendungen verwendet werden. LiDAR- und NDVI-Daten können verwendet werden, um große Bereiche zu charakterisieren. Bodendaten können dann möglicherweise mit diesen Eigenschaften in Verbindung gebracht und zusätzliche Informationen erhalten werden. Die Ergebnisse dieser Studie können für die standortspezifische Minderung durch private Landbesitzer und Renaturierungsprojekte sowie für die langfristige Überwachung der Ufergesundheit durch die PCRFCD verwendet werden.

Titel: GIS-Methode zur Identifizierung und Definition von Fresh Food Deserts: Geografischer Zugang in Tucson, Arizona

Schlüsselwörter: Lebensmittelwüsten, Lebensmittelumgebung, Fast Food, Supermärkte, Lebensmittelgeschäfte, Lebensmittelmarketing, Lebensmittelwerbung, GIS-Raumanalyse, Tucson, Arizona

Abstrakt: Es gibt viele Möglichkeiten, eine „Fresh-Food-Wüste“ zu definieren und zu lokalisieren. Die USDA Food Desert Locator und die Healthy Food Financing Initiative (HFFI) Working Group haben zusammen mit vielen anderen Forschern eine Lebensmittelwüste im Großen und Ganzen als ein Gebiet mit niedrigem Einkommen und geringem Zugang zu einem Supermarkt oder einem großen Lebensmittelgeschäft in der geografischen Region des Zählbezirks definiert of the US Diese Studie vergleicht diese weit verbreitete Definition mit mehreren zusätzlichen Hindernissen und Einflüssen zur Definition und Lokalisierung von „Frischkostwüsten“ in Tucson, Arizona, jenseits der Nähe zu Supermärkten in Gebieten mit niedrigem Einkommen. Zwei Arten von Analysen werden verwendet, um die Umgebung des Zugangs zu frischen Lebensmitteln in der Stadt Tucson, Arizona, zu untersuchen. Eine Methode besteht darin, mithilfe von GIS-Daten die Merkmale und die Lage von „Fresh-Food-Wüsten“ auf Zählblockebene zu bestimmen, basierend auf Gebieten mit niedrigem Einkommen, die auch einen geringen Zugang zu Supermärkten und einen hohen Zugang zu Fast Food haben. Die andere Methode beinhaltet die Feststellung, ob Marketing und Werbung im Untersuchungsgebiet Auswirkungen auf einkommensschwache Gebiete und die Lebensmittelauswahl haben. Die Ergebnisse dieser Studie werden bestimmen, ob die weit verbreiteten GIS-Daten und die Definition von „Fresh-Food-Wüsten“, die in früheren Studien identifiziert wurden, „Fresh-Food-Wüsten“ in Tucson, Arizona, genau definieren und lokalisieren.

Titel: Ein hydro-geologisches Gerüst der paläozoischen Gesteine ​​im Canyonlands-Aquifer des Upper Colorado River Basin

Autor: Scott C. Bennett, [email protected]

Schlüsselwörter: Canyonlands Aquifer, hydrogeologisches Gerüst, Art Geldon, Upper Colorado River Basin, US Geological Survey, paläozoische Gesteine

Abstrakt: Der Schwerpunkt dieser Arbeit liegt auf der Schaffung eines hydrogeologischen Rahmenwerks des paläozoischen Gesteins, das den Canyonlands-Aquifer des Upper Colorado River Basin umfasst. Angesichts der erhöhten Anforderungen an das Grundwasser in der Region aufgrund von Bevölkerungswachstum, landwirtschaftlicher Nachfrage und der Gewinnung fossiler Brennstoffe hat sich gezeigt, dass ein umfassender digitaler Datensatz der Aquifersysteme im gesamten Upper Colorado River Basin erstellt werden muss. Der Anstoß für dieses Projekt stammt von der Arbeit des U.S. Geological Survey Hydrologist Art Geldon vor zwei Jahrzehnten. Geldons Arbeit umfasste die einzige zusammenhängende regionale Aquifersystemanalyse des gesamten Upper Colorado River Basin. Das große Problem bei dieser Situation ist, dass diese Arbeit vor zwanzig Jahren von Hand durchgeführt wurde und es daher nirgendwo eine digitale 3D-Darstellung der geologischen Strukturen und Materialien gibt. In diesem Papier werden die Komponenten und der Prozess der Erstellung dieses Rahmens sowie seine Ergebnisse im Vergleich zu Geldons früheren Arbeiten skizziert.

Titel: Erleichterung der Zonenüberprüfung von Pima County durch ein Tool zur räumlichen Suche

Autor: Jessica Orto, [email protected]

Schlüsselwörter: Zoneneinteilung, Hanglage, Suchanwendung, Pima County, Arizona

Abstrakt: Im Rahmen dieses Projekts wurde ein räumliches Suchwerkzeug erstellt, das es ermöglicht, kritische Zoneninformationen abzufragen und während der ersten Überprüfung der von der Öffentlichkeit zur Überprüfung eingereichten Zonen- und Bebauungspläne anzuzeigen. Das Tool unterstützt das Planprüfpersonal bei der Identifizierung von Überlagerungen und Umzonenbedingungen, die möglicherweise zusätzliche Schritte im Prüfprozess erfordern. Aktuelle Verfahren beinhalten das Verifizieren von Informationen, die an mehreren Orten gespeichert sind. Dieses Tool zentralisiert alle Informationen, die für eine Zonenüberprüfung erforderlich sind. Darüber hinaus fehlen den aktuellen Karten umfassende topografische Konturen, die erforderlich sind, um die Hillside Development Overlay Zone zu identifizieren. Ein Hang-Overlay-Layer wurde aus einem digitalen Höhenmodell (DEM) erstellt, das als Orientierungshilfe dient, wenn topografische Konturen nicht verfügbar sind. Das Werkzeug enthält Layer aus der GIS-Bibliothek von Pima County, die kritische Elemente aus dem Zoning Code von Pima County darstellen.

Titel: Generierung kostengünstiger Pfade für das Mars Science Laboratory im Gale Crater, Mars

Autor: James Riedmann, [email protected]

Schlüsselwörter: digitale Höhenmodelle, Gale Crater, Mars Science Laboratory, Rover Curiosity

Abstrakt: Das Mars Science Laboratory, im Volksmund als Rover Curiosity bekannt, wird verwendet, um die Geologie und Mineralogie des Gale-Kraters zu erforschen. Der Krater hat einen Durchmesser von 145 km und zeichnet sich durch einen flachen Boden mit einem 5 km hohen Sedimenthügel in der Mitte aus. Der Rover erforscht derzeit den Kraterboden und wird schließlich den zentralen Hügel erreichen und erklimmen. Der Rover kann die Bodenneigung messen und ist so programmiert, dass er nicht auf Neigungen von mehr als 30 Grad fährt. Der Zweck dieser Studie besteht darin, potenzielle Pfade zu definieren, denen der Rover bei seiner Erkundung des Kraters sicher folgen könnte. Zur Generierung der Wege wurden digitale Höhenmodelle (DEM) und entsprechende Orthofotos des Gebiets heruntergeladen. Die Höhenmodelle wurden auf einen kleineren Bereich zugeschnitten, räumlich angepasst und zu einer Einheit zusammengeführt. Eine Neigungsoberfläche des zusammengeführten DEM wurde generiert und dann neu klassifiziert, um eine maximale Neigung von 30 Grad zu enthalten. Um Endpunkte für die potenziellen Pfade zu definieren, wurde ein Punkt-Layer erstellt, der Explorationsstandorte von Interesse bezeichnet. Zur Generierung potenzieller Traversenpfade wurde ein Verfahren mit geringsten Kosten unter Verwendung des neu klassifizierten Hangs und der Erkundungspunkte verwendet. Diese Pfade könnten als Leitfaden verwendet werden, um sichere Routen für den Rover zu planen. Hochauflösende Orthofotos der Region wurden verwendet, um potenzielle Gefahren entlang der Wege, wie Sanddünen, zu identifizieren, die der Rover möglicherweise vermeiden muss. Die Pfade stimmten gut mit der Hanglage und den Orthophotos überein, was die Wirksamkeit dieser Methode demonstriert.


Inhalt

Der Begriff "geographisches Informationssystem" wurde 1963 von Roger Tomlinson geprägt, als er die wissenschaftliche Arbeit "A Geographic Information System for Regional Planning" veröffentlichte. [5] Tomlinson, der als "Vater des GIS" anerkannt wird, [6] wird zugeschrieben, dass er 1963 durch seine Arbeit am Canada Geographic Information System die Erstellung des ersten computergestützten GIS ermöglichte. Letztlich schuf Tomlinson ein Framework für eine Datenbank das in der Lage war, riesige Datenmengen zu speichern und zu analysieren, was dazu führte, dass die kanadische Regierung ihr National Land-Use Management Program umsetzen konnte. [7] [6]

Einer der ersten bekannten Fälle, in denen die räumliche Analyse verwendet wurde, stammt aus dem Gebiet der Epidemiologie im "Rapport sur la marche et les effets du choléra dans Paris et le département de la Seine" (1832). [8] Der französische Geograph und Kartograph Charles Picquet erstellte eine Karte, die die achtundvierzig Bezirke in Paris unter Verwendung von Halbtonfarbverläufen skizziert, um die Anzahl der gemeldeten Todesfälle durch Cholera pro 1.000 Einwohner visuell darzustellen.

Im Jahr 1854 konnte John Snow, ein Epidemiologe und Arzt, die Quelle eines Cholera-Ausbruchs in London mithilfe von räumlichen Analysen bestimmen. Snow erreichte dies, indem er den Wohnort jedes Opfers auf einer Karte des Gebiets sowie die nahegelegenen Wasserquellen aufzeichnete. Nachdem diese Punkte markiert waren, konnte er die Wasserquelle innerhalb des Clusters identifizieren, die für den Ausbruch verantwortlich war. Dies war eine der frühesten erfolgreichen Anwendungen einer geografischen Methodik, um die Quelle eines Ausbruchs in der Epidemiologie zu lokalisieren. Während die Grundelemente der Topographie und des Themas zuvor in der Kartographie existierten, war Snows Karte aufgrund seiner Verwendung kartographischer Methoden einzigartig, um nicht nur Cluster von geografisch abhängigen Phänomenen darzustellen, sondern auch zu analysieren.

Anfang des 20. Jahrhunderts entwickelte sich die Photozinkographie, die es ermöglichte, Karten in Schichten aufzuteilen, beispielsweise eine Schicht für Vegetation und eine andere für Wasser. Dies wurde insbesondere zum Drucken von Konturen verwendet – das Zeichnen dieser war eine arbeitsintensive Aufgabe, aber sie auf einer separaten Ebene zu haben, bedeutete, dass sie ohne die anderen Ebenen bearbeitet werden konnten, um den Zeichner zu verwirren. Diese Arbeit wurde ursprünglich auf Glasplatten gezeichnet, später wurden jedoch Kunststofffolien eingeführt, die unter anderem die Vorteile haben, leichter zu sein, weniger Speicherplatz zu benötigen und weniger spröde zu sein. Als alle Schichten fertig waren, wurden sie mit einer großen Prozesskamera zu einem Bild zusammengefügt. Als der Farbdruck eingeführt wurde, wurde die Layer-Idee auch verwendet, um separate Druckplatten für jede Farbe zu erstellen. Während die Verwendung von Layern erst viel später zu einem der wichtigsten typischen Merkmale eines zeitgenössischen GIS wurde, wird das gerade beschriebene fotografische Verfahren nicht als GIS an sich betrachtet – da die Karten nur Bilder ohne eine Datenbank waren, mit der sie verknüpft werden konnten.

Zwei weitere Entwicklungen sind in den frühen Tagen von GIS bemerkenswert: Ian McHargs Veröffentlichung "Design mit der Natur“ [9] und seine Kartenüberlagerungsmethode und die Einführung eines Straßennetzes in das DIME-System (Dual Independent Map Encoding) des US Census Bureau. [10]

Die Entwicklung von Computerhardware, die von der Kernwaffenforschung angetrieben wurde, führte in den frühen 1960er Jahren zu universellen Computer-"Mapping"-Anwendungen. [11]

1960 wurde in Ottawa, Ontario, Kanada, vom Bundesministerium für Forstwirtschaft und ländliche Entwicklung das weltweit erste echte einsatzfähige GIS entwickelt. Es wurde von Dr. Roger Tomlinson entwickelt und wurde als Canada Geographic Information System (CGIS) bezeichnet und zum Speichern, Analysieren und Bearbeiten von Daten verwendet, die für das Canada Land Inventory gesammelt wurden – ein Versuch, die Landkapazität für das ländliche Kanada durch Kartierung von Informationen über Böden, Landwirtschaft, Erholung, Wildtiere, Wasservögel, Forstwirtschaft und Landnutzung im Maßstab 1:50.000. Ein Rating-Klassifizierungsfaktor wurde ebenfalls hinzugefügt, um eine Analyse zu ermöglichen.

CGIS war eine Verbesserung gegenüber "Computer-Mapping"-Anwendungen, da es Funktionen zum Überlagern, Messen und Digitalisieren/Scannen bereitstellte. Es unterstützte ein nationales Koordinatensystem, das den Kontinent umspannte, codierte Linien als Bögen mit einer echten eingebetteten Topologie und speicherte die Attribut- und Standortinformationen in separaten Dateien. Infolgedessen wurde Tomlinson als "Vater des GIS" bekannt, insbesondere für seine Verwendung von Overlays zur Förderung der räumlichen Analyse konvergenter geografischer Daten. [12]

CGIS dauerte bis in die 1990er Jahre und baute eine große digitale Datenbank für Landressourcen in Kanada auf. Es wurde als Mainframe-basiertes System zur Unterstützung der Ressourcenplanung und -verwaltung auf Bundes- und Landesebene entwickelt. Seine Stärke war die kontinentweite Analyse komplexer Datensätze. Das CGIS war nie im Handel erhältlich.

1964 gründete Howard T. Fisher das Laboratory for Computer Graphics and Spatial Analysis an der Harvard Graduate School of Design (LCGSA 1965–1991), in dem eine Reihe wichtiger theoretischer Konzepte zur Handhabung von Geodaten entwickelt und in den 1970er Jahren verbreitet wurden wegweisenden Softwarecode und -systeme wie SYMAP, GRID und ODYSSEY – die als Quellen für die spätere kommerzielle Entwicklung dienten – an Universitäten, Forschungszentren und Unternehmen weltweit. [13]

Ende der 1970er Jahre befanden sich zwei gemeinfreie GIS-Systeme (MOSS und GRASS GIS) in der Entwicklung, und Anfang der 1980er Jahre M&S Computing (später Intergraph) zusammen mit Bentley Systems Incorporated für die CAD-Plattform, Environmental Systems Research Institute (ESRI), CARIS (Computer Aided Resource Information System), MapInfo Corporation und ERDAS (Earth Resource Data Analysis System) entstanden als kommerzielle Anbieter von GIS-Software, die erfolgreich viele der CGIS-Funktionen integriert und den Ansatz der ersten Generation zur Trennung von räumlichen und Attributinformationen mit einem zweiten kombiniert Generierungsansatz zum Organisieren von Attributdaten in Datenbankstrukturen. [14]

1986 wurde mit dem Mapping Display and Analysis System (MIDAS) das erste Desktop-GIS-Produkt [15] für das DOS-Betriebssystem veröffentlicht. Dies wurde 1990 in MapInfo for Windows umbenannt, als es auf die Microsoft Windows-Plattform portiert wurde. Damit begann der Prozess der Verlagerung von GIS aus der Forschungsabteilung in die Geschäftsumgebung.

Bis zum Ende des 20. Jahrhunderts war das schnelle Wachstum verschiedener Systeme auf relativ wenigen Plattformen konsolidiert und standardisiert worden, und die Benutzer begannen, sich mit der Anzeige von GIS-Daten über das Internet zu befassen, was Datenformate und Übertragungsstandards erforderte. In jüngster Zeit läuft eine wachsende Zahl kostenloser Open-Source-GIS-Pakete auf einer Reihe von Betriebssystemen und kann an die Ausführung bestimmter Aufgaben angepasst werden. Über das World Wide Web werden zunehmend Geodaten und Kartierungsanwendungen bereitgestellt (siehe Liste der GIS-Software § GIS as a Service). [16]

Moderne GIS-Technologien verwenden digitale Informationen, für die verschiedene digitalisierte Datenerstellungsmethoden verwendet werden. Die gebräuchlichste Methode zur Datenerstellung ist die Digitalisierung, bei der eine gedruckte Karte oder ein Vermessungsplan mithilfe eines CAD-Programms und Georeferenzierungsfunktionen in ein digitales Medium übertragen wird. Mit der breiten Verfügbarkeit von ortho-korrigierten Bildern (von Satelliten, Flugzeugen, Helikoptern und UAVs) wird die Heads-up-Digitalisierung zum Hauptweg, über den geographische Daten extrahiert werden. Bei der Heads-up-Digitalisierung werden geografische Daten direkt auf den Luftbildern aufgezeichnet, anstatt die geografische Form auf einem separaten Digitalisierungstablett nachzuzeichnen (Heads-down-Digitalisierung). Bei der Heads-down-Digitalisierung oder manuellen Digitalisierung wird ein spezieller Magnetstift oder Eingabestift verwendet, der Informationen in einen Computer einspeist, um eine identische, digitale Karte zu erstellen. Einige Tablets verwenden anstelle eines Stifts ein mausähnliches Werkzeug, das als Puck bezeichnet wird. [17] [18] Der Puck hat ein kleines Fenster mit Fadenkreuz, das eine höhere Präzision und genaue Kartenfunktionen ermöglicht. Obwohl Heads-Up-Digitalisierung häufiger verwendet wird, ist Heads-Down-Digitalisierung immer noch nützlich, um Karten von schlechter Qualität zu digitalisieren. [18]

Geoverarbeitung ist eine GIS-Operation zum Bearbeiten von Geodaten. Eine typische Geoverarbeitungsoperation verwendet ein Eingabe-Dataset, führt eine Operation für dieses Dataset aus und gibt das Ergebnis der Operation als Ausgabe-Dataset zurück. Zu den gängigen Geoverarbeitungsvorgängen gehören geografische Feature-Overlays, Feature-Auswahl und -Analyse, Topologie-Verarbeitung, Raster-Verarbeitung und Datenkonvertierung. Geoverarbeitung ermöglicht die Definition, Verwaltung und Analyse von Informationen, die zur Entscheidungsfindung verwendet werden. [19]

Verknüpfen von Informationen aus verschiedenen Quellen Bearbeiten

GIS verwendet die räumlich-zeitliche (Raum-Zeit) Position als Schlüsselindexvariable für alle anderen Informationen. So wie eine relationale Datenbank, die Text oder Zahlen enthält, viele verschiedene Tabellen mithilfe gemeinsamer Schlüsselindexvariablen in Beziehung setzen kann, kann GIS ansonsten unzusammenhängende Informationen mithilfe von location als Schlüsselindexvariable in Beziehung setzen. Der Schlüssel ist der Ort und/oder die Ausdehnung in der Raumzeit.

Jede räumlich und zunehmend auch zeitlich lokalisierbare Größe kann über ein GIS referenziert werden. Orte oder Ausdehnungen in der Raumzeit der Erde können als Datum/Zeit des Auftretens aufgezeichnet werden, und x-, y- und z-Koordinaten, die Längengrad, Breitengrad bzw. Höhe darstellen. Diese GIS-Koordinaten können andere quantifizierte Systeme der zeitlich-räumlichen Referenz darstellen (z. B. Filmbildnummer, Strommessstation, Autobahnmeilenmarkierung, Vermessungsrichtwert, Gebäudeadresse, Straßenkreuzung, Einfahrtstor, Wassertiefensondierung, POS- oder CAD-Zeichnung Herkunft/Einheiten). Die auf aufgezeichnete zeitlich-räumliche Daten angewendeten Einheiten können stark variieren (selbst bei Verwendung genau der gleichen Daten, siehe Kartenprojektionen), aber alle erdbasierten räumlich-zeitlichen Orts- und Ausdehnungsreferenzen sollten idealerweise zueinander und letztendlich zu einem "realer" physikalischer Ort oder Ausdehnung in der Raumzeit.

In Verbindung mit genauen räumlichen Informationen kann eine unglaubliche Vielfalt realer und projizierter vergangener oder zukünftiger Daten analysiert, interpretiert und dargestellt werden. [20] Dieses Schlüsselmerkmal von GIS hat begonnen, neue Wege für die wissenschaftliche Untersuchung von Verhaltensweisen und Mustern von Informationen aus der realen Welt zu eröffnen, die zuvor nicht systematisch korreliert worden waren.

GIS-Unsicherheiten Bearbeiten

Die GIS-Genauigkeit hängt von den Quelldaten und deren Codierung für die Datenreferenz ab. Landvermesser waren in der Lage, unter Verwendung der GPS-abgeleiteten Positionen ein hohes Maß an Positionsgenauigkeit bereitzustellen. [21] Hochauflösende digitale Gelände- und Luftbilder, [22] leistungsstarke Computer und Web-Technologie verändern die Qualität, den Nutzen und die Erwartungen von GIS, um der Gesellschaft im großen Stil zu dienen, aber nichtsdestotrotz gibt es andere Quellendaten, die sich auf das gesamte GIS auswirken Genauigkeit wie Papierkarten, obwohl diese von begrenztem Nutzen sein können, um die gewünschte Genauigkeit zu erreichen.

Bei der Entwicklung einer digitalen topografischen Datenbank für ein GIS sind topografische Karten die Hauptquelle, und Luftaufnahmen und Satellitenbilder sind zusätzliche Quellen zum Sammeln von Daten und Identifizieren von Attributen, die in Schichten über ein maßstabsgetreues Standortfaksimile kartiert werden können. Der Maßstab einer Karte und der Darstellungstyp des geografischen Rendering-Gebiets oder die Kartenprojektion sind sehr wichtige Aspekte, da der Informationsgehalt hauptsächlich vom eingestellten Maßstab und der daraus resultierenden Auffindbarkeit der Kartendarstellungen abhängt. Um eine Karte zu digitalisieren, muss die Karte innerhalb der theoretischen Dimensionen überprüft, dann in ein Rasterformat gescannt und die resultierenden Rasterdaten müssen durch ein Verfahren der Rubbersheeting/Warping-Technologie, das als Georeferenzierung bekannt ist, eine theoretische Dimension erhalten.

Eine quantitative Analyse von Karten rückt Genauigkeitsprobleme in den Fokus. Die elektronische und andere Ausrüstung, die zur Durchführung von Messungen für GIS verwendet wird, ist weitaus präziser als die Maschinen der herkömmlichen Kartenanalyse. Alle geografischen Daten sind von Natur aus ungenau, und diese Ungenauigkeiten breiten sich in schwer vorhersehbaren GIS-Operationen aus. [23]

Datendarstellung Bearbeiten

GIS-Daten stellen reale Objekte (wie Straßen, Landnutzung, Höhen, Bäume, Wasserwege usw.) dar, wobei digitale Daten die Mischung bestimmen. Reale Objekte können in zwei Abstraktionen unterteilt werden: diskrete Objekte (z. B. ein Haus) und kontinuierliche Felder (wie Niederschlagsmenge oder Höhen). Traditionell gibt es zwei allgemeine Methoden zum Speichern von Daten in einem GIS für beide Arten von Abstraktions-Mapping-Referenzen: Rasterbilder und Vektoren. Punkte, Linien und Polygone repräsentieren Vektordaten von zugeordneten Ortsattributreferenzen.

Eine neue Hybridmethode zum Speichern von Daten ist die Identifizierung von Punktwolken, die dreidimensionale Punkte mit RGB-Informationen an jedem Punkt kombinieren und ein "3D-Farbbild" zurückgeben. GIS-Themenkarten werden dann immer realistischer visuell beschreibend für das, was sie zeigen oder bestimmen wollen.

Eine Liste gängiger GIS-Dateiformate wie Shapefiles finden Sie unter GIS-Dateiformate § Beliebte GIS-Dateiformate.

Datenerfassung Bearbeiten

Die Datenerfassung – die Eingabe von Informationen in das System – nimmt einen Großteil der Zeit von GIS-Praktikern in Anspruch. Es gibt verschiedene Methoden, um Daten in ein GIS einzugeben, wo sie in einem digitalen Format gespeichert werden.

Vorhandene Daten, die auf Papier- oder PET-Folienkarten gedruckt sind, können digitalisiert oder gescannt werden, um digitale Daten zu erzeugen. Ein Digitalisierer erzeugt Vektordaten, wenn ein Bediener Punkte, Linien und Polygongrenzen von einer Karte nachzeichnet. Das Scannen einer Karte führt zu Rasterdaten, die weiterverarbeitet werden könnten, um Vektordaten zu erzeugen.

Vermessungsdaten können aus digitalen Datenerfassungssystemen auf Vermessungsinstrumenten mithilfe einer Technik namens Koordinatengeometrie (COGO) direkt in ein GIS eingegeben werden. Positionen von einem globalen Navigationssatellitensystem (GNSS) wie dem Global Positioning System können ebenfalls erfasst und dann in ein GIS importiert werden. Ein aktueller Trend bei der Datenerfassung gibt Benutzern die Möglichkeit, Feldcomputer mit der Möglichkeit zu verwenden, Live-Daten über drahtlose Verbindungen oder getrennte Bearbeitungssitzungen zu bearbeiten. [24] Dies wurde durch die Verfügbarkeit von kostengünstigen GPS-Geräten in Kartenqualität mit Dezimetergenauigkeit in Echtzeit verbessert. Dadurch entfällt die Notwendigkeit, die Daten im Büro nach der Erfassung der Feldarbeit nachzubearbeiten, zu importieren und zu aktualisieren. Dazu gehört die Möglichkeit, mit einem Laser-Entfernungsmesser erfasste Positionen einzubeziehen. Neue Technologien ermöglichen es Benutzern auch, Karten direkt vor Ort zu erstellen und zu analysieren, wodurch Projekte effizienter und die Kartierung genauer wird.

Auch bei der Datenerfassung spielen Fernerkundungsdaten eine wichtige Rolle und bestehen aus Sensoren, die an einer Plattform befestigt sind. Sensoren umfassen Kameras, digitale Scanner und Lidar, während Plattformen normalerweise aus Flugzeugen und Satelliten bestehen. In England, Mitte der 1990er Jahre, leisteten hybride Drachen/Ballons, sogenannte Helikiten, erstmals Pionierarbeit bei der Verwendung kompakter flugzeuggestützter Digitalkameras als luftgestützte Geoinformationssysteme. Eine auf 0,4 mm genaue Flugzeugmesssoftware wurde verwendet, um die Fotos zu verknüpfen und den Boden zu vermessen. Helikopter sind kostengünstig und sammeln genauere Daten als Flugzeuge. Hubschrauber können über Straßen, Eisenbahnen und Städten eingesetzt werden, in denen unbemannte Luftfahrzeuge (UAVs) verboten sind.

In letzter Zeit ist die Luftdatenerfassung mit Miniatur-UAVs und Drohnen leichter zugänglich geworden. Zum Beispiel wurde der Aeryon Scout verwendet, um ein 50 Hektar großes Gebiet mit einem Bodenprobenabstand von 1 Zoll (2,54 cm) in nur 12 Minuten zu kartieren. [25]

Der Großteil der digitalen Daten stammt derzeit aus der Fotointerpretation von Luftbildern. Softcopy-Workstations werden verwendet, um Merkmale direkt aus Stereopaaren digitaler Fotografien zu digitalisieren. Diese Systeme ermöglichen die Erfassung von Daten in zwei und drei Dimensionen, wobei die Höhen mithilfe von photogrammetrischen Prinzipien direkt von einem Stereopaar gemessen werden. Analoge Luftbilder müssen vor der Eingabe in ein Softcopy-System gescannt werden, bei hochwertigen Digitalkameras entfällt dieser Schritt.

Eine weitere wichtige Quelle für Geodaten ist die Satellitenfernerkundung. Hier verwenden Satelliten verschiedene Sensorpakete, um passiv den Reflexionsgrad von Teilen des elektromagnetischen Spektrums oder von Radiowellen zu messen, die von einem aktiven Sensor wie einem Radar ausgesendet wurden. Fernerkundung sammelt Rasterdaten, die mit verschiedenen Bändern weiterverarbeitet werden können, um interessierende Objekte und Klassen wie die Landbedeckung zu identifizieren.

Web Mining ist eine neuartige Methode zur Erfassung räumlicher Daten. Forscher erstellen eine Web-Crawler-Anwendung, um erforderliche räumliche Daten aus dem Web zu aggregieren. [26] Beispielsweise kann der genaue Geo-Standort oder die Nachbarschaft von Wohnungen von Websites mit Online-Immobilienangeboten erfasst werden.

Bei der Erfassung von Daten sollte der Benutzer überlegen, ob die Daten entweder mit relativer oder absoluter Genauigkeit erfasst werden sollen, da dies nicht nur die Interpretation der Informationen, sondern auch die Kosten der Datenerfassung beeinflussen könnte.

Nach der Eingabe von Daten in ein GIS müssen die Daten in der Regel bearbeitet, Fehler beseitigt oder weiterverarbeitet werden. Für Vektordaten müssen sie "topologisch korrekt" gemacht werden, bevor sie für eine erweiterte Analyse verwendet werden können. In einem Straßennetz müssen beispielsweise Linien mit Knoten an einer Kreuzung verbunden sein. Fehler wie Unter- und Überschwinger müssen ebenfalls beseitigt werden. Bei gescannten Karten müssen möglicherweise Fehler auf der Quellkarte aus dem resultierenden Raster entfernt werden. Ein Schmutzfleck kann beispielsweise zwei Leitungen verbinden, die nicht verbunden werden sollten.

Raster-zu-Vektor-Übersetzung Bearbeiten

Die Datenrestrukturierung kann von einem GIS durchgeführt werden, um Daten in verschiedene Formate zu konvertieren. Beispielsweise kann ein GIS verwendet werden, um eine Satellitenbildkarte in eine Vektorstruktur umzuwandeln, indem Linien um alle Zellen mit derselben Klassifikation erzeugt werden, während die räumlichen Beziehungen der Zellen, wie beispielsweise Nachbarschaft oder Einschluss, bestimmt werden.

Eine fortschrittlichere Datenverarbeitung kann mit der Bildverarbeitung erfolgen, einer Technik, die in den späten 1960er Jahren von der NASA und dem privaten Sektor entwickelt wurde, um Kontrastverstärkung, Falschfarbenwiedergabe und eine Vielzahl anderer Techniken einschließlich der Verwendung zweidimensionaler Fourier-Transformationen bereitzustellen. Da digitale Daten auf verschiedene Weise gesammelt und gespeichert werden, sind die beiden Datenquellen möglicherweise nicht vollständig kompatibel. Daher muss ein GIS in der Lage sein, geografische Daten von einer Struktur in eine andere umzuwandeln. Dabei müssen die impliziten Annahmen hinter verschiedenen Ontologien und Klassifikationen analysiert werden. [27] Objektontologien haben als Folge der objektorientierten Programmierung und der anhaltenden Arbeit von Barry Smith und Mitarbeitern an Bedeutung gewonnen.

Projektionen, Koordinatensysteme und Registrierung Bearbeiten

Die Erde kann durch verschiedene Modelle dargestellt werden, von denen jedes einen anderen Satz von Koordinaten (z. B. Breite, Länge, Höhe) für jeden gegebenen Punkt auf der Erdoberfläche bereitstellen kann. Das einfachste Modell ist die Annahme, dass die Erde eine perfekte Kugel ist. Da sich mehr Messungen der Erde angesammelt haben, sind die Modelle der Erde ausgefeilter und genauer geworden. Tatsächlich gibt es Modelle, die als Datumsangaben bezeichnet werden und für verschiedene Bereiche der Erde gelten, um eine höhere Genauigkeit zu gewährleisten, wie das North American Datum von 1983 für US-Messungen und das World Geodetic System für weltweite Messungen.

Der Breiten- und Längengrad auf einer Karte, die gegen ein lokales Datum erstellt wurde, stimmen möglicherweise nicht mit denen überein, die von einem GPS-Empfänger erhalten wurden. Das Konvertieren von Koordinaten von einem Datum in ein anderes erfordert eine Datumstransformation wie eine Helmert-Transformation, obwohl in bestimmten Situationen eine einfache Verschiebung ausreichend sein kann. [28]

In populärer GIS-Software werden Daten, die in Breiten-/Längengraden projiziert werden, oft als geographisches Koordinatensystem dargestellt. Beispielsweise werden Daten in Breiten-/Längengraden, wenn das Datum das „North American Datum of 1983“ ist, mit „GCS North American 1983“ bezeichnet.

Die räumliche GIS-Analyse ist ein sich schnell änderndes Gebiet, und GIS-Pakete enthalten zunehmend Analysewerkzeuge als standardmäßig integrierte Einrichtungen, als optionale Toolsets, als Add-Ins oder „Analysten“. In vielen Fällen werden diese von den ursprünglichen Softwarelieferanten (kommerzielle Anbieter oder kollaborative nichtkommerzielle Entwicklungsteams) bereitgestellt, während in anderen Fällen Einrichtungen entwickelt wurden und von Dritten bereitgestellt werden. Darüber hinaus bieten viele Produkte Software Development Kits (SDKs), Programmiersprachen und Sprachunterstützung, Scripting-Möglichkeiten und/oder spezielle Schnittstellen zur Entwicklung eigener Analysewerkzeuge oder Varianten. Die erhöhte Verfügbarkeit hat eine neue Dimension der Business Intelligence geschaffen, die als "Spatial Intelligence" bezeichnet wird und, wenn sie offen über das Intranet bereitgestellt wird, den Zugang zu geografischen und sozialen Netzwerkdaten demokratisiert. Geospatial Intelligence, basierend auf der GIS-Raumanalyse, ist ebenfalls zu einem Schlüsselelement für die Sicherheit geworden. GIS als Ganzes kann als Umwandlung in eine vektorielle Darstellung oder in jedes andere Digitalisierungsverfahren beschrieben werden.

Neigung und Ausrichtung Bearbeiten

Neigung kann als Steilheit oder Neigung einer Geländeeinheit definiert werden, die normalerweise als Winkel in Grad oder als Prozentsatz gemessen wird. Der Aspekt kann als die Richtung definiert werden, in die eine Geländeeinheit weist. Der Aspekt wird normalerweise in Grad von Norden ausgedrückt. Neigung, Ausrichtung und Oberflächenkrümmung in der Geländeanalyse werden alle aus Nachbarschaftsoperationen unter Verwendung von Höhenwerten der benachbarten Nachbarn einer Zelle abgeleitet. [29] Die Neigung ist eine Funktion der Auflösung, und die zur Berechnung von Neigung und Ausrichtung verwendete räumliche Auflösung sollte immer angegeben werden. [30] Verschiedene Autoren haben Techniken zur Berechnung von Neigung und Aspekt verglichen. [31] [32] [33]

Die folgende Methode kann verwendet werden, um Steigung und Ausrichtung abzuleiten:
Die Höhe an einem Punkt oder einer Geländeeinheit hat senkrechte Tangenten (Neigung), die durch den Punkt in Ost-West- und Nord-Süd-Richtung verlaufen. Diese beiden Tangenten ergeben zwei Komponenten, z/∂x und ∂z/∂y, die dann verwendet werden, um die Gesamtneigungsrichtung und den Aspekt der Neigung zu bestimmen. Der Gradient ist als Vektorgröße definiert, deren Komponenten gleich den partiellen Ableitungen der Oberfläche in x- und y-Richtung sind. [34]

Die Berechnung der gesamten 3×3-Gittersteigung S und Aspekt EIN für Methoden, die die Ost-West- und die Nord-Süd-Komponente bestimmen, verwenden Sie jeweils die folgenden Formeln:

Zhou und Liu [33] beschreiben eine weitere Formel zur Berechnung des Aspekts wie folgt:

Datenanalyse Bearbeiten

Es ist schwierig, Feuchtgebietskarten mit Niederschlagsmengen zu verknüpfen, die an verschiedenen Orten wie Flughäfen, Fernsehsendern und Schulen aufgezeichnet wurden.Ein GIS kann jedoch verwendet werden, um zwei- und dreidimensionale Eigenschaften der Erdoberfläche, des Untergrunds und der Atmosphäre von Informationspunkten aus darzustellen. Ein GIS kann beispielsweise schnell eine Karte mit Isoplethen oder Höhenlinien generieren, die unterschiedliche Niederschlagsmengen anzeigen. Eine solche Karte kann man sich als Niederschlagskonturkarte vorstellen. Viele ausgeklügelte Methoden können die Eigenschaften von Oberflächen aus einer begrenzten Anzahl von Punktmessungen abschätzen. Eine zweidimensionale Höhenlinienkarte, die aus der Oberflächenmodellierung von Niederschlagspunktmessungen erstellt wurde, kann mit jeder anderen Karte in einem GIS, die dasselbe Gebiet abdeckt, überlagert und analysiert werden. Diese GIS-abgeleitete Karte kann dann zusätzliche Informationen liefern – wie zum Beispiel die Tragfähigkeit des Wasserkraftpotenzials als erneuerbare Energiequelle. In ähnlicher Weise kann GIS verwendet werden, um andere erneuerbare Energieressourcen zu vergleichen, um das beste geografische Potenzial für eine Region zu ermitteln. [35]

Darüber hinaus können aus einer Reihe von dreidimensionalen Punkten oder einem digitalen Höhenmodell Isoplethenlinien, die Höhenkonturen darstellen, zusammen mit Neigungsanalysen, schattierten Reliefs und anderen Höhenprodukten generiert werden. Wasserscheiden können für jede gegebene Reichweite leicht definiert werden, indem alle angrenzenden und bergauf von einem bestimmten Point of Interest ausgehenden Gebiete berechnet werden. In ähnlicher Weise kann aus Höhendaten im GIS ein erwarteter Talweg berechnet werden, in dem Oberflächenwasser in intermittierenden und permanenten Strömen wandern möchte.

Topologische Modellierung Bearbeiten

Ein GIS kann die räumlichen Beziehungen, die in digital gespeicherten Geodaten bestehen, erkennen und analysieren. Diese topologischen Beziehungen ermöglichen die Durchführung komplexer räumlicher Modellierungen und Analysen. Topologische Beziehungen zwischen geometrischen Einheiten umfassen traditionell Nachbarschaft (was an was angrenzt), Einschließung (was umschließt was) und Nähe (wie nah etwas an etwas anderem ist).

Geometrische Netzwerke Bearbeiten

Geometrische Netzwerke sind lineare Netzwerke von Objekten, die verwendet werden können, um miteinander verbundene Features darzustellen und spezielle räumliche Analysen an ihnen durchzuführen. Ein geometrisches Netzwerk besteht aus Kanten, die an Knotenpunkten verbunden sind, ähnlich wie Graphen in Mathematik und Informatik. Genau wie Graphen können Netzwerken Gewicht und Fluss zugewiesen werden, die verwendet werden können, um verschiedene miteinander verbundene Features genauer darzustellen. Geometrische Netze werden häufig verwendet, um Straßennetze und öffentliche Versorgungsnetze wie Strom-, Gas- und Wassernetze zu modellieren. Netzwerkmodellierung wird auch häufig in der Verkehrsplanung, Hydrologiemodellierung und Infrastrukturmodellierung verwendet.

Hydrologische Modellierung Bearbeiten

Hydrologische GIS-Modelle können ein räumliches Element bereitstellen, das anderen hydrologischen Modellen fehlt, mit der Analyse von Variablen wie Neigung, Ausrichtung und Wassereinzugsgebiet oder Einzugsgebiet. [37] Die Geländeanalyse ist von grundlegender Bedeutung für die Hydrologie, da Wasser immer einen Hang hinunterfließt. [37] Da die grundlegende Geländeanalyse eines digitalen Höhenmodells (DEM) die Berechnung von Neigung und Ausrichtung beinhaltet, sind DEMs sehr nützlich für hydrologische Analysen. Gefälle und Ausrichtung können dann verwendet werden, um die Richtung des Oberflächenabflusses und damit die Ansammlung von Strömungen für die Bildung von Bächen, Flüssen und Seen zu bestimmen. Auch Bereiche mit abweichender Strömung können einen klaren Hinweis auf die Grenzen eines Einzugsgebiets geben. Nachdem eine Fließrichtungs- und Akkumulationsmatrix erstellt wurde, können Abfragen durchgeführt werden, die beitragende oder streuende Bereiche an einem bestimmten Punkt anzeigen. [37] Dem Modell können weitere Details hinzugefügt werden, wie z. B. Geländerauhigkeit, Vegetationstypen und Bodentypen, die die Infiltrations- und Evapotranspirationsraten und damit die Oberflächenströmung beeinflussen können. Eine der Hauptanwendungen der hydrologischen Modellierung ist die Umweltverschmutzungsforschung. Weitere Anwendungen der hydrologischen Modellierung sind Grundwasser- und Oberflächenwasserkartierungen sowie Hochwasserrisikokarten.

Kartografische Modellierung Bearbeiten

Dana Tomlin prägte wahrscheinlich den Begriff "kartographisches Modellieren" in seiner Doktorarbeit (1983) und verwendete ihn später im Titel seines Buches, Geografische Informationssysteme und kartografische Modellierung (1990). [38] Kartographische Modellierung bezieht sich auf einen Prozess, bei dem mehrere thematische Schichten desselben Gebiets erzeugt, verarbeitet und analysiert werden. Tomlin verwendete Rasterebenen, aber die Überlagerungsmethode (siehe unten) kann allgemeiner verwendet werden. Operationen auf Kartenebenen können zu Algorithmen und schließlich zu Simulations- oder Optimierungsmodellen kombiniert werden.

Karten-Overlay Bearbeiten

Durch die Kombination mehrerer räumlicher Datasets (Punkte, Linien oder Polygone) wird ein neues Ausgabevektor-Dataset erstellt, das optisch dem Stapeln mehrerer Karten derselben Region ähnelt. Diese Überlagerungen ähneln mathematischen Überlagerungen des Venn-Diagramms. Ein Union-Overlay kombiniert die geografischen Features und Attributtabellen beider Eingaben in einer einzigen neuen Ausgabe. Eine Schnittpunktüberlagerung definiert den Bereich, in dem sich beide Eingaben überlappen, und behält für jede einen Satz von Attributfeldern bei. Eine symmetrische Differenzüberlagerung definiert einen Ausgabebereich, der die Gesamtfläche beider Eingaben mit Ausnahme des Überlappungsbereichs umfasst.

Die Datenextraktion ist ein GIS-Prozess ähnlich dem Vektor-Overlay, kann jedoch sowohl in der Vektor- als auch in der Rasterdatenanalyse verwendet werden. Anstatt die Eigenschaften und Merkmale beider Datensätze zu kombinieren, umfasst die Datenextraktion die Verwendung eines "Clips" oder einer "Maske", um die Merkmale eines Datensatzes zu extrahieren, die in die räumliche Ausdehnung eines anderen Datensatzes fallen.

Bei der Rasterdatenanalyse wird die Überlagerung von Datasets durch einen Prozess erreicht, der als "lokale Operation auf mehreren Rastern" oder "Kartenalgebra" bekannt ist, durch eine Funktion, die die Werte der Matrix jedes Rasters kombiniert. Diese Funktion kann einige Eingaben stärker gewichten als andere durch die Verwendung eines "Indexmodells", das den Einfluss verschiedener Faktoren auf ein geografisches Phänomen widerspiegelt.

Geostatistik Bearbeiten

Geostatistik ist ein Zweig der Statistik, der sich mit Felddaten befasst, Geodaten mit einem fortlaufenden Index. Es bietet Methoden zur Modellierung der räumlichen Korrelation und zur Vorhersage von Werten an beliebigen Orten (Interpolation).

Wenn Phänomene gemessen werden, bestimmen die Beobachtungsmethoden die Genauigkeit jeder nachfolgenden Analyse. Aufgrund der Natur der Daten (z. B. Verkehrsmuster in einer städtischen Umgebung Wettermuster über dem Pazifischen Ozean) geht immer ein konstanter oder dynamischer Genauigkeitsgrad bei der Messung verloren. Dieser Genauigkeitsverlust ergibt sich aus dem Umfang und der Verteilung der Datenerhebung.

Um die statistische Relevanz der Analyse zu bestimmen, wird ein Mittelwert gebildet, so dass Punkte (Gradienten) außerhalb jeder unmittelbaren Messung einbezogen werden können, um ihr vorhergesagtes Verhalten zu bestimmen. Dies liegt an den Beschränkungen der angewandten Statistik- und Datenerfassungsmethoden, und eine Interpolation ist erforderlich, um das Verhalten von Partikeln, Punkten und Orten vorherzusagen, die nicht direkt messbar sind.

Interpolation ist der Prozess, bei dem eine Oberfläche, normalerweise ein Raster-Dataset, durch die Eingabe von Daten erstellt wird, die an einer Reihe von Stichprobenpunkten erfasst wurden. Es gibt verschiedene Arten der Interpolation, die die Daten je nach Eigenschaften des Datensatzes unterschiedlich behandeln. Beim Vergleich von Interpolationsmethoden sollte zunächst berücksichtigt werden, ob sich die Quelldaten ändern (genau oder ungefähr). Als nächstes ist die Frage, ob die Methode subjektiv, eine menschliche Interpretation oder objektiv ist. Dann gibt es die Art der Übergänge zwischen den Punkten: sind sie abrupt oder allmählich. Schließlich gibt es noch die Frage, ob eine Methode global ist (sie verwendet den gesamten Datensatz zur Bildung des Modells) oder lokal ist, bei der ein Algorithmus für einen kleinen Geländeabschnitt wiederholt wird.

Interpolation ist eine gerechtfertigte Messung aufgrund eines räumlichen Autokorrelationsprinzips, das erkennt, dass Daten, die an einer beliebigen Position gesammelt werden, eine große Ähnlichkeit oder einen großen Einfluss auf diese Orte in ihrer unmittelbaren Umgebung haben.

Adress-Geokodierung Bearbeiten

Geokodierung interpoliert räumliche Standorte (X,Y-Koordinaten) aus Straßenadressen oder anderen raumbezogenen Daten wie Postleitzahlen, Parzellen und Adressstandorten. Zum Geokodieren einzelner Adressen ist ein Referenzdesign erforderlich, z. B. eine Straßenmittelliniendatei mit Adressbereichen. Die einzelnen Adressorte wurden historisch interpoliert oder geschätzt, indem Adressbereiche entlang eines Straßenabschnitts untersucht wurden. Diese werden in der Regel in Form einer Tabelle oder Datenbank bereitgestellt. Die Software platziert dann einen Punkt ungefähr dort, wo diese Adresse entlang des Mittelliniensegments gehört. Ein Adresspunkt von 500 befindet sich beispielsweise am Mittelpunkt eines Liniensegments, das mit Adresse 1 beginnt und mit Adresse 1.000 endet. Geokodierung kann auch auf tatsächliche Flurstückdaten angewendet werden, typischerweise aus kommunalen Steuerkarten. In diesem Fall ist das Ergebnis der Geokodierung ein tatsächlich positionierter Raum im Gegensatz zu einem interpolierten Punkt. Dieser Ansatz wird zunehmend verwendet, um genauere Standortinformationen bereitzustellen.

Reverse Geocoding Bearbeiten

Reverse Geocoding ist der Vorgang, bei dem eine geschätzte Hausnummer in Bezug auf eine bestimmte Koordinate zurückgegeben wird. Zum Beispiel kann ein Benutzer auf ein Straßenmittellinienthema klicken (wodurch eine Koordinate bereitgestellt wird) und Informationen erhalten, die die geschätzte Hausnummer widerspiegeln. Diese Hausnummer wird aus einem diesem Straßenabschnitt zugewiesenen Bereich interpoliert. Wenn der Benutzer auf die Mitte eines Segments klickt, das mit Adresse 1 beginnt und mit 100 endet, liegt der zurückgegebene Wert ungefähr bei 50. Beachten Sie, dass die umgekehrte Geokodierung keine tatsächlichen Adressen zurückgibt, sondern nur Schätzungen dessen, was basierend auf den vorgegebenen Werten vorhanden sein sollte Angebot.

Multikriterielle Entscheidungsanalyse Bearbeiten

In Verbindung mit GIS unterstützen multikriterielle Entscheidungsanalysemethoden Entscheidungsträger bei der Analyse einer Reihe alternativer räumlicher Lösungen, wie beispielsweise des wahrscheinlichsten ökologischen Lebensraums für die Wiederherstellung, anhand mehrerer Kriterien wie Vegetationsbedeckung oder Straßen. MCDA verwendet Entscheidungsregeln, um die Kriterien zu aggregieren, wodurch die alternativen Lösungen eingestuft oder priorisiert werden können. [39] GIS MCDA kann Kosten und Zeitaufwand für die Identifizierung potenzieller Restaurationsstandorte reduzieren.

Datenausgabe und Kartografie Bearbeiten

Kartografie ist das Design und die Produktion von Karten oder visuellen Darstellungen von Geodaten. Die überwiegende Mehrheit der modernen Kartografie wird mit Hilfe von Computern erstellt, normalerweise unter Verwendung von GIS, aber die Produktion hochwertiger Kartografie wird auch durch den Import von Ebenen in ein Designprogramm erreicht, um sie zu verfeinern. Die meisten GIS-Software gibt dem Benutzer erhebliche Kontrolle über das Erscheinungsbild der Daten.

Kartographische Arbeiten erfüllen zwei Hauptfunktionen:

Erstens produziert es Grafiken auf dem Bildschirm oder auf Papier, die die Ergebnisse der Analyse an die Personen übermitteln, die Entscheidungen über Ressourcen treffen. Es können Wandkarten und andere Grafiken generiert werden, die es dem Betrachter ermöglichen, die Ergebnisse von Analysen oder Simulationen potenzieller Ereignisse zu visualisieren und damit zu verstehen. Web Map Server erleichtern die Verteilung generierter Karten über Webbrowser unter Verwendung verschiedener Implementierungen von webbasierten Anwendungsprogrammierschnittstellen (AJAX, Java, Flash usw.).

Zweitens können andere Datenbankinformationen zur weiteren Analyse oder Verwendung generiert werden. Ein Beispiel wäre eine Liste aller Adressen innerhalb einer Meile (1,6 km) um einen giftigen Auslauf.

Grafische Anzeigetechniken Bearbeiten

Traditionelle Karten sind Abstraktionen der realen Welt, eine Auswahl wichtiger Elemente, die auf einem Blatt Papier mit Symbolen dargestellt sind, um physische Objekte darzustellen. Personen, die Karten verwenden, müssen diese Symbole interpretieren. Topografische Karten zeigen die Form der Landoberfläche mit Höhenlinien oder mit schattiertem Relief.

Heute können grafische Darstellungstechniken wie die höhenbasierte Schattierung in einem GIS Beziehungen zwischen Kartenelementen sichtbar machen und die Fähigkeit erhöhen, Informationen zu extrahieren und zu analysieren. Beispielsweise wurden zwei Datentypen in einem GIS kombiniert, um eine perspektivische Ansicht eines Teils von San Mateo County, Kalifornien, zu erstellen.

  • Das digitale Höhenmodell, bestehend aus Oberflächenhöhen, die auf einem 30-Meter-Horizontalraster aufgezeichnet wurden, zeigt hohe Erhebungen weiß und niedrige Erhebungen schwarz an.
  • Das begleitende Landsat Thematic Mapper-Bild zeigt ein Falschfarben-Infrarotbild mit Blick auf denselben Bereich in 30-Meter-Pixeln oder Bildelementen für dieselben Koordinatenpunkte Pixel für Pixel wie die Höheninformationen.

Ein GIS wurde verwendet, um die beiden Bilder zu registrieren und zu kombinieren, um die dreidimensionale perspektivische Ansicht mit Blick auf die San-Andreas-Verwerfung unter Verwendung der Bildpixel des thematischen Mappers zu rendern, jedoch unter Verwendung der Höhe der Landformen schattiert. Die GIS-Anzeige hängt vom Betrachtungspunkt des Beobachters und der Tageszeit der Anzeige ab, um die von den Sonnenstrahlen bei diesem Breitengrad, Längengrad und Tageszeit erzeugten Schatten richtig wiederzugeben.

Ein Archeochrom ist eine neue Art der Darstellung räumlicher Daten. Es ist ein Thema auf einer 3D-Karte, das auf ein bestimmtes Gebäude oder einen Teil eines Gebäudes angewendet wird. Es eignet sich zur visuellen Anzeige von Wärmeverlustdaten.

Räumliche ETL-Bearbeitung

Räumliche ETL-Tools bieten die Datenverarbeitungsfunktionalität herkömmlicher ETL-Software (Extract, Transform, Load), jedoch mit einem primären Fokus auf der Fähigkeit, räumliche Daten zu verwalten. Sie bieten GIS-Benutzern die Möglichkeit, Daten zwischen verschiedenen Standards und proprietären Formaten zu übersetzen, während die Daten unterwegs geometrisch transformiert werden. Diese Tools können in Form von Add-Ins für vorhandene breitere Software wie Tabellenkalkulationen bereitgestellt werden.

GIS-Data-Mining Bearbeiten

GIS oder Spatial Data Mining ist die Anwendung von Data-Mining-Methoden auf Geodaten. Data Mining, die teilautomatisierte Suche nach versteckten Mustern in großen Datenbanken, bietet ein großes Nutzenpotenzial für die angewandte GIS-basierte Entscheidungsfindung. Typische Anwendungen sind die Umgebungsüberwachung. Ein Merkmal solcher Anwendungen ist, dass die räumliche Korrelation zwischen Datenmessungen die Verwendung spezialisierter Algorithmen für eine effizientere Datenanalyse erfordert. [40]

Seit seinen Anfängen in den 1960er Jahren wird GIS in einem immer größer werdenden Anwendungsspektrum eingesetzt, was die weit verbreitete Bedeutung des Standorts bestätigt und durch die fortschreitende Verringerung der Hindernisse für die Einführung von Geotechnologie unterstützt wird. Die vielleicht Hunderte von verschiedenen Verwendungen von GIS können auf verschiedene Arten klassifiziert werden:

  • Tor: Der Zweck eines Antrags kann grob unterteilt werden in entweder wissenschaftliche Forschung oder Ressourceneinteilung. Der Zweck der Forschung, so weit wie möglich definiert, besteht darin, neues Wissen zu entdecken. Dies kann von jemandem durchgeführt werden, der sich als Wissenschaftlerin betrachtet, aber auch von jedem, der versucht zu erfahren, warum die Welt so zu funktionieren scheint, wie sie es tut . Eine so praxisnahe Studie wie zu entschlüsseln, warum ein Wirtschaftsstandort gescheitert ist, wäre Forschung in diesem Sinne. Management (manchmal auch als operative Anwendungen bezeichnet), auch so weit wie möglich definiert, ist die Anwendung von Wissen, um praktische Entscheidungen darüber zu treffen, wie die Ressourcen eingesetzt werden, über die man die Kontrolle hat, um seine Ziele zu erreichen. Diese Ressourcen können Zeit, Kapital, Arbeit, Ausrüstung, Land, Bodenschätze, Wildtiere usw. sein. [41] : 791
    • Entscheidungsebene: Managementanwendungen wurden weiter klassifiziert als strategisch, taktisch, betriebsbereit, eine gängige Klassifikation in der Unternehmensführung. [42] Strategische Aufgaben sind langfristige, visionäre Entscheidungen darüber, welche Ziele man haben sollte, etwa ob ein Unternehmen expandieren soll oder nicht. Taktische Aufgaben sind mittelfristige Entscheidungen darüber, wie strategische Ziele erreicht werden können, wie beispielsweise die Erstellung eines Weidemanagementplans durch einen Nationalforst. Operative Entscheidungen beziehen sich auf die alltäglichen Aufgaben, wie etwa eine Person, die den kürzesten Weg zu einer Pizzeria findet.

    Die Implementierung eines GIS wird häufig durch rechtliche (z. B. eine Stadt), Zweck- oder Anwendungsanforderungen bestimmt. Im Allgemeinen kann eine GIS-Implementierung für eine Organisation maßgeschneidert werden. Daher ist eine GIS-Bereitstellung, die für eine Anwendung, ein Rechtsgebiet, ein Unternehmen oder einen Zweck entwickelt wurde, möglicherweise nicht unbedingt interoperabel oder kompatibel mit einem GIS, das für eine andere Anwendung, Rechtsordnung, ein Unternehmen oder einen anderen Zweck entwickelt wurde. [48]

    GIS divergiert auch in standortbasierte Dienste, die es GPS-fähigen mobilen Geräten ermöglichen, ihren Standort in Bezug auf feste Objekte (nächstes Restaurant, Tankstelle, Hydranten) oder mobile Objekte (Freunde, Kinder, Polizeiauto) anzuzeigen oder zu ihre Position an einen zentralen Server zur Anzeige oder anderen Verarbeitung zurückgeben.

    Open Geospatial Consortium-Standards Bearbeiten

    Das Open Geospatial Consortium (OGC) ist ein internationales Branchenkonsortium aus 384 Unternehmen, Regierungsbehörden, Universitäten und Einzelpersonen, die an einem Konsensverfahren zur Entwicklung öffentlich verfügbarer Geoverarbeitungsspezifikationen teilnehmen. Offene Schnittstellen und Protokolle, die durch die OpenGIS-Spezifikationen definiert sind, unterstützen interoperable Lösungen, die das Web, drahtlose und standortbasierte Dienste sowie die Mainstream-IT "geoaktivieren" und Technologieentwicklern ermöglichen, komplexe Geoinformationen und -dienste für alle Arten von Anwendungen zugänglich und nutzbar zu machen . Zu den Protokollen des Open Geospatial Consortium gehören der Web Map Service und der Web Feature Service. [49]

    GIS-Produkte werden vom OGC in zwei Kategorien unterteilt, je nachdem, wie vollständig und genau die Software den OGC-Spezifikationen entspricht.

    Konforme Produkte sind Softwareprodukte, die den OpenGIS-Spezifikationen von OGC entsprechen. Wenn ein Produkt durch das OGC Testing Program als konform getestet und zertifiziert wurde, wird das Produkt auf dieser Site automatisch als „konform“ registriert.

    Produkte implementieren sind Softwareprodukte, die OpenGIS-Spezifikationen implementieren, aber noch keinen Konformitätstest bestanden haben. Konformitätstests sind nicht für alle Spezifikationen verfügbar. Entwickler können ihre Produkte als Implementierungsentwurf oder genehmigte Spezifikationen registrieren, obwohl OGC sich das Recht vorbehält, jeden Eintrag zu überprüfen und zu verifizieren.

    Web-Mapping Bearbeiten

    In den letzten Jahren hat sich eine kostenlose und leicht zugängliche Kartensoftware wie die proprietären Webanwendungen Google Maps und Bing Maps sowie die kostenlose Open-Source-Alternative OpenStreetMap verbreitet. Diese Dienste ermöglichen der Öffentlichkeit den Zugang zu riesigen Mengen an geografischen Daten, die von vielen Nutzern als ebenso vertrauenswürdig und nutzbar wie professionelle Informationen wahrgenommen werden. [50]

    Einige von ihnen, wie Google Maps und OpenLayers, stellen eine Anwendungsprogrammierschnittstelle (API) bereit, mit der Benutzer benutzerdefinierte Anwendungen erstellen können. Diese Toolkits bieten in der Regel Straßenkarten, Luft-/Satellitenbilder, Geokodierung, Such- und Routingfunktionen. Webmapping hat auch das Potenzial des Crowdsourcing von Geodaten in Projekten wie OpenStreetMap aufgedeckt, einem Gemeinschaftsprojekt zur Erstellung einer frei editierbaren Weltkarte. Es hat sich gezeigt, dass diese Mashup-Projekte den Endbenutzern einen hohen Wert und Nutzen bieten, der über die traditionellen geografischen Informationen hinausgeht. [51] [52]

    Hinzufügen der Zeitdimension Bearbeiten

    Der Zustand von Erdoberfläche, Atmosphäre und Untergrund kann untersucht werden, indem Satellitendaten in ein GIS eingespeist werden.Die GIS-Technologie gibt Forschern die Möglichkeit, die Variationen der Erdprozesse über Tage, Monate und Jahre zu untersuchen. Als Beispiel können die Veränderungen der Vegetationskraft während einer Vegetationsperiode animiert werden, um zu bestimmen, wann die Dürre in einer bestimmten Region am größten war. Die resultierende Grafik stellt ein grobes Maß für die Pflanzengesundheit dar. Die Arbeit mit zwei Variablen über die Zeit würde es den Forschern dann ermöglichen, regionale Unterschiede in der Verzögerung zwischen einem Rückgang der Niederschläge und seinen Auswirkungen auf die Vegetation zu erkennen.

    GIS-Technologie und die Verfügbarkeit digitaler Daten auf regionaler und globaler Ebene ermöglichen solche Analysen. Die zur Erzeugung einer Vegetationsgrafik verwendete Satellitensensorausgabe wird beispielsweise vom fortschrittlichen sehr hochauflösenden Radiometer (AVHRR) erzeugt. Dieses Sensorsystem erfasst die von der Erdoberfläche reflektierten Energiemengen über verschiedene Spektralbänder für Flächen von etwa 1 Quadratkilometer. Der Satellitensensor erstellt zweimal täglich Bilder von einem bestimmten Ort auf der Erde. AVHRR und neuerdings das bildgebende Spektroradiometer mit mittlerer Auflösung (MODIS) sind nur zwei von vielen Sensorsystemen, die für die Erdoberflächenanalyse verwendet werden.

    Neben der Integration von Zeit in Umweltstudien wird GIS auch auf seine Fähigkeit untersucht, den Fortschritt des Menschen während seiner täglichen Routinen zu verfolgen und zu modellieren. Ein konkretes Beispiel für Fortschritte in diesem Bereich ist die jüngste Veröffentlichung zeitspezifischer Bevölkerungsdaten durch die US-Volkszählung. In diesem Datensatz sind die Bevölkerungen der Städte für Tages- und Abendstunden dargestellt, was das Konzentrations- und Streuungsmuster hervorhebt, das durch nordamerikanische Pendlermuster erzeugt wird. Die Manipulation und Generierung von Daten, die für die Erstellung dieser Daten erforderlich sind, wäre ohne GIS nicht möglich gewesen.

    Die Verwendung von Modellen zur Projektion der von einem GIS gespeicherten Daten in die Zukunft hat es Planern ermöglicht, politische Entscheidungen mit Hilfe von räumlichen Entscheidungsunterstützungssystemen zu testen.

    Tools und Technologien, die aus dem Semantic Web des World Wide Web Consortium hervorgegangen sind, erweisen sich als nützlich für Datenintegrationsprobleme in Informationssystemen. Dementsprechend wurden solche Technologien als Mittel vorgeschlagen, um die Interoperabilität und Datenwiederverwendung zwischen GIS-Anwendungen zu erleichtern. [53] [54] und auch um neue Analysemechanismen zu ermöglichen. [55]

    Ontologien sind eine Schlüsselkomponente dieses semantischen Ansatzes, da sie eine formale, maschinenlesbare Spezifikation der Konzepte und Beziehungen in einer bestimmten Domäne ermöglichen. Dies wiederum ermöglicht es einem GIS, sich auf die beabsichtigte Bedeutung von Daten statt auf ihre Syntax oder Struktur zu konzentrieren. Zum Beispiel die Argumentation, dass ein Landbedeckungstyp klassifiziert wird als sommergrüne Nadelbäume in einem Datensatz ist eine Spezialisierung oder eine Teilmenge des Landbedeckungstyps Wald in einem anderen grober klassifizierten Datensatz kann einem GIS helfen, die beiden Datensätze automatisch unter der allgemeineren Landbedeckungsklassifikation zusammenzuführen. Vorläufige Ontologien wurden in Bereichen entwickelt, die sich auf GIS-Anwendungen beziehen, beispielsweise die Hydrologie-Ontologie [56], die vom Ordnance Survey im Vereinigten Königreich entwickelt wurde, und die SWEET-Ontologien [57], die vom Jet Propulsion Laboratory der NASA entwickelt wurden. Außerdem werden von der W3C Geo Incubator Group [58] einfachere Ontologien und semantische Metadatenstandards vorgeschlagen, um Geodaten im Web darzustellen. GeoSPARQL ist ein Standard, der von Ordnance Survey, United States Geological Survey, Natural Resources Canada, Australiens Commonwealth Scientific and Industrial Research Organization und anderen entwickelt wurde, um die Erstellung und Argumentation von Ontologien unter Verwendung gut verstandener OGC-Literale (GML, WKT), topologischer Beziehungen (Simple Features, RCC8, DE-9IM), RDF und die SPARQL-Datenbankabfrageprotokolle.

    Aktuelle Forschungsergebnisse auf diesem Gebiet sind in der International Conference on Geospatial Semantics [59] und im Workshop Terra Cognita – Directions to the Geospatial Semantic Web [60] auf der International Semantic Web Conference zu sehen.

    Mit der Popularisierung von GIS in der Entscheidungsfindung haben Wissenschaftler begonnen, die sozialen und politischen Implikationen von GIS zu hinterfragen. [61] [62] [50] GIS kann auch missbraucht werden, um die Realität zum individuellen und politischen Vorteil zu verzerren. [63] [64] Es wurde argumentiert, dass die Produktion, Verteilung, Nutzung und Darstellung von geografischen Informationen weitgehend mit dem sozialen Kontext zusammenhängt und das Potenzial hat, das Vertrauen der Bürger in die Regierung zu stärken. [65] Andere verwandte Themen sind Diskussionen über Urheberrecht, Datenschutz und Zensur. Ein optimistischerer sozialer Ansatz für die Einführung von GIS besteht darin, es als Instrument für die Beteiligung der Öffentlichkeit zu verwenden.

    In der Ausbildung Bearbeiten

    Ende des 20. Jahrhunderts wurde GIS als Werkzeug für den Unterricht anerkannt. [66] [67] [68] [69] Die Vorteile von GIS im Bildungswesen scheinen sich auf die Entwicklung des räumlichen Denkens zu konzentrieren, aber es gibt nicht genügend Bibliographien oder statistische Daten, um den konkreten Anwendungsbereich von GIS im Bildungswesen auf der ganzen Welt aufzuzeigen. obwohl die Expansion in den Ländern, in denen sie im Lehrplan erwähnt werden, schneller war. [70] : 36

    GIS scheinen im Geographieunterricht viele Vorteile zu bieten, da sie Analysen auf der Grundlage realer geographischer Daten ermöglichen und auch dazu beitragen, viele Forschungsfragen von Lehrern und Schülern in den Klassenzimmern zu stellen, sowie zur Verbesserung des Lernens durch die Entwicklung von räumlichem und geografischem Denken beitragen und in vielen Fällen die Motivation der Studierenden. [70] : 38

    In der Kommunalverwaltung Bearbeiten

    GIS hat sich als unternehmensweite, unternehmensweite und dauerhafte Technologie erwiesen, die die Arbeitsweise der lokalen Behörden kontinuierlich verändert. [71] Regierungsbehörden haben die GIS-Technologie als Methode übernommen, um die folgenden Bereiche der Regierungsorganisation besser zu verwalten:

    • Die Abteilungen für Wirtschaftsentwicklung verwenden interaktive GIS-Mapping-Tools, die mit anderen Daten (Demografie, Arbeitskräfte, Unternehmen, Industrie, Talente) zusammen mit einer Datenbank verfügbarer Gewerbeflächen und Gebäude aggregiert werden, um Investitionen anzuziehen und bestehende Geschäfte zu unterstützen. Unternehmen, die Standortentscheidungen treffen, können die Tools verwenden, um Communities und Websites auszuwählen, die ihren Erfolgskriterien am besten entsprechen. GIS Planning ist der branchenführende Anbieter von GIS-Daten-Webtools für die wirtschaftliche Entwicklung und die Attraktivität von Investitionen. Die Software ZoomProspector Enterprise und Intelligence Components von GIS Planning, ein Service der Financial Times, ist weltweit im Einsatz. Dazu gehören 30 US-amerikanische Wirtschaftsförderungsorganisationen, die Mehrheit der 100 größten Ballungsräume Nordamerikas und eine Reihe von Agenturen zur Anziehung von Investitionen in Europa und Lateinamerika.
    • Operationen der öffentlichen Sicherheit [72] wie Notrufzentralen, Brandschutz, mobile Technologie und Disposition von Polizei und Sheriff sowie Kartierung von Wetterrisiken.
    • Abteilungen für Parks und Freizeit und ihre Funktionen in der Bestandsaufnahme, Bodenerhaltung, Landverwaltung und Friedhofsverwaltung.
    • Öffentliche Arbeiten und Versorgungsunternehmen, Verfolgung von Wasser- und Regenwasserableitungen, elektrische Anlagen, technische Projekte sowie Anlagen und Trends im öffentlichen Verkehr.
    • Glasfaser-Netzwerkmanagement für abteilungsübergreifende Netzwerkressourcen
    • Schulanalytische und demografische Daten, Vermögensverwaltung und Verbesserungs-/Erweiterungsplanung
    • Öffentliche Verwaltung für Wahldaten, Liegenschaftsunterlagen und Zonierung/Verwaltung.

    Die Open-Data-Initiative drängt die Kommunalverwaltungen, Technologien wie die GIS-Technologie zu nutzen, da sie die Anforderungen umfasst, um das Transparenzmodell von Open Data/Open Government zu erfüllen. [71] Mit Open Data können lokale Regierungsorganisationen Bürgerbeteiligungsanwendungen und Online-Portale implementieren, die es Bürgern ermöglichen, Landinformationen einzusehen, Schlaglöcher und Beschilderungsprobleme zu melden, Parks nach Vermögenswerten anzuzeigen und zu sortieren, Kriminalitätsraten in Echtzeit und Reparaturen von Versorgungsunternehmen anzuzeigen und viel mehr. [73] [74] Der Druck auf offene Daten innerhalb von Regierungsorganisationen treibt das Wachstum der Ausgaben für GIS-Technologie und Datenbankverwaltung der lokalen Regierungen an.


    GIS-Techniken und -Technologie

    Moderne GIS-Technologien verwenden digitale Informationen, für die verschiedene digitalisierte Datenerstellungsmethoden verwendet werden. Die gebräuchlichste Methode zur Datenerstellung ist die Digitalisierung, bei der eine gedruckte Karte oder ein Vermessungsplan mithilfe eines CAD-Programms und Georeferenzierungsfunktionen in ein digitales Medium übertragen wird. Mit der breiten Verfügbarkeit von ortho-korrigierten Bildern (von Satelliten, Flugzeugen, Helikoptern und UAVs) wird die Heads-up-Digitalisierung zum Hauptweg, über den geographische Daten extrahiert werden. Bei der Heads-up-Digitalisierung werden geografische Daten direkt auf den Luftbildern aufgezeichnet, anstatt die geografische Form auf einem separaten Digitalisierungstablett nachzuzeichnen (Heads-down-Digitalisierung). [ Klärung nötig ]

    Verknüpfen von Informationen aus verschiedenen Quellen

    GIS verwendet die räumlich-zeitliche (Raum-Zeit) Position als Schlüsselindexvariable für alle anderen Informationen. So wie eine relationale Datenbank, die Text oder Zahlen enthält, viele verschiedene Tabellen mithilfe gemeinsamer Schlüsselindexvariablen in Beziehung setzen kann, kann GIS ansonsten unzusammenhängende Informationen mithilfe von location als Schlüsselindexvariable in Beziehung setzen. Der Schlüssel ist der Ort und/oder die Ausdehnung in der Raumzeit.

    Jede räumlich und zunehmend auch zeitlich lokalisierbare Größe kann über ein GIS referenziert werden. Orte oder Ausdehnungen in der Raumzeit der Erde können als Datum/Zeit des Auftretens aufgezeichnet werden, und x-, y- und z-Koordinaten, die Längengrad, Breitengrad bzw. Höhe darstellen. Diese GIS-Koordinaten können andere quantifizierte Systeme der zeitlich-räumlichen Referenz darstellen (z. B. Filmbildnummer, Strommessstation, Autobahnmeilenmarkierung, Vermessungsrichtwert, Gebäudeadresse, Straßenkreuzung, Einfahrtstor, Wassertiefensondierung, POS- oder CAD-Zeichnung Herkunft/Einheiten). Die auf aufgezeichnete zeitlich-räumliche Daten angewendeten Einheiten können stark variieren (selbst bei Verwendung genau der gleichen Daten, siehe Kartenprojektionen), aber alle erdbasierten räumlich-zeitlichen Orts- und Ausdehnungsreferenzen sollten idealerweise zueinander und letztendlich zu einem "realer" physikalischer Ort oder Ausdehnung in der Raumzeit.

    In Verbindung mit genauen räumlichen Informationen kann eine unglaubliche Vielfalt realer und projizierter vergangener oder zukünftiger Daten analysiert, interpretiert und dargestellt werden. [15] Dieses Schlüsselmerkmal von GIS hat begonnen, neue Wege für die wissenschaftliche Untersuchung von Verhaltensweisen und Mustern von Informationen aus der realen Welt zu eröffnen, die zuvor nicht systematisch korreliert worden waren.

    GIS-Unsicherheiten

    Die GIS-Genauigkeit hängt von den Quelldaten und deren Codierung für die Datenreferenz ab. Landvermesser waren in der Lage, unter Verwendung der GPS-abgeleiteten Positionen ein hohes Maß an Positionsgenauigkeit bereitzustellen. [16] Hochauflösende digitale Gelände- und Luftbilder, [17] leistungsstarke Computer und Web-Technologie verändern die Qualität, den Nutzen und die Erwartungen von GIS, um der Gesellschaft im großen Stil zu dienen, aber nichtsdestotrotz gibt es andere Quellendaten, die einen Einfluss haben auf die allgemeine GIS-Genauigkeit wie Papierkarten, obwohl diese von begrenztem Nutzen sein können, um die gewünschte Genauigkeit zu erreichen, da die Alterung von Karten ihre Dimensionsstabilität beeinträchtigt.

    Bei der Entwicklung einer digitalen topografischen Datenbank für ein GIS sind topografische Karten die Hauptquelle, und Luftaufnahmen und Satellitenbilder sind zusätzliche Quellen zum Sammeln von Daten und Identifizieren von Attributen, die in Schichten über ein maßstabsgetreues Standortfaksimile kartiert werden können. Der Maßstab einer Darstellungsart einer Karte und eines geografischen Rendering-Bereichs [ Klärung nötig ] sind sehr wichtige Aspekte, da der Informationsgehalt hauptsächlich vom Maßstabssatz und der daraus resultierenden Auffindbarkeit der Kartendarstellungen abhängt. Um eine Karte zu digitalisieren, muss die Karte innerhalb der theoretischen Dimensionen überprüft, dann in ein Rasterformat gescannt und die resultierenden Rasterdaten müssen durch ein Verfahren der Rubbersheeting/Warping-Technologie mit einer theoretischen Dimension versehen werden.

    Eine quantitative Analyse von Karten rückt Genauigkeitsprobleme in den Fokus. Die elektronische und andere Ausrüstung, die zur Durchführung von Messungen für GIS verwendet wird, ist weitaus präziser als die Maschinen der herkömmlichen Kartenanalyse. Alle geografischen Daten sind von Natur aus ungenau, und diese Ungenauigkeiten werden sich auf schwer vorhersehbare Weise durch GIS-Operationen ausbreiten.

    Daten Präsentation

    GIS-Daten stellen reale Objekte (wie Straßen, Landnutzung, Höhen, Bäume, Wasserwege usw.) dar, wobei digitale Daten die Mischung bestimmen. Reale Objekte können in zwei Abstraktionen unterteilt werden: diskrete Objekte (z. B. ein Haus) und kontinuierliche Felder (wie Niederschlagsmenge oder Höhen). Traditionell gibt es zwei allgemeine Methoden zum Speichern von Daten in einem GIS für beide Arten von Abstraktions-Mapping-Referenzen: Rasterbilder und Vektoren. Punkte, Linien und Polygone sind der Stoff für zugeordnete Ortsattributreferenzen. Eine neue Hybridmethode zum Speichern von Daten ist die Identifizierung von Punktwolken, die dreidimensionale Punkte mit RGB-Informationen an jedem Punkt kombinieren und ein "3D-Farbbild" zurückgeben. GIS-Themenkarten werden dann immer realistischer visuell beschreibend für das, was sie zeigen oder bestimmen wollen.

    Datenerfassung

    Die Datenerfassung – die Eingabe von Informationen in das System – nimmt einen Großteil der Zeit von GIS-Praktikern in Anspruch. Es gibt verschiedene Methoden, um Daten in ein GIS einzugeben, wo sie in einem digitalen Format gespeichert werden.

    Vorhandene Daten, die auf Papier- oder PET-Folienkarten gedruckt sind, können digitalisiert oder gescannt werden, um digitale Daten zu erzeugen. Ein Digitalisierer erzeugt Vektordaten, wenn ein Bediener Punkte, Linien und Polygongrenzen von einer Karte nachzeichnet. Das Scannen einer Karte führt zu Rasterdaten, die weiterverarbeitet werden könnten, um Vektordaten zu erzeugen.

    Vermessungsdaten können aus digitalen Datenerfassungssystemen auf Vermessungsinstrumenten mithilfe einer Technik namens Koordinatengeometrie (COGO) direkt in ein GIS eingegeben werden. Positionen von einem globalen Navigationssatellitensystem (GNSS) wie dem Global Positioning System können ebenfalls erfasst und dann in ein GIS importiert werden. Ein aktueller Trend bei der Datenerfassung gibt Benutzern die Möglichkeit, Feldcomputer mit der Möglichkeit zu verwenden, Live-Daten über drahtlose Verbindungen oder getrennte Bearbeitungssitzungen zu bearbeiten. Dies wurde durch die Verfügbarkeit von kostengünstigen GPS-Geräten in Kartenqualität mit Dezimetergenauigkeit in Echtzeit verbessert. Dadurch entfällt die Notwendigkeit, die Daten im Büro nach der Erfassung der Feldarbeit nachzubearbeiten, zu importieren und zu aktualisieren. Dazu gehört die Möglichkeit, mit einem Laser-Entfernungsmesser erfasste Positionen einzubeziehen. Neue Technologien ermöglichen es Benutzern auch, Karten direkt vor Ort zu erstellen und zu analysieren, wodurch Projekte effizienter und die Kartierung genauer wird.

    Auch bei der Datenerfassung spielen Fernerkundungsdaten eine wichtige Rolle und bestehen aus Sensoren, die an einer Plattform befestigt sind. Sensoren umfassen Kameras, digitale Scanner und Lidar, während Plattformen normalerweise aus Flugzeugen und Satelliten bestehen. In England, Mitte der 1990er Jahre, leisteten hybride Drachen/Ballons namens Helikites erstmals Pionierarbeit bei der Verwendung kompakter flugzeuggestützter Digitalkameras als luftgestützte Geo-Informationssysteme. Eine auf 0,4 mm genaue Flugzeugmesssoftware wurde verwendet, um die Fotos zu verknüpfen und den Boden zu vermessen. Helikopter sind kostengünstig und sammeln genauere Daten als Flugzeuge. Hubschrauber können über Straßen, Eisenbahnen und Städten eingesetzt werden, in denen UAVs verboten sind.

    In letzter Zeit wird mit der Entwicklung von Miniatur-UAVs die Luftdatenerfassung mit ihnen möglich. Zum Beispiel wurde der Aeryon Scout verwendet, um ein 50 Hektar großes Gebiet mit einem Bodenprobenabstand von 1 Zoll (2,54 cm) in nur 12 Minuten zu kartieren. [18]

    Der Großteil der digitalen Daten stammt derzeit aus der Fotointerpretation von Luftbildern. Softcopy-Workstations werden verwendet, um Merkmale direkt aus Stereopaaren digitaler Fotografien zu digitalisieren. Diese Systeme ermöglichen die Erfassung von Daten in zwei und drei Dimensionen, wobei die Höhen mithilfe von photogrammetrischen Prinzipien direkt von einem Stereopaar gemessen werden. Analoge Luftbilder müssen vor der Eingabe in ein Softcopy-System gescannt werden, bei hochwertigen Digitalkameras entfällt dieser Schritt.

    Eine weitere wichtige Quelle für Geodaten ist die Satellitenfernerkundung. Hier verwenden Satelliten verschiedene Sensorpakete, um passiv den Reflexionsgrad von Teilen des elektromagnetischen Spektrums oder von Radiowellen zu messen, die von einem aktiven Sensor wie einem Radar ausgesendet wurden. Fernerkundung sammelt Rasterdaten, die mit verschiedenen Bändern weiterverarbeitet werden können, um interessierende Objekte und Klassen wie die Landbedeckung zu identifizieren.

    Bei der Erfassung von Daten sollte der Benutzer überlegen, ob die Daten entweder mit relativer oder absoluter Genauigkeit erfasst werden sollen, da dies nicht nur die Interpretation der Informationen, sondern auch die Kosten der Datenerfassung beeinflussen könnte.

    Nach der Eingabe von Daten in ein GIS müssen die Daten in der Regel bearbeitet, Fehler beseitigt oder weiterverarbeitet werden. Für Vektordaten müssen sie "topologisch korrekt" gemacht werden, bevor sie für eine erweiterte Analyse verwendet werden können. In einem Straßennetz müssen beispielsweise Linien mit Knoten an einer Kreuzung verbunden sein. Fehler wie Unter- und Überschwinger müssen ebenfalls beseitigt werden. Bei gescannten Karten müssen möglicherweise Fehler auf der Quellkarte aus dem resultierenden Raster entfernt werden. Ein Schmutzfleck kann beispielsweise zwei Leitungen verbinden, die nicht verbunden werden sollten.

    Raster-zu-Vektor-Übersetzung

    Die Datenrestrukturierung kann von einem GIS durchgeführt werden, um Daten in verschiedene Formate zu konvertieren. Beispielsweise kann ein GIS verwendet werden, um eine Satellitenbildkarte in eine Vektorstruktur umzuwandeln, indem Linien um alle Zellen mit derselben Klassifikation erzeugt werden, während die räumlichen Beziehungen der Zellen, wie beispielsweise Nachbarschaft oder Einschluss, bestimmt werden.

    Eine fortschrittlichere Datenverarbeitung kann mit der Bildverarbeitung erfolgen, einer Technik, die in den späten 1960er Jahren von der NASA und dem privaten Sektor entwickelt wurde, um Kontrastverbesserung, Falschfarbenwiedergabe und eine Vielzahl anderer Techniken einschließlich der Verwendung zweidimensionaler Fourier-Transformationen bereitzustellen. Da digitale Daten auf verschiedene Weise gesammelt und gespeichert werden, sind die beiden Datenquellen möglicherweise nicht vollständig kompatibel. Daher muss ein GIS in der Lage sein, geografische Daten von einer Struktur in eine andere umzuwandeln. Dabei müssen die impliziten Annahmen hinter verschiedenen Ontologien und Klassifikationen analysiert werden. [19] Objektontologien haben als Folge der objektorientierten Programmierung und der anhaltenden Arbeit von Barry Smith und Mitarbeitern zunehmend an Bedeutung gewonnen.

    Projektionen, Koordinatensysteme und Registrierung

    Die Erde kann durch verschiedene Modelle dargestellt werden, von denen jedes einen anderen Satz von Koordinaten (z. B. Breite, Länge, Höhe) für jeden gegebenen Punkt auf der Erdoberfläche bereitstellen kann. Das einfachste Modell ist die Annahme, dass die Erde eine perfekte Kugel ist. Da sich mehr Messungen der Erde angesammelt haben, sind die Modelle der Erde ausgefeilter und genauer geworden. Tatsächlich gibt es Modelle, die als Datumsangaben bezeichnet werden und für verschiedene Bereiche der Erde gelten, um eine höhere Genauigkeit zu gewährleisten, wie NAD83 für US-Messungen und das World Geodetic System für weltweite Messungen.


    Mdhntd

    Warum stellt die Philosophie keine höheren Ansprüche an ihre Argumente?

    Warum ist Aluminium an biologischen Prozessen nicht beteiligt?

    Vertikalen Abstand in Brüchen anpassen?

    Ist das direkte Schreiben der Meinungen von jemandem aussagekräftig?

    Warum werden bei vielen Triathlons Rennräder (keine Zeitfahrräder) verwendet?

    Was ist das Wort für "Ereignisausführer"?

    Seltsame Charge von Kaliumnitrat mit einem niedrigeren als erwarteten Schmelzpunkt

    Alphanumerische Linien- und Kurvenzählung

    Können Sie einen Würfel mit dieser blockigen Form perfekt einwickeln?

    Warum kündigen Kandidaten nicht, wenn sie bei den US-Präsidentenwahlen 2020 keine realistische Chance mehr haben?

    Wie kann ein Tier Kohlenmonoxid "riechen"?

    FPGA-CPUs, wie finde ich die maximale Geschwindigkeit?

    Wie soll der Spieler Dinge freischalten?

    Lizenzgültigkeit des unveröffentlichten Projekts

    Gibt es eine Standardmethode zum Verweisen auf Zeilennummern in einem Entwurf?

    Ist die Gritty Realism-Variante nicht mit Dungeon-basierten Abenteuern kompatibel?

    Welche Details sollte ich beachten, bevor ich zustimme, dass ein Teil meines Gehalts vom Arbeitgeber „einbehalten“ wird?

    Gab es 007 vor James Bond?

    Wie schnell muss sich ein Charakter bewegen, um effektiv unsichtbar zu sein?

    Was könnte der Grund für das männliche Gefängnis in der VR-Welt sein, männlichen Gefangenen nur Unterhemd und Sarong als Nachtwäsche zu erlauben?

    Kann ein Pizzastein nach der Reinigung mit Seife repariert werden?

    Was passiert, wenn im Reisepass für ein US-Visum kein Platz für den Einreisestempel ist?

    OpenLayers, die clientseitige PDFs generieren

    openlayers 3 - fullscreenOpenLayers 3.7 ProjektionOpenlayers HiDPI/Retina Screen mit Rasterkacheln in Standardauflösung?OpenLayers 3 Zoomfaktoropenlayers - Wie rendert man Vektorebenen in OpenLayers mit WebGlGenerating Dynamic Legend with OpenLayers and GeoServer?OpenLayers 3 Print ExampleModifying Geometrie mit OpenLayers?InteractingServer Open.Layers erbt in OpenLayers 6

    Ich arbeite derzeit an einer Lösung, um clientseitige PDFs aus OpenLayers-Inhalten zu generieren. Die Erfahrung ist soweit in Ordnung, aber ich habe ein bisschen Ärger.

    Die Zusammenfassung lautet wie folgt:

    • Berechnung der Pixelanzahl, die benötigt wird, um einen bestimmten Platz auf dem Papier auszufüllen
    • Stellen Sie die Karte vorübergehend auf die angegebene Auflösung ein
    • Leinwand lesen
    • drucke Sachen
    • Karte auf vorherige Auflösung zurücksetzen

    Falls jemand an den (schmutzigen) Details interessiert ist: Der vollständige Code ist als Open Source verfügbar hier

    Das funktioniert bis zu einem gewissen Grad.

    • Wenn ich auf 80 DPI skaliere, erhalte ich eine erwartete Teilmenge der Karte
    • Wenn ich auf 120 DPI skaliere, erhalte ich eine relativ erwartete Teilmenge der Karte
    • Skalierung auf 200 DPI, ein unerwartetes Ergebnis erhalten

    Derzeit gehe ich davon aus, dass ich für jede Auflösung den "gleichen" Datensatz erhalte - dh das sichtbare Zentrum der 80DPI-Version ist "das gleiche" wie das 200DPI, nur dass es nicht auf den Bildschirm passt, aber das scheint nicht der Fall zu sein .

    Gibt mir jemand einen Tipp, in welche Richtung ich schauen soll? Vielleicht habe ich einige falsche Annahmen, die ich derzeit nicht sehe oder nicht sehe, wie ich sie überwinden kann.

    Ich arbeite derzeit an einer Lösung, um clientseitige PDFs aus OpenLayers-Inhalten zu generieren. Die Erfahrung ist soweit in Ordnung, aber ich habe ein bisschen Ärger.

    Die Zusammenfassung lautet wie folgt:

    • Berechnung der Pixelanzahl, die benötigt wird, um einen bestimmten Platz auf dem Papier auszufüllen
    • Stellen Sie die Karte vorübergehend auf die angegebene Auflösung ein
    • Leinwand lesen
    • drucke Sachen
    • Karte auf vorherige Auflösung zurücksetzen

    Falls jemand an den (schmutzigen) Details interessiert ist: Der vollständige Code ist als Open Source verfügbar hier

    Das funktioniert bis zu einem gewissen Grad.

    • Wenn ich auf 80 DPI skaliere, erhalte ich eine erwartete Teilmenge der Karte
    • Wenn ich auf 120 DPI skaliere, erhalte ich eine relativ erwartete Teilmenge der Karte
    • Skalierung auf 200 DPI, ein unerwartetes Ergebnis erhalten

    Derzeit gehe ich davon aus, dass ich für jede Auflösung den "gleichen" Datensatz erhalte - dh das sichtbare Zentrum der 80DPI-Version ist "das gleiche" wie das 200DPI, nur dass es nicht auf den Bildschirm passt, aber das scheint nicht der Fall zu sein .

    Gibt mir jemand einen Tipp, in welche Richtung ich schauen soll? Vielleicht habe ich einige falsche Annahmen, die ich derzeit nicht sehe oder nicht sehe, wie ich sie überwinden kann.

    Ich arbeite derzeit an einer Lösung, um clientseitige PDFs aus OpenLayers-Inhalten zu generieren. Die Erfahrung ist soweit in Ordnung, aber ich habe ein bisschen Ärger.

    Die Zusammenfassung lautet wie folgt:

    • Berechnung der Pixelanzahl, die benötigt wird, um einen bestimmten Platz auf dem Papier auszufüllen
    • Stellen Sie die Karte vorübergehend auf die angegebene Auflösung ein
    • Leinwand lesen
    • drucke Sachen
    • Karte auf vorherige Auflösung zurücksetzen

    Falls jemand an den (schmutzigen) Details interessiert ist: Der vollständige Code ist als Open Source verfügbar hier

    Das funktioniert bis zu einem gewissen Grad.

    • Wenn ich auf 80 DPI skaliere, erhalte ich eine erwartete Teilmenge der Karte
    • Wenn ich auf 120 DPI skaliere, erhalte ich eine relativ erwartete Teilmenge der Karte
    • Skalierung auf 200 DPI, ein unerwartetes Ergebnis erhalten

    Derzeit gehe ich davon aus, dass ich für jede Auflösung den "gleichen" Datensatz erhalte - dh das sichtbare Zentrum der 80DPI-Version ist "das gleiche" wie das 200DPI, nur dass es nicht auf den Bildschirm passt, aber das scheint nicht der Fall zu sein .

    Gibt mir jemand einen Tipp, in welche Richtung ich schauen soll? Vielleicht habe ich einige falsche Annahmen, die ich derzeit nicht sehe oder nicht sehe, wie ich sie überwinden kann.

    Ich arbeite derzeit an einer Lösung, um clientseitige PDFs aus OpenLayers-Inhalten zu generieren. Die Erfahrung ist soweit in Ordnung, aber ich habe ein bisschen Ärger.

    Die Zusammenfassung lautet wie folgt:

    • Berechnung der Pixelanzahl, die benötigt wird, um einen bestimmten Platz auf dem Papier auszufüllen
    • Stellen Sie die Karte vorübergehend auf die angegebene Auflösung ein
    • Leinwand lesen
    • drucke Sachen
    • Karte auf vorherige Auflösung zurücksetzen

    Falls jemand an den (schmutzigen) Details interessiert ist: Der vollständige Code ist als Open Source verfügbar hier

    Das funktioniert bis zu einem gewissen Grad.

    • Wenn ich auf 80 DPI skaliere, erhalte ich eine erwartete Teilmenge der Karte
    • Wenn ich auf 120 DPI skaliere, erhalte ich eine relativ erwartete Teilmenge der Karte
    • Skalierung auf 200 DPI, ein unerwartetes Ergebnis erhalten

    Derzeit gehe ich davon aus, dass ich für jede Auflösung den "gleichen" Datensatz erhalte - dh das sichtbare Zentrum der 80DPI-Version ist "das gleiche" wie das 200DPI, nur dass es nicht auf den Bildschirm passt, aber das scheint nicht der Fall zu sein .

    Gibt mir jemand einen Tipp, in welche Richtung ich schauen soll? Vielleicht habe ich einige falsche Annahmen, die ich derzeit nicht sehe oder nicht sehe, wie ich sie überwinden kann.


    OpenLayer. Schicht

    Wenn eine Layer-Anzeige nicht skalierungsbasiert sein soll, sollte dies auf "true" gesetzt werden. Dies führt dazu, dass die Ebene als Overlay immer &lsquoaktiv&rsquo ist, indem immer true von der Funktion berechneInRange() zurückgegeben wird.

    Wenn nicht explizit für einen Layer angegeben, wird sein Wert beim Start in initResolutions() basierend darauf bestimmt, ob maßstabsspezifische Eigenschaften als Optionen für den Layer festgelegt wurden oder nicht. Wenn für den Layer keine maßstabsspezifischen Optionen festgelegt wurden, gehen wir davon aus, dass er sich immer im Bereich befinden sollte.

    Konstanten

    EVENT_TYPES

    Unterstützte Anwendungsereignistypen. Registrieren Sie einen Listener für ein bestimmtes Ereignis mit der folgenden Syntax:

    Listener werden mit einem Verweis auf ein Ereignisobjekt aufgerufen. Die Eigenschaften dieses Ereignisses hängen davon ab, was genau passiert ist.

    Alle Ereignisobjekte haben mindestens die folgenden Eigenschaften

    Unterstützte Kartenereignistypen

    LadestartWird ausgelöst, wenn das Laden des Layers beginnt.
    ladendWird ausgelöst, wenn das Laden des Layers endet.
    ladenabbrechenWird ausgelöst, wenn das Laden des Layers abgebrochen wird.
    Sichtbarkeit geändertWird ausgelöst, wenn die Sichtbarkeit der Ebene geändert wird.
    BewegungWird ausgelöst, wenn sich die Ebene bewegt (wird bei jeder Mausbewegung während eines Ziehens ausgelöst).
    bewegendWird ausgelöst, wenn die Ebene mit dem Verschieben fertig ist, hat das als Argument übergebene Objekt eine boolesche Eigenschaft zoomChanged, die angibt, dass sich der Zoom geändert hat.

    RESOLUTION_PROPERTIES

    Die Eigenschaften, die zum Berechnen von Auflösungsinformationen verwendet werden.

    Eigenschaften

    Veranstaltungen

    Diese Variable wird gesetzt, wenn der Layer über die Accessor-Funktion setMap() zur Karte hinzugefügt wird.

    IsBaseLayer

    Ob die Schicht eine Basisschicht ist oder nicht. Dies sollte von allen Unterklassen individuell eingestellt werden. Standard ist falsch

    DisplayInLayerSwitcher

    Zeigen Sie den Namen des Layers im Layer-Switcher an. Standard ist wahr.

    Sichtweite

    Der Layer sollte in der Karte angezeigt werden. Standard ist wahr.

    Namensnennung

    Attributionszeichenfolge, die angezeigt wird, wenn der Karte ein OpenLayers.Control.Attribution hinzugefügt wurde.

    EventListener

    Wenn es beim Erstellen als Option festgelegt wird, wird das eventListeners-Objekt bei OpenLayers.Events.on registriert. Die Objektstruktur muss ein Listener-Objekt sein, wie im Beispiel für die Methode events.on gezeigt.

    Rinne

    Legt die Breite (in Pixeln) des Stegs um die zu ignorierenden Bildkacheln fest. Wenn Sie diese Eigenschaft auf einen Wert ungleich null setzen, werden Bilder angefordert, die breiter und höher als die Kachelgröße um einen Wert von 2 x Bundsteg sind. Dies ermöglicht es, Artefakte beim Rendering an den Kachelkanten zu ignorieren. Legen Sie einen Bundstegwert fest, der der halben Größe des breitesten anzuzeigenden Symbols entspricht. Standardmäßig auf Null. Nicht geflieste Schichten haben immer keine Rinne.

    Projektion

    oder Legen Sie in den Layer-Optionen fest, dass die Standardprojektionszeichenfolge dieses Layers überschrieben wird - legen Sie auch maxExtent, maxResolution und gegebenenfalls Einheiten fest. Kann beim Erstellen entweder ein String oder ein OpenLayers.Projection-Objekt sein -- wird beim Aufruf von setMap in ein Objekt umgewandelt, wenn ein String übergeben wird.

    Einheiten

    Waage

    Ein Array von Kartenmaßstäben in absteigender Reihenfolge. Die Werte im Array entsprechen dem Nenner des Kartenmaßstabs. Beachten Sie, dass diese Werte nur dann sinnvoll sind, wenn die Bildschirmauflösung des Clients von der Person, die die Anwendung konfiguriert, richtig erraten wird. Außerdem muss die Eigenschaft units ebenfalls gesetzt werden. Verwenden Sie stattdessen nach Möglichkeit Auflösungen.

    Auflösungen

    Eine Liste der Kartenauflösungen (Karteneinheiten pro Pixel) in absteigender Reihenfolge. Wenn dies nicht im Layer-Konstruktor festgelegt ist, wird es basierend auf anderen auflösungsbezogenen Eigenschaften (maxExtent, maxResolution, maxScale usw.) festgelegt.

    MaxExtent

    Die Mitte dieser Begrenzungen wird während des Schwenkens nicht außerhalb der Ansichtsfensterausdehnung verlaufen. Wenn displayOutsideMaxExtent auf false gesetzt ist, werden außerdem keine Daten angefordert, die vollständig außerhalb dieser Grenzen liegen.

    MinAusdehnung

    Maximale Auflösung

    Das Standardmaximum ist 360 Grad / 256 px, was der Zoomstufe 0 auf gmaps entspricht. Geben Sie in den Layer-Optionen einen anderen Wert an, wenn Sie keine geografische Projektion verwenden und die ganze Welt anzeigen.


    Openlayers 3 Max Extent - Geografische Informationssysteme

    MORIS/OLIVER-Entwicklerdokumentation

    Zuletzt aktualisiert: 26.06.2013
    Bei Fragen zu dieser Dokumentation wenden Sie sich an [email protected]

    Bitte beachten Sie: OLIVER gehört zu einer Familie von Anwendungen, die alle auf derselben Vorlage basieren. Einige der anderen Versionen umfassen MORIS (der MassGIS Online Data Viewer) und verschiedene MuniMapper wie Great Barrington. Dieses Benutzerhandbuch gilt für alle diese Anwendungen, daher können Sie OLIVER durch MORIS, MuniMappers usw. ersetzen, während Sie dieses Handbuch lesen.

    Dieses Dokument erklärt die Technologie hinter dem neuen OLIVER Online-Datenbetrachter. Der Code lautet: (c) 2010 Third Sector New England, Inc. im Auftrag der Massachusetts Ocean Partnership (jetzt SeaPlan). Dieser Code wurde von Applied Science Associates, Inc. und Charlton Galvarino entwickelt. Lizenz: Dieses Programm ist freie Software. Sie können es unter den Bedingungen der GNU General Public License, wie von der Free Software Foundation veröffentlicht, entweder Version 3 der Lizenz oder (nach Ihrer Wahl) jeder späteren Version, weitergeben und/oder modifizieren. Dieses Programm wird in der Hoffnung verbreitet, dass es nützlich ist, jedoch OHNE JEGLICHE GEWÄHRLEISTUNG, sogar ohne die stillschweigende Gewährleistung der MARKTFÄHIGKEIT oder EIGNUNG FÜR EINEN BESTIMMTEN ZWECK. Weitere Informationen finden Sie in der GNU General Public License. Zusätzlich zu den Bedingungen der GNU General Public License erklärt sich der Lizenznehmer mit dieser zusätzlichen Bedingung einverstanden: Der Lizenznehmer muss Third Sector New England und den SeaPlan per E-Mail an [email protected] und [email protected] benachrichtigen und mit eine Kopie aller "modifizierten Versionen" des früheren Werks, das dieser Lizenz unterliegt, oder eines Werks, das "auf" dem früheren Werk "basiert", das dieser Lizenz unterliegt. Laden Sie den OLIVER/MORIS-Code herunter.

    OpenLayers/GeoExt OLIVER ist ein Online-Mapping-Tool, das vom Massachusetts Office of Coastal Zone Management (CZM), dem Office of Geographic Information (MassGIS), SeaPlan (ehemals Massachusetts Ocean Partnership), Applied Science Associates (ASA) und Charlton Galvarino entwickelt wurde. Der Viewer ist konfigurierbar und daher gibt es derzeit mehrere ähnliche Viewer, die sich dieselbe Codebasis teilen. Aktuell haben wir diese Varianten (weitere sind in Planung):

    Großer Barrington MuniMapper: http://maps.massgis.state.ma.us/map_ol/great_barrington.php
    Zum 26.06.2013 waren MuniMapper für 63 Gemeinden verfügbar.

    Obwohl es möglich ist, den MORIS/OLIVER-Code auf einem Server auszuführen, der nicht der MassGIS maps.massgis.state.ma.us-Server ist, soll diese Dokumentation nicht alle erforderlichen Änderungen erläutern. MORIS/OLIVER-Versionen laufen am einfachsten auf dem Kartenserver, da dort bestimmte vorgenerierte Dateien gespeichert sind. Diese Dokumentation soll Benutzer mit den in MORIS/OLIVER verfügbaren Konfigurationsoptionen vertraut machen. MassGIS steht zur Verfügung, um mit Agenturen zusammenzuarbeiten, um ihre eigene "MORIS/OLIVER"-Anwendung zu entwickeln, die auf maps.massgis.state.ma.us gehostet wird.

    Der Viewer ist so konfiguriert, dass er Karten und Kartendaten von einem Webkartendienst (WMS) und einem Webfeature-Dienst (WFS) des Open Geospatial Consortium (OGC) erhält. Derzeit wird das MassGIS GeoServer-basierte WMS/WFS unter giswebservices.massgis.state.ma.us verwendet.

    Konfiguration per Permalink

    Der Viewer kann Permalinks erstellen, die den Viewer mit bestimmten anfänglichen Layern, Ausdehnungen, Grundkarten und Einheiten öffnen. Ein Beispiel-Permalink ist wie folgt: http://maps.massgis.state.ma.us/map_ol/moris.php?lyrs=Lighthouses

    Symbol, dann der GeoServer-Layer-Name, dann ein anderer

    und dann den Namen des GeoServer-Stils. Der Parameter bbox beschreibt die Ausdehnung mit den Koordinaten unten links und oben rechts. Der Parameter coordUnit gibt das Koordinatensystem an - die verfügbaren Werte sind derzeit: 'dms','dd','m'. Der Parameter measureUnit legt die Standardmaßeinheiten fest – die verfügbaren Werte sind derzeit 'm','mi','nm','yd','ft'. Der base-Parameter gibt den Grundkartentyp an, die derzeit verfügbaren Werte sind: custom, googleSatellite, googleTerrain, googleRoadmap, googleHybrid, openStreetMap. Der Parameter center (hier mit einem zusätzlichen , bitte nicht beachten) beschreibt den Mittelpunkt (hier in Google-Koordinaten) und der Parameter zoom ist die Zoomstufe für Google Maps.

    Ein Permalink, der aus der benutzerdefinierten Grundkarte erstellt wurde, die MA State Plane Mainland NAD 83 Meter ist, würde anders aussehen:

    Die Parameterwerte von lyrs und bbox sind gleich, aber die Basis ist anders (und ich habe auch die coordUnit geändert, damit sie der Basis entspricht). Der Zentrumsparameter wird jetzt im Koordinatensystem MA State Plane Mainland NAD 83 Meter beschrieben (die verwendeten Koordinaten stimmen mit der verwendeten Basiskarte überein). Der Parameter opacity listet die prozentuale Opazität für jede Ebene auf.

    Es wäre möglich, im Voraus Permalinks für eine Gruppe von geografischen Gebieten (z.

    Beachten Sie, dass der Wert des Parameters lyrs der Titel der Ebene ist. Dies ist nicht dasselbe wie der GeoServer-Titel. Dieser Titel stammt aus der Ordnerset-XML-Datei. Für MORIS ist dieser Ordnersatz http://maps.massgis.state.ma.us/temp/moris_folderset.xml. Für OLIVER ist der Ordnersatz http://maps.massgis.state.ma.us/temp/oliver_folderset.xml. Ein Titel erfasst sowohl das Dataset als auch die Stilinformationen. Diese beiden Permalinks verwenden beispielsweise beide den GeoServer-Layer massgis:GISDATA.LANDUSE_POLY.

    In den URLs wurden Leerzeichen mit dem Wert %20 URL-kodiert. Der im Beispiel 1971 verwendete Titel lautet Land Use 1971 21 Classes und im Beispiel 1999 Land Use 1999 21 Classes. Diese können in http://maps.massgis.state.ma.us/temp/oliver_folderset.xml eingesehen werden

    Das XML-Ordnerset muss für jede Layer-/Stilkombination eindeutige Titel haben. Es ist daher nicht möglich, einen Permalink für eine Layer/Style-Kombination zu erstellen, die nicht im Ordnerset-XML-Dokument dargestellt wird. Dies ist eine notwendige Einschränkung basierend auf der Art und Weise, wie der Viewer konstruiert wurde. Zeilen können jedoch problemlos zum Ordnersatz-XML-Dokument hinzugefügt werden. Weitere Informationen zum Ordnerset-XML-Dokument finden Sie weiter unten.

    Darüber hinaus haben die oben aufgeführten .php-Dateien einige Konfigurationsparameter, die die Betrachter voneinander unterscheiden können oder tun:

    Welche Ordner und Datenschichten im Fenster Verfügbare Datenschichten konfigurierbar sind. Verweisen Sie die Variable foldersetLoc auf eine über das Web zugängliche XML-Datei. Studieren Sie http://maps.massgis.state.ma.us/temp/moris_folderset.xml oder http://maps.massgis.state.ma.us/temp/oliver_folderset.xml als Beispiele für die Formatierung. Die Titel der Datenschichten müssen eindeutig sein, wenn unterschiedliche Stile verwendet werden. Die verfügbaren Werte für den Parametertyp umfassen pt, Linie, Polygon, Raster und Layergruppe (dies bezieht sich auf eine GeoServer-Layergruppe, die eine Sammlung von Layern und Stilen ist, die unter einem Namen zusammengefasst sind).

    - Erste Datenschichten
    Welche Datenschichten beim Starten der Anwendung angezeigt werden, kann mit der Variablen defaultLyrs konfiguriert werden. Die Variable enthält eine Liste von Layern, bestehend aus dem WMS-Namen und dem Titel (der im Fenster Aktive Datenlayer angezeigt wird). Die Titel der in der .php aufgelisteten Datenschichten müssen mit den Titeln im Ordnersatz übereinstimmen. Die Datenschichten werden in umgekehrter Reihenfolge aus der Liste gezeichnet. Mit anderen Worten, der erste Datenlayer in der Liste ist der unterste auf der Karte gezeichnete Datenlayer.

    - Ausgangsumfang
    Die anfängliche Ausdehnung oder der geografische Bereich, der beim Starten der Anwendung angezeigt wird, kann in der Variablen defaultBbox konfiguriert werden. Die Einheiten sollten in Dezimalgrad angegeben werden, mit der unteren linken Koordinate dann der oberen rechten Koordinate, wobei alle Zahlen durch Kommas getrennt werden. Probe: [-71.863711,41.028298,-69.174525,43.075512]

    - Maximaler Umfang
    In der Variablen maxBbox kann die maximale Ausdehnung oder der geographische Bereich (der am weitesten herausgezoomte Bereich) konfiguriert werden. Die Einheiten sollten in Dezimalgrad angegeben werden, mit der unteren linken Koordinate dann der oberen rechten Koordinate, wobei alle Zahlen durch Kommas getrennt werden. Probe: [-71.863711,41.028298,-69.174525,43.075512]

    - Anfängliche Grundkarte
    Die anfängliche Grundkarte kann in der Variablen defaultBase konfiguriert werden. Die derzeit verfügbaren Werte sind: custom, googleSatellite, googleTerrain, googleRoadmap, googleHybrid, openStreetMap. Derzeit ist das Massachusetts State Plane Mainland NAD83 Meter gebräuchlich. defaultBaseOpacity legt die Deckkraft der Grundkarte fest. Werte von 0 bis 1, wobei 1 vollständig undurchsichtig und 0 vollständig transparent ist.

    - Externe WMS-Schichten
    Externe WMS-Layer können von Nicht-MassGIS-Servern präsentiert werden. Da der Server maps.massgis.state.ma.us nicht auf das Internet zugreifen darf, sollten die GetCapabilities-Dokumente für diese Dienste heruntergeladen und lokal auf dem Server maps.massgis.state.ma.us gespeichert werden. Externe WMS-Server, die in 26986 angeboten werden, oder eine Web-Mercator-Projektion (zB 900913, 102113, 3857) können unterstützt werden.Die externen WMS-Layer werden auf den entsprechenden Grundkarten gezeichnet.

    - Ausgangskoordinatensystem
    Das anfängliche Koordinatensystem kann in der Variablen defaultCoordUnit konfiguriert werden. Die verfügbaren Werte sind derzeit: 'dms','dd','m'.

    - Standardmaßeinheiten
    Die Standardmaßeinheiten können in der Variablen defaultMeasureUnit konfiguriert werden. Die verfügbaren Werte sind derzeit 'm','mi','nm','yd','ft'.

    - Browsertitel
    Der Wert in der Titelleiste des Browsers kann in der SiteTitle-Variable konfiguriert werden. Der Wert dieser Variablen wird auch im Wert des Hilfemenüs, Über die Auswahl, verwendet.

    - Seiten-URL
    Die Site-URL sollte in der SiteURL-Variable konfiguriert werden. Wenn die Anwendung beispielsweise von http://maps.massgis.state.ma.us/map_ol/moris.php gestartet wird, sollte dies auch der Wert in der Variablen siteURL sein. Die Variable siteURL ist eine Komponente der Permalink-URL.

    - Hilfelinks
    Der Wert der Hilfelinks (im Menü Hilfe, Auswahl Hilfe) kann in den Variablen helpUrl1 und helpUrl2 konfiguriert werden. helpUrl1 verweist auf ein HTML-Dokument und helpUrl2 verweist auf ein PDF-Dokument, wie auf der Benutzeroberfläche angegeben.

    - Über den Link
    Der Wert der Info im Hilfemenü / Info-Dialogfeld kann in der moreInfoHTML-Variablen konfiguriert werden. Der Wert der Variablen sollte HTML sein und kann Tabellen, Image-Tags und Links enthalten. Die Variable moreInfoWidth kann verwendet werden, um die Breite der Infobox festzulegen.

    - WMS/WFS/WCS/KML-Speicherort
    Die Viewer unter maps.masasgis.state.ma.us verweisen auf die von MassGIS GeoServer unterstützten Web-Mapping-Services. Dies kann jedoch geändert werden. Die Variablen wfsUrl, wmsUrl, wcsUrl, kmlUrl, namespaceUrl und featurePrefix können in eine andere GeoServer-Instanz oder wahrscheinlich eine andere WMS-Instanz geändert werden. Hinweis: Die Kartenprojektion ist derzeit nicht konfigurierbar. Es sind zusätzliche Codeänderungen erforderlich, um die benutzerdefinierte Kartenprojektion von MA State Plane Mainland NAD83 Meter (EPSG 26986) in eine andere Projektion zu ändern.

    - Proxy-Standort
    Aufgrund der Same-Origin-Richtlinie des Browsers ist für den Client (derzeit von maps.massgis.state.ma.us bedient) ein Proxy-Skript erforderlich, um XML-Daten von giswebservices.massgis.state.ma.us anzufordern. Wenn Sie die Clientanwendung selbst hosten, ändern Sie den Wert der Variablen proxyLoc. Derzeit verwendet MassGIS ein Python-Skript namens proxy.cgi.

    - Verwendung der Google-Geokodierung
    Die Client-Anwendung verwendet den Google-Dienst für die Geokodierung. MassGIS hat ein Perl-Skript namens get, das dabei hilft. Um diese Einstellung zu ändern, bearbeiten Sie den Wert der Variablen proxyLocBing. Bearbeiten Sie auch den Wert der Variablen bingKey, um den Schlüssel für Ihre Google-Registrierung zu speichern. Stellen Sie sicher, dass die Variable bingDisabled auf true gesetzt ist, wenn Sie Google verwenden.

    - Zip-Service
    Die Client-Anwendung verwendet ein Perl-Skript namens mkzip, um die extrahierten Daten sowie unterstützende Metadaten und zusätzliche Dateien in eine .zip-Datei zu zippen, wenn der Benutzer diese Option wählt. Um den Speicherort des mkzip-Skripts zu ändern, bearbeiten Sie den Wert der mkzipCGI-Variablen. Das Skript mkzip gibt den Speicherort der gezippten Ausgabe an. Es wird empfohlen, den Inhalt von mkzipLoc regelmäßig mit einem Skript zu bereinigen. Die Variable mkzipLoc sollte auf den Servernamen gesetzt werden, auf dem die Anwendung gehostet wird. Es wird verwendet, um einen Link zu herunterladbaren Dateien zu erstellen.

    - OpenLayers-, ExtJS- und Proj4JS-Links
    Wenn Sie diese Anwendung auf Ihrem eigenen Server ausführen, ist es ratsam, auf lokale Kopien dieser Bibliotheken zu verweisen. Bearbeiten Sie diese Werte:

    Konfiguration der toolConfig_default.js

    Neben der Änderung der .php zur Konfiguration des Viewers kann eine weitere Datei namens toolConfig_yourname.js bearbeitet werden. Schaltflächen und Werkzeuge können ein- oder ausgeblendet oder Zoom-Dropdowns hinzugefügt werden. Die Referenz, welche toolConfig-Datei in einem Viewer verwendet wird, wird in der .php-Datei gesetzt. Es wird empfohlen, für jeden Viewer eine benutzerdefinierte toolConfig-Datei zu haben.

    - Schaltflächen oder Werkzeuge, die ein- / ausgeblendet werden können:

    Werkzeug "Identifizieren", Werkzeug "Nach Poly identifizieren", Google-Suchwerkzeug, Werkzeug Externe Datenlayer hinzufügen, Werkzeug Drucken, Werkzeug Datenexport, Werkzeug Messen, Werkzeug Kommentar, Werkzeug Zeichnen, Werkzeug Bearbeiten, Werkzeug ScaleBar, Werkzeug MapUnits, Werkzeug Grundkarten. Wir können in Zukunft weitere Schaltflächen und Tools konfigurieren, die optional sind.

    QuickZoom-Tools können eingerichtet werden. Sie sind Dropdowns, die ihre Werte aus der Datenbank lesen. OLIVER enthält einen QuickZoom, mit dem der Benutzer auf eine Stadt zoomen kann. QuickZoom-Tools können auch miteinander verknüpft werden. Wenn sich beispielsweise zwei Datenschichten ein Feld teilen, z. B. Städte und Schulen das Feld TOWN_ID, dann kann eine Dropdown-Liste für Städte eine Teilmenge in der zweiten Dropdown-Liste auslösen. Der Benutzer wählt beispielsweise Malden aus der ersten Dropdown-Liste aus, dann schränken die Werte der zweiten Dropdown-Liste ein, um nur Schulen in Malden einzuschließen. Der Benutzer wählt dann eine Schule aus und dann erfolgt der Zoom. Alternativ kann unabhängiges (nicht verknüpftes) QuickZoom angezeigt werden, wenn der Benutzer auf mehr als einen geografischen Bereich zoomen muss.

    Das Kommentarwerkzeug ist eine Option zum Eingeben von Daten in einen Punktdatenlayer. Soll ein Kommentar an einer bestimmten Stelle eingegeben werden. "Mein Haus ist hier." "Diese Schule ist geschlossen." Pro Betrachter kann nur eine Datenschicht kommentiert werden. Die Eingabe der Daten in die SDE-Datenbank erfolgt über ein Skript test_comment.php. Name und Speicherort des Skripts sind in der Datei toolConfig angegeben. Auf diese Weise unterscheidet es sich von den unten beschriebenen Zeichen-/Bearbeitungswerkzeugen. Diese Methode soll einen Punkt eingeben, der nicht abgerufen und erneut bearbeitet werden kann. Es kann eine Teilmenge von Datenschichtfeldern angegeben und Felder zum Ausfüllen verpflichtend gemacht werden. Dropdowns können mit Werten gefüllt werden, aber die Werte müssen in der toolConfig aufgelistet sein (sie werden nicht aus der Datenbank gelesen). Ein weiterer Datenlayer kann auf der Karte mit einer Obermenge des Namens angezeigt werden, wenn die ursprünglichen Datenwerte ausgeblendet werden sollen, der Benutzer jedoch den Punkt auf der Karte sehen soll (damit er überzeugt ist, dass er eingegeben wurde). Die aktuelle Demo verwendet keinen durch Benutzername/Passwort geschützten GeoServer-Layer, aber die test_comment.php könnte aktualisiert werden, um dies zu berücksichtigen. Derzeit kann die Datenschicht auf die Abfrage einzelner Funktionen beschränkt werden.

    Zeichen- und Bearbeitungswerkzeuge können zu einer Anwendung hinzugefügt werden. Die Datenschicht kann mit einem Benutzernamen und einem Kennwort geschützt werden, sodass nur autorisierte Benutzer Daten hinzufügen oder bearbeiten können. In einer Anwendung können mehrere Ebenen bearbeitet werden, in diesem Fall müssen sie jedoch den gleichen Benutzernamen/das gleiche Kennwort verwenden. Punkte, Linien oder Polygone können bearbeitet werden. Snapping und Splitting können verwendet werden (dies ist optional). Einschränkungen: Derzeitige Einschränkungen umfassen: alle Felder sind editierbar (keine Felder können von der Bearbeitung ausgeschlossen werden), alle Felder sind optional (der Benutzer kann nicht gezwungen werden, Daten für ein bestimmtes Feld einzugeben), es gibt keine Dropdown-Werte zum Ausfüllen von Feldern. Diese Verbesserungen werden im Frühjahr 2012 hinzugefügt. Wenn Benutzername/Passwort verwendet wird, muss https sowohl in der .php als auch in der URL verwendet werden, um auf die Anwendung zuzugreifen. Das Einrasten kann für jedes bearbeitete Datalyaer eingerichtet werden. Das Fangen kann auf mehr als einer Ebene erfolgen, einschließlich der Ebene, die gerade bearbeitet wird. Das Fangen findet auch dann statt, wenn der Layer, an dem gefangen wird, nicht auf der Karte gezeichnet wird. Das Fangen erfolgt sowohl an Linien als auch an Scheitelpunkten. Beim Einrasten wird der Benutzer aufgefordert, einen geografischen Bereich zu zeichnen, in dem das Einrasten erfolgen soll (um die entsprechenden Scheitelpunkte im Viewer zu sammeln). Features, die durch dieses gezeichnete Rechteck ausgewählt werden, werden jedoch vollständig verwendet. Derzeit ist es möglich, nur Linien mit Linien zu teilen.

    Es wurde eine Excel-Tabelle erstellt, die mehrere Beispiel-Viewer auflistet, die die verschiedenen in dieser Dokumentation erläuterten Konfigurationen demonstrieren.

    - Speicherort des GetCapabilities-Cache

    Damit die Client-Anwendung effizienter arbeitet, führt MassGIS als Vorproduktionsschritt ein Perl-Skript namens Slice_getcaps.pl aus. Das Skript Slice_getcaps.pl nimmt die Ausgabe der GetCapabilities-Anfrage an den MassGIS GeoServer (http://giswebservic es.massgis.state.ma.us/geoserver/wms?request= GetCapabilities &service=WMS&version=1.1.1) und wendet einige Logik, um die Informationen in separate Teile aufzuteilen und Stilinformationen und Skalierungsabhängigkeiten in diese Stile einzubeziehen. Die Position der Ausgabe des Skripts Slice_getcaps.pl kann in der Variablen xmlCacheLoc geändert werden. Außerdem wird eine getCapsBbox.js-JavaScript-Datei in diesem Cache-Verzeichnis verwendet, daher sollte diese Zeile geändert werden: < script type = "text/javascript"

    Laden Sie alle in dieser Dokumentation erwähnten Skripte herunter.

    Browsertypen und -versionen

    Ab Juni 2013 wurde MORIS ausführlich in den neuesten Versionen der Browser Firefox 21, Internet Explorer 10, Chrome 27 und Safari 5.1.7 getestet. Es hat sich in allen 4 Browsern bewährt. Es sollte auch in früheren Versionen dieser Browser gut funktionieren.


    Openlayers 3 Max Extent - Geografische Informationssysteme

    Zitationsinformationen:

    Datum:

    Datum: 25. Januar 2016
    Datumstyp: Erstellung (CI_DateTypeCode)
    Name der Organisation: Landesweites GIS-Programm von Hawaii
    Kontakt:

    Kontakt Anschrift:

    Email: [email protected]
    Organisationsname: Ozeanbeobachtungssystem der Pazifischen Inseln (PacIOOS)
    Kontakt:

    Kontakt Anschrift:

    Email: [email protected]

    Empfohlenes Datenzitieren: Landesweites GIS-Programm von Hawaii. 2016. Ankerplätze - Hawaii. Verteilt vom Pacific Islands Ocean Observing System (PacIOOS). http://pacioos.org/metadata/hi_sohdop_all_anchor_pts.html. Zugriff [Datum].

    Abstrakt:

    Zeigt die Punktposition von Ankerplätzen und Nichtankerplätzen für den Bundesstaat Hawaii an, wie auf NOAA-Seekarten aufgezeichnet. Dies sind Offshore-Gebiete außerhalb von Häfen, in denen Schiffe und Boote vor Anker liegen können, viele bieten natürlichen Schutz vor den Auswirkungen von Stürmen. Einige Ankerzonen haben Nutzungsbeschränkungen, während andere vollständig verboten sind. Diese sind hier durch die Markierungsfarbe gekennzeichnet. Siehe auch den zugehörigen Layer "Anchorage Zones - Hawaii" für zugehörige Polygongrenzen.

    Zweck:

    PacIOOS bietet zeitnahe, zuverlässige und genaue Meeresinformationen, um einen sicheren, sauberen, produktiven Ozean und eine widerstandsfähige Küstenzone in der Region der US-Pazifikinseln zu unterstützen.

    Kredit:

    Das Pacific Islands Ocean Observing System (PacIOOS) wird von der National Oceanic and Atmospheric Administration (NOAA) als Regional Association innerhalb des U.S. Integrated Ocean Observing System (IOOS) finanziert. PacIOOS wird von der University of Hawaii School of Ocean and Earth Science and Technology (SOEST) koordiniert.

    Anlaufstelle:

    Verantwortliche Partei:

    Name der Organisation: Landesweites GIS-Programm von Hawaii
    Kontakt:

    Kontakt Anschrift:

    Email: [email protected]

    Grafik durchsuchen:

    Dateibeschreibung:

    Beschreibende Schlüsselwörter:

    Schlüsselworttyp: Thema (MD_KeywordTypeCode)

    Stichwort: Geowissenschaften Menschliche Dimensionen Infrastruktur Transport Ankerplatz

    Stichwort Thesaurus:

    Zitationsinformationen:

    Titel: GCMD-Wissenschaftsschlüsselwörter

    Schlüsselworttyp: Ort (MD_KeywordTypeCode)

    Stichwort: Kontinent Nordamerika Vereinigte Staaten von Amerika Hawaii
    Stichwort: Ozean Pazifischer Ozean Zentraler Pazifischer Ozean Hawaiische Inseln

    Stichwort Thesaurus:

    Zitationsinformationen:

    Titel: GCMD-Standort-Keywords

    Schlüsselworttyp: Projekt (MD_KeywordTypeCode)

    Stichwort: PacIOOS Ozeanbeobachtungssystem der Pazifikinseln

    Stichwort Thesaurus:

    Zitationsinformationen:

    Titel: GCMD-Projekt-Schlüsselwörter

    Schlüsselworttyp: Rechenzentrum (MD_KeywordTypeCode)

    Stichwort: PacIOOS Ozeanbeobachtungssystem der Pazifikinseln

    Stichwort Thesaurus:

    Zitationsinformationen:

    Titel: GCMD-Rechenzentrum-Schlüsselwörter

    Aggregationsinformationen:

    Name des aggregierten Datensatzes:

    Zitationsinformationen:

    Titel: Ozeanbeobachtungssystem der Pazifischen Inseln (PacIOOS)

    Assoziationstyp:größereWorkCitation (DS_AssociationTypeCode)

    Art der Initiative:Projekt (DS_InitiativeTypeCode)

    Ressourcenbeschränkungen:

    Rechtliche Beschränkungen:

    Nutzungsbeschränkung:

    Die Daten dürfen kostenlos verwendet und weitergegeben werden, sind jedoch nicht für den legalen Gebrauch bestimmt, da sie Ungenauigkeiten enthalten können. Weder der Datenlieferant, die University of Hawaii, PacIOOS, die NOAA, der Bundesstaat Hawaii oder die Regierung der Vereinigten Staaten noch einer ihrer Mitarbeiter oder Auftragnehmer geben ausdrückliche oder stillschweigende Garantien ab, einschließlich Garantien der Marktgängigkeit und Eignung für einen bestimmten Zweck, oder übernimmt jede rechtliche Haftung für die Richtigkeit, Vollständigkeit oder Nützlichkeit dieser Informationen.

    Sprache:

    Themenkategorien (MD_TopicCategoryCode):

    Umfangsinformationen:

    Räumliche zeitliche Ausdehnung:

    Geografisches Element:

    Begrenzungskoordinaten:

    Dienstleistungen:

    Dienstidentifikation:

    Kennung: OGC-WFS

    Diensttyp: Open Geospatial Consortium Web Feature Service (WFS)

    Enthält Operation:

    Vorgangsname: GetCapabilities

    Online-Ressource:

    Verknüpfung: http://geo.pacioos.hawaii.edu/geoserver/PACIOOS/hi_sohdop_all_anchor_pts/ows?service=WFS&version=1.0.0&request=GetCapabilities
    Name: OGC-WFS
    Protokoll: OGC:WFS
    Beschreibung: Open Geospatial Consortium Web Feature Service (WFS). Zu den unterstützten WFS-Versionen gehören 1.0.0, 1.1.0 und 2.0.0. Zu den unterstützten Ausgabeformaten gehören CSV, GeoJSON, GeoJSON-P, GML, KML und Shapefile (Zipped).
    Funktion: herunterladen (CI_OnLineFunctionCode)

    Dienstleistungen:

    Dienstidentifikation:

    Kennung: OGC-WMS

    Diensttyp: Open Geospatial Consortium Web Map Service (WMS)

    Enthält Operation:

    Vorgangsname: GetCapabilities

    Online-Ressource:

    Verknüpfung: http://geo.pacioos.hawaii.edu/geoserver/PACIOOS/hi_sohdop_all_anchor_pts/ows?service=WMS&version=1.3.0&request=GetCapabilities
    Name: OGC-WMS
    Protokoll: OGC:WMS
    Beschreibung: Open Geospatial Consortium Web Map Service (WMS). Zu den unterstützten WMS-Versionen gehören 1.1.1 und 1.3.0. Zu den unterstützten Kartenformaten gehören AtomPub, GeoRSS, GeoTIFF, GIF, JPEG, KML/KMZ, PDF, PNG, SVG und TIFF. Zu den unterstützten Informationsformaten gehören GeoJSON, GeoJSON-P, GML, HTML und Nur-Text.
    Funktion: herunterladen (CI_OnLineFunctionCode)

    Dienstleistungen:

    Dienstidentifikation:

    Kennung: OGC-WMS-C

    Diensttyp: Open Geospatial Consortium Web Map Service – Zwischengespeichert (WMS-C)

    Enthält Operation:

    Vorgangsname: GetCapabilities

    Online-Ressource:

    Verknüpfung: http://geo.pacioos.hawaii.edu/geoserver/PACIOOS/gwc/service/wms?service=WMS&version=1.1.1&request=GetCapabilities&tiled=true
    Name: OGC-WMS-C
    Protokoll: OGC:WMS-C
    Beschreibung: Open Geospatial Consortium Web Map Service - Cached (WMS-C). Die Verwendung von WMS-C ähnelt dem herkömmlichen WMS, jedoch mit dem zusätzlichen Parameter "tiled=true", der GeoServer veranlasst, Kartenkacheln aus GeoWebCache zu ziehen, wenn sie zuvor generiert wurden. Dies kann die Leistung erheblich verbessern, insbesondere bei größeren Datasets. Zu den unterstützten Kartenformaten gehören JPEG und PNG. Zu den unterstützten Informationsformaten gehören GeoJSON, GML, HTML und Nur-Text.
    Funktion: herunterladen (CI_OnLineFunctionCode)

    Informationen zur Datenqualität

    Umfang:

    Abstammung:

    2016-01-25T00:00:00Z OGC-Webdienste (WMS und WFS) aktiviert von PacIOOS über GeoServer. Originaldaten vom Quellanbieter wurden möglicherweise neu formatiert, neu projiziert oder auf andere Weise angepasst, um diese Funktionen zu optimieren.


    Entwicklungsgeschichte

    Vor etwa 15.500 Jahren [1] zeichneten Cro-Magnon-Jäger Bilder der von ihnen gejagten Tiere an Höhlenwänden in der Nähe von Lascaux, Frankreich. [2] Mit den Tierzeichnungen verbunden sind Spurlinien und Zählungen, von denen angenommen wird, dass sie Migrationsrouten darstellen. Obwohl sie im Vergleich zu modernen Technologien einfach sind, ahmen diese frühen Aufzeichnungen die Zwei-Elemente-Struktur des modernen GIS nach, ein Bild, das mit Attributinformationen verbunden ist. [3]

    Im Jahr 1854 stellte John Snow einen Cholera-Ausbruch in London dar, indem er Punkte verwendete, um die Standorte einiger Einzelfälle darzustellen, möglicherweise die früheste Anwendung der geografischen Methode. [4] Seine Studie über die Verbreitung der Cholera führte zur Quelle der Krankheit, einer kontaminierten Wasserpumpe (der Broad Street Pump, deren Griff er zur Beendigung des Ausbruchs abtrennte) im Herzen des Cholera-Ausbruchs.

    Anfang des 20. Jahrhunderts entwickelte sich die "Fotolithographie", bei der Karten in Schichten unterteilt wurden. Die Entwicklung von Computerhardware, die durch die Kernwaffenforschung vorangetrieben wurde, führte in den frühen 1960er Jahren zu universellen Computer-"Mapping"-Anwendungen. [5]

    Im Jahr 1962 wurde in Ottawa, Ontario, Kanada, durch das Bundesministerium für Forstwirtschaft und ländliche Entwicklung das weltweit erste echte einsatzfähige GIS entwickelt. Es wurde von Dr. Roger Tomlinson entwickelt und wurde als "Canada Geographic Information System" (CGIS) bezeichnet und zum Speichern, Analysieren und Bearbeiten von Daten verwendet, die für das Canada Land Inventory (CLI) gesammelt wurden - eine Initiative zur Bestimmung der Landkapazität für ländliche Kanada durch Kartierung von Informationen über Böden, Landwirtschaft, Erholung, Wildtiere, Wasservögel, Forstwirtschaft und Landnutzung im Maßstab 1:50.000. Ein Rating-Klassifizierungsfaktor wurde ebenfalls hinzugefügt, um eine Analyse zu ermöglichen.

    CGIS war das weltweit erste "System" und war eine Verbesserung gegenüber "Mapping"-Anwendungen, da es Funktionen für Überlagerung, Messung und Digitalisierung/Scannen bereitstellte. Es unterstützte ein nationales Koordinatensystem, das den Kontinent umspannte, codierte Linien als "Bögen" mit einer echten eingebetteten Topologie, und es speicherte die Attribut- und Standortinformationen in separaten Dateien. Infolgedessen wurde Tomlinson als "Vater des GIS" bekannt, insbesondere für seine Verwendung von Overlays zur Förderung der räumlichen Analyse konvergenter geografischer Daten. [6] CGIS bestand bis in die 1990er Jahre und baute die größte digitale Datenbank für Landressourcen in Kanada auf. Es wurde als Mainframe-basiertes System zur Unterstützung der Ressourcenplanung und -verwaltung auf Bundes- und Landesebene entwickelt. Seine Stärke war die kontinentweite Analyse komplexer Datensätze. Das CGIS war nie in kommerzieller Form erhältlich.

    1964 gründete Howard T. Fisher das Laboratory for Computer Graphics and Spatial Analysis an der Harvard Graduate School of Design (LCGSA 1965-1991), in dem eine Reihe wichtiger theoretischer Konzepte zur Handhabung von Geodaten entwickelt und in den 1970er Jahren verbreitet wurden wegweisenden Softwarecode und -systeme wie 'SYMAP', 'GRID' und 'ODYSSEY' - die als wörtliche und inspirierende Quellen für die spätere kommerzielle Entwicklung dienten - für Universitäten, Forschungszentren und Unternehmen weltweit. [7]

    In den frühen 1980er Jahren entwickelten sich M&S Computing (später Intergraph), Environmental Systems Research Institute (ESRI) und CARIS (Computer Aided Resource Information System) als kommerzielle Anbieter von GIS-Software, die erfolgreich viele der CGIS-Funktionen integriert und den Ansatz der ersten Generation für Trennung von räumlichen und Attributinformationen mit einem Ansatz der zweiten Generation zum Organisieren von Attributdaten in Datenbankstrukturen. Parallel dazu begann in den späten 1970er und frühen 1980er Jahren die Entwicklung von zwei Public Domain-Systemen.[8] MOSS, das Map Overlay and Statistical System-Projekt, begann 1977 in Fort Collins, Colorado, unter der Schirmherrschaft des Western Energy and Land Use Teams (WELUT) und des US Fish and Wildlife Service. GRASS GIS wurde 1982 vom US Army Corps of Engineering Research Laboratory (USA-CERL) in Champaign, Illinois, einem Zweig des US Army Corps of Engineers, gegründet, um den Bedarf des US-Militärs an Software für Landmanagement und Umwelt zu decken Planung. Das Wachstum der Industrie in den späten 1980er und 1990er Jahren wurde durch die zunehmende Verwendung von GIS auf Unix-Workstations und dem Personal Computer vorangetrieben. Bis zum Ende des 20. Jahrhunderts wurde das schnelle Wachstum verschiedener Systeme auf relativ wenigen Plattformen konsolidiert und standardisiert, und die Benutzer begannen, das Konzept der Anzeige von GIS-Daten über das Internet zu exportieren, was Datenformate und Übertragungsstandards erforderte. In jüngerer Zeit gibt es eine wachsende Zahl kostenloser Open-Source-GIS-Pakete, die auf einer Reihe von Betriebssystemen laufen und an bestimmte Aufgaben angepasst werden können.


    GIS und Gesellschaft

    Mit der Popularisierung von GIS in der Entscheidungsfindung haben Wissenschaftler begonnen, die sozialen Auswirkungen von GIS zu hinterfragen. Es wurde argumentiert, dass die Produktion, Verteilung, Nutzung und Darstellung von geografischen Informationen weitgehend mit dem sozialen Kontext zusammenhängt. Einige Wissenschaftler befürchten beispielsweise, dass GIS zu einem Instrument der Omni-Überwachung für Diktaturen werden könnte. Andere verwandte Themen sind Diskussionen über Urheberrecht, Datenschutz und Zensur. Ein optimistischerer sozialer Ansatz für die Einführung von GIS besteht darin, es als Instrument für die Beteiligung der Öffentlichkeit zu verwenden.


    Schau das Video: Openlayers 6 Tutorial #9 - Interaction With Vector Features