XiaoMi-AI文件搜索系统
World File Search SystemQGIS
我的会议笔记
在本次会议上，鲁奇和塔拉（Ruchi）和塔拉（Tara）反思了他们参与了由印度森林管理学院（IIFM）组织的两周培训计划“对女性科学家的地球信息学对女性科学家的应用”，从2024年11月18日至29日。上下文IIFM作为领先的林业研究机构，认识到地球信息学的组成部分，包括地理信息系统（GIS）和遥感，尤其是在森林火灾管理，水文学和气候数据分析等领域。IIFM一直积极地适应当前的地球信息学景观，包括重组研究生课程和通过机构联盟促进能力发展计划。该DST赞助的培训计划旨在培养林业，农业和盟友领域内的新能力，职业机会和研究重点。该计划于2024年11月18日至29日举行，并在Google Earth Engine和QGIS等工具上进行了动手培训，使参与者熟悉了新兴地区的地球信息学应用程序的基础知识。来自六个州的十二名参与者，代表包括林业，农业，兽医科学和污染控制委员会在内的各种背景，为期12天的计划。
Sylva Lestari Journal
在Kahayan Tengah森林管理部门（FMU）检查了基于管理部门的土地覆盖变更分析，以了解过去，现在和未来的土地覆盖，以协助Kahayan Tengah FMU的森林管理计划。这项研究旨在模拟2011年和2016年的土地覆盖变化，预测2021年，并在Kahayan Tengah FMU模拟2026年的土地覆盖率。使用QGIS插件中的molusce建模土地覆盖预测和模拟。结果表明，在2011 - 2016年期间，农业用地的总面积显着增加。通过人工神经网络方法对2011年和2016年的潜在土地覆盖过渡进行建模，在良好类别中，KAPPA系数为0.701，并且使用蜂窝自动机方法对2021年的土地覆盖率进行模拟显示，良好类别的Kappa系数为0.672。到2026年，农业用地将继续增加，而林地倾向于在其总面积保持稳定。这项研究设法在2021年预测了土地覆盖，并以良好的准确性模拟了2026年。因此，这些数据和信息可以支持Kahayan Tengah FMU的森林管理计划。
机载 LiDAR 衍生的数字高程模型...
摘要：地形机载 LiDAR 数据的使用已成为考古勘探的重要组成部分，并且对考古特定数据处理工作流程的需求是众所周知的。因此，令人惊讶的是，很少有人关注处理的关键要素：考古专用 DEM。因此，本文的目的是详细描述考古专用 DEM，提供其自动精度评估工具，并确定适当的网格分辨率。我们将考古专用 DEM 定义为 DEM 的子类型，它是从地面点、建筑物和四种形态类型的考古特征插值而来的。我们引入了一个置信度图（QGIS 插件），为每个网格单元分配一个置信度。这主要用于为每个考古特征附加一个置信度，这对于检测考古解释中的数据偏差很有用。置信度映射也是确定特定数据集最佳网格分辨率的有效工具。除了考古应用之外，置信度图还为分割提供了明确的标准，这是 DEM 插值中尚未解决的问题之一。所有这些都是朝着机载 LiDAR 在考古学中的一般方法成熟迈出的重要一步，这是我们的最终目标。
地理空间数据检索的自主GIS代理框架
* zhenlong@psu.edu摘要：由新兴的大语言模型（LLMS）提供支持，自主地理信息系统（GIS）代理有可能完成空间分析和制图任务。但是，存在一个研究差距来支持完全自主的GIS代理：如何使代理商发现和下载必要的数据进行地理空间分析。本研究提出了一个自主GIS代理框架，能够通过生成，执行和调试程序来检索所需的地理空间数据。该框架利用LLM作为决策者，从预定义的源列表中选择适当的数据源，然后从所选源中获取数据。每个数据源都有一个手册，可记录数据检索的元数据和技术细节。所提出的框架以插件样式设计，以确保灵活性和可扩展性。人类用户或自主数据刮擦者可以通过添加新手册来添加新的数据源。我们根据框架开发了原型代理，以QGIS插件（Geodata检索代理）和Python程序发布。实验结果证明了其从各种来源检索数据的能力，包括OpenStreetMap，美国人口普查局的行政界限和人口统计数据，来自ESRI World Imagery的卫星基本图，Opentopography.org的Global Digital Heipation.org，来自Opentopography.org的Global Digital Heipation.org，来自商业提供商的天气数据，来自Covid9 Case covid9 Case case the nytimmer github github github github。我们的研究是开发自主地理空间数据检索剂的首次尝试。
平均气温、降雨量和相对湿度之间的关联...
先前的研究已经指出气候变化与新发现的 2 型糖尿病 (T2D)、高血压 (HTN) 和肥胖症之间存在关联。然而，关于该主题的研究仍然很少，需要在其他地理位置进行进一步研究，特别是在菲律宾等热带国家。因此，在这项研究中，我们确定了温度、湿度和降雨量与菲律宾中吕宋岛新发 T2D、HTN 和肥胖症发病率之间的关联。这三种疾病的二手数据来自菲律宾卫生部的年度现场卫生服务信息系统。同时，气候数据来自菲律宾大气、地球物理和天文服务管理局的气候和农业气象数据科。然后将所有数据合并到结构化的 Microsoft Excel 电子表格中并进行统计分析。还使用 QGIS 绘制了该省疾病分布的热图。使用 Spearman 相关性，我们表明新发 T2D 与测试的所有三个气候变量显着相关，并且与平均温度具有很强的相关性。另一方面，新发高血压与平均气温和降雨量有显著相关性。未发现肥胖与此有任何关联，热图中也没有发现明显的疾病分布模式。据我们所知，这是菲律宾第一项探讨生活方式疾病与气候变量之间关系的研究。我们的研究结果表明，气候因素会影响疾病的发生，尤其是高血压和 2 型糖尿病。然而，需要进一步的纵向研究来验证这些说法。
矿石地质评论
有效的矿物前景映射（MPM）依赖于机器学习（ML）模型从地球物理数据中提取有意义模式的能力。然而，在矿物探索中，与整体地质景观相比，鉴定矿藏的存在通常是罕见的事件。这种稀有性导致了高度不平衡的数据集，其中积极实例（矿化样品）的频率大大低于负面实例（非矿化样品）。不平衡的数据可能会使ML模型偏向多数类，从而导致对主要兴趣的少数类别（矿化样本）的预测不准确。为了应对这一挑战，我们在这项研究中提出了两级方法。在数据级别上，我们采用了在培训数据集上运行的不平衡数据处理技术并更改类分布。在算法级别上，我们调整了模型的决策阈值，以平衡误报和假否定性之间的交易。实验结果是根据芬兰拉普兰的地球物理数据收集的。数据集表现出明显的类别不平衡，包括17个正样本与1个。84×10 6负样本。我们研究了处理不平衡数据对四个ML模型的性能的影响，包括多层感知器（MLP），随机森林（RF），决策树（DT）和逻辑回归（LR）。从结果来看，我们发现MLP模型实现了最佳的总体表现，使用合成少数民族过采样方法，平衡数据的总准确度为97.13％。随机森林和DT也表现良好，精度分别为88.34％和89.35％。这项工作的实施方法是在QGI中集成为新工具包，称为MPM的EIS工具包1。
使用地理信息系统和遥感
土地利用和土地覆盖的动态转变已成为有效管理自然资源的关键方面，以及对环境转变的连续监测。这项研究的重点是戈达瓦里河集水区域内的土地使用和土地覆盖（LULC）的变化，评估了土地和水资源开发的影响。利用2009年，2014年和2019年的Landsat卫星图像，该研究通过量子地理信息系统（QGIS）软件的SCP插件采用了监督分类。最大似然分类算法用于评估监督土地使用分类。七个不同的LULC类别 - 耕地，农业用地（休闲），贫瘠的土地，灌木土地，水和城市土地 - 用于分类目的。这项研究揭示了在2009年至2019年的十年中，Go-Davari盆地的土地使用方式发生了很大变化。使用三个卫星/Landsat图像，有监督的分类al-Gorithm和GIS中的分类后变更检测技术对土地使用/覆盖变化的空间和时间动态进行了定量。马哈拉施特拉邦戈达瓦里盆地的总研究区域包括5138175.48公顷。值得注意的是，建筑面积从2009年的0.14％增加到2019年的1.94％。灌溉农田的比例，2009年为62.32％，2019年降至41.52％。灌木土地在过去十年中见证了从0.05％增加到2.05％。主要发现突显了贫瘠的土地，农业用地和灌溉农田的大幅下降，并与林地，灌木土地和城市土地的扩张并列。分类方法的总体精度为80％，卫星图像的Kappa统计数据为71.9％。总体分类准确性以及2009年，2014年和2019年监督土地使用土地覆盖的Kappa价值
2018 – 2019 年水务行业 GIS 功能 - Spatial Vision
自上次调查以来，企业 GIS 的应用集成显著增加，特别是与资产管理系统的集成。对于其他企业系统，集成仍然主要是未来的挑战。 受访者表示，预计传感器技术（物联网或 IOT 的一个例子）的采用率将提高，企业数据共享率也将提高（即开放数据政策）。 与 2009 年相比，一个显著的改进是，权威地籍更新（增量或完整）的使用率更高。人们普遍报告称，难以访问其他第三方数据以进行更好的运营规划，例如电信、天然气和电力网络数据以及卫星图像数据。 相当一部分组织尚未部署基于 Web 的 GIS（因此错过了企业 GIS 系统的一些关键优势）。 虽然商业产品仍然是主要解决方案，但软件许可协议的成本以及获得技术支持和培训的机会被认为是桌面 GIS 和基于 Web 的企业 GIS 的重大问题。 免费和开源 (FOSS) 解决方案的使用有所增加，尤其是桌面使用（例如 QGIS）。然而，绝大多数当局并不认为开源对其组织的 GIS 做出了重大贡献。 高质量、准确的数据仍然是组织面临的主要挑战。数据验证和数据采集成本仍然很高（2009 年和 2018 年均如此）。人们对现代数据收集技术（例如无人机/无人机）通过降低成本、提高质量和缩短数据采集所需的时间来帮助改善这一问题的潜力表示了浓厚的兴趣。 使用移动技术和设备进行现场数据收集对大多数组织来说仍然具有挑战性。虽然移动测绘的使用有所增加，但几乎一半的当局尚未实施与其企业 GIS 集成的地理空间感知现场应用程序。只有少数当局成功开发了用于移动设备的地理空间网络跟踪。更多的当局尚未利用移动地理空间技术的进步来进行工作订单调度、高效的现场操作以及资产数据收集和验证。 目前只有三分之一的政府部门提供面向公众的 GIS 应用程序。从公众那里获取信息（众包）对大多数组织来说仍然是一个相对较新的业务领域。
Readme Chelsa - 高分辨率的气候...
Readme Chelsa - 地球表面积高分辨率的气候。1.1版Chelsa（http://chelsa-climate.org/）是高分辨率（30弧sec，〜1 km）的气候数据集，用于地球地面面积。版本1.0是第一个版本。它包括1979 - 2013年期间的每月和年平均温度和降水模式。chelsa_v1基于ERA临时全球循环模型（http://www.ecmwf.int/en/research/climate/climate-reanalysis/era inersy/ERAS）的准机械统计降低缩减（http://www.ecmwf.int scalime ofera） （https://www.ncdc.noaa.gov/ghcnm/）偏置校正。规格：高分辨率（30 Arcsec，〜1 km）降水量和温度每月覆盖1979 - 2013年掺入topocclimate（例如，地形降雨和风场）。缩小的ERA-Interim模型。允许根据每月值（例如干燥期长度等）计算派生参数。Chelsa的所有产品均位于参考WGS 84水平基准的地理坐标系中，水平坐标为小数为小数。Chelsa层的扩展（最小和最大纬度和经度）是从1- arc-second gmted2010数据继承的坐标系的结果，该数据本身从1- arc-second srtm数据继承了网格范围。请注意，由于输入GMTED2010数据的像素中心引用，每个Chelsa网格的全部范围由像素的外部边缘定义与纬度或经度的整数值不同，而纬度或经度的整数值为0.00013888888度（OR 1/2 Arc-Second）。基于Legacy Gtopo30产品的产品用户应注意，Chelsa（和GMTED2010）和GTOPO30的坐标参考并不相同。在gtopo30中，纬度和经度的整数线直接落在30弧秒的像素的边缘上。因此，当用基于GTOPO30的产品覆盖Chelsa时，将在相应30- arc-second像素的边缘之间观察到1/2弧形 - 第二位。数据集为Geotiff格式。可以使用标准GIS软件（例如：saga gis - （免费）http：//www.saga-gis.org/ arcgis -https：//wwwww.arcgis.com/ qgis-qgis- qgis-（免费） GIS-（免费）https：//grass.osgeo.org/从现在的1.0网格范围变化，现在类似于GMTED2010分辨率（十进制程度）的一个：0.00833333333西范围西范围（最小x配合，x配置，最小值）：-180.000.000.000.000.000.000.000.000.000.000.000.000.000.000138888 ymimuimum y mimum y -00 musitive y latitive 8.90 0.90：90.90：90.90。范围（最大X坐标，经度）：179.9998611111 NorthExtent（最大Y坐标，纬度）：83.9998611111行：20,800 Columsn：43,200 - 每月降水版本1.1现在具有GHCN偏置校正。
数字高程模型的空间形态分析...
简介。空间分析是任何 GIS 研究的顶峰。空间分析有四种传统类型：表面分析、空间叠加和邻接分析、线性分析和栅格分析。数字高程模型 (DEM) 的空间分析是一项复杂的科学任务。DEM 是相对于任何参考基准的陆地表面高程的数字表示。DEM 经常用于指代地形表面的任何数字表示。DEM 是地形数字表示的最简单形式。DEM 用于确定地形属性，例如任意点的高程、坡度、坡向。DEM 广泛用于水文和地质分析。DEM 的水文应用包括地下水建模、确定滑坡概率、洪水易发区制图。DEM 是土壤状态、景观和栖息地建模的基础。DEM 的空间结构形态分析可以看作是景观及其地质生态状态信息清单的一种方法。该技术能够综合有关侵蚀-积累过程强度不同的景观位置的信息。此类信息对于组织区域平衡的自然管理系统至关重要。调查方法。许多 GIS 软件应用程序既有商业来源也有开源来源。有两个流行的应用程序：ArcGIS 和 QGIS。本研究使用 ArcGIS 工具和 Topo to Raster 方法进行了研究，以创建特定的 DEM 模型。地形转栅格是一种专门的工具，用于从地形组件（例如高程点、等高线、河流线、湖泊多边形、汇点和研究区域边界多边形）的矢量数据创建符合水文要求的栅格表面。此工具应用于本地级研究。应用 TIN 建模为数据不足的区域生成附加数据，以进行正确的地形转栅格插值。ArcGIS Spatial Analyst Extension Toolkit 中的水文建模工具可以描述表面的物理组成部分。水文工具使我们能够确定流向、计算流量累积、描绘流域并创建河流网络。DEM 的空间分析用于形态景观组织的建模，与 Philosofov (1960) 提出的地形形态研究方法有关。其本质是由对由 DEM 创建的划定流域和流积表面应用数学运算决定的。调查结果。地形地貌测量在过去几十年中得到了广泛的发展，在方法论和研究主题领域取得了重要成果。针对最常见的地形参数 - 测高、坡度、坡向、带状剖面、线纹和排水密度、表面粗糙度、等基线和水力梯度，提出了一种将 GIS 和统计学整合到地形分析中的方法。地貌分析的有效方法是结构地形学和地形测量学，它们以前基于地形图分析，现在基于可靠的 DEM。DEM 是地形的网格化数字表示，每个像素值对应于基准面以上的高度。自 Miller 和 Laflamme (1958) 的开创性工作以来，DEM 已发展成为许多科学应用不可或缺的一部分。DEM 可以通过地面调查、数字化现有硬拷贝地形图或通过遥感技术创建。DEM 现在主要使用遥感技术创建。遥感技术包括摄影测量 (Uysal et al., 2015; Coveney and Roberts, 2017)、机载和星载干涉合成孔径雷达 (InSAR) 和光检测和测距 (LiDAR)。星载 InSAR 是创建全球 DEM 的最常用技术，也是最广泛使用的开放获取全球 DEM 背后的技术；航天飞机雷达地形测绘任务 (SRTM)。与其他全球 DEM 相比，SRTM 具有可访问性、特征分辨率、垂直精度以及更少的伪影和噪声，因此仍然是最受欢迎的全球 DEM（Rexer 和 Hirt，2014；Jarihani 等人，2015；Sampson 等人，2016；Hu 等人，2017）。评估 SRTM 数据的准确性（Farr，T. G.，P. A. Rosen 等人。(2007)，Rodriguez，E.，C. S. Morris 等人。(2005) 允许将其用于区域研究。SRTM 数据被定义为不足以在本地研究中生成可靠的 DEM。