Mehr

Abfragen von Postgis-Daten in R mit dem dplyr-Paket


Hat jemand einen Workflow zum Abfragen von Postgis-Daten in R mit dem dplyr-Paket?

R mag die räumlichen Spalten in Postgis-Daten nicht und kann sie daher nicht wie eine Postgres-Tabelle einlesen. Ich bekomme die Fehlermeldung:

Warnmeldung: In postgresqlExecStatement(conn, statement,…) : RS-DBI-Treiberwarnung: (nicht erkannte PostgreSQL-Feldtypgeometrie (id:17846) in Spalte 1)

Ich weiß, dass es andere Möglichkeiten gibt, räumliche Daten einzulesen, da ich nur einige Daten, die in R enthalten sind, mit R mit einer vorhandenen Postgis-Tabelle verknüpfen möchte. Ich versuche zu vermeiden, sie zuerst in ein Shapefile zu exportieren.


Sie können Daten laden vonpostgismit demrgdalPaket in R.

library(rgdal) library(sp) dbname = "yourdatabase" host = "yourhost" user = "AUser" pass = "ThisUsersPassword" name = "ASpatialTable" # Postgis-Tabelle dsn = paste0("PG:dbname='",dbname, "',host,"",user,"",pass,""") res = readOGR(dsn,name) plot(res)

Schreiben Sie sich eine Funktion drumherum und Sie können diese in Ihrem verwendendplyrRohre.


Data Science-Schulung in Pune

(5.0) 6987 Bewertungen 7089 Lernende

Live Instructor LED-Online-Schulung

Lernen Sie von zertifizierten Experten

  • Holen Sie sich das beste Training für Anfänger bis Fortgeschrittene.
  • Praktische Kurse für Anfänger und Fortgeschrittene
  • Schulungen auf Vorstufenniveau zu Data Science Tools.
  • Lebenslanger Zugang für Studentenportal, Studienmaterialien, Videos und Top-MNC-Interview-Fragen.
  • Beste Ansätze für angesagte Data Science-Konzepte mit Nominalkosten.
  • Geliefert von mehr als 9 Jahren zertifizierter Data Science-Experte | 12402+ Studenten ausgebildet und 350+ Kunden rekrutieren.
  • Nächster Data Science Batch startet diese Woche – Tragen Sie jetzt Ihren Namen ein!

Funktionsschieberegler

  • 40+ Std. Praktisches Training
  • 3+ Live Projekte für praktisches Lernen
  • 25+ Praktische Aufgaben
  • 24/7 Lebenslanger Zugriff auf Kursmaterial

Preis

INR 18000

Preis

INR 22000

Haben Sie Fragen? Fragen Sie unsere Experten

Rund um die Uhr für Ihre Anfragen erreichbar

Funktionsschieberegler

  • 40+ Std. Praktisches Training
  • 3+ Live Projekte für praktisches Lernen
  • 25+ Praktische Aufgaben
  • 24/7 Lebenslanger Zugriff auf Kursmaterial

In diesem Data Science-Kurs bei OMR, Chennai Wir decken Statistiken, Hypothesentests, maschinelles Lernen, KI-Konzepte, Deep Learning, Data Science-Algorithmen und Analysekonzepte ab. Data Scientist – Derjenige, der die Ausbildung und die intellektuelle Neugier hat, um Big Data zu entdecken. Auf der ganzen Welt entstanden mit Web2.0 Technologien und werden zu riesigen Datenmengen, die man verarbeiten kann. Data Science, auch als datengetriebene Wissenschaft bekannt, hilft Ihnen, Modelle, Methoden und Algorithmen zu erstellen, die einen praktischen Nutzen bieten. Data Science kann Ihnen und Ihrem Unternehmen einen Mehrwert bieten und hilft Ihnen, Best Practices zu übernehmen und sich auf kritische Probleme zu konzentrieren.

Data Scientist führt Aufgaben wie Recherche und Analyse von Daten durch und hilft Unternehmen, ihr Geschäft zu verbessern, indem sie Wachstum, Geschäftseinblicke und Trends auf der Grundlage von Big Data vorhersagen. Unsere Data Science-Schulung in OMR, Chennai Center wurde nach den Anforderungen der Industrie entwickelt und wird derzeit als einer der bevorzugten berufsorientierten Schulungsanbieter für Data Science eingestuft. Data Science ist auch das Training, Fragen zu stellen und Lösungen für unbekannte Probleme zu finden, die wiederum geschäftliche Werte motivieren. ACTE ist ein bahnbrechendes Data Science Training Institute, das erstklassige Data Scientists hervorbringt.

Data Science ist einer der am höchsten bezahlten Bereiche. Laut Glassdoor verdienen Data Scientists durchschnittlich 116.100 US-Dollar pro Jahr. Dies macht Data Science zu einer sehr lukrativen Karriereoption. Ein Data Scientist trägt viele Hüte an seinem Arbeitsplatz. Data Scientists sind nicht nur für Business Analytics verantwortlich, sie sind auch an der Entwicklung von Datenprodukten und Softwareplattformen sowie an der Entwicklung von Visualisierungen und Algorithmen für maschinelles Lernen beteiligt. Wenn Sie einer von denen sind, die versuchen, das Beste herauszufinden Data Science-Ausbildungsinstitute Mit Praktikum in OMR, Chennai dann sind Sie hier richtig. ACTE ist der beste Ort!

  • Batch-Schulung im Klassenzimmer
  • Einzelunterricht
  • Onlinetraining
  • Maßgeschneidertes Training
  • Jetzt kostenlos Demo-Kurs anmelden

Best Practices für berufsorientierte Module im Bereich Data Science

  • Üben Sie die Arbeitsfähigkeiten in Data Science mit Python, R-Programmierung, Statistik, maschinellem Lernen, künstlicher Intelligenz, Tableau, Deep Learning, Unix, Git und SQL.
  • ACTE bietet eine Vermittlungszelle, die Interviewsitzungen mit über 650 Einstellungsorganisationen anbietet.
  • MCSE Data Management and Analytics Certification und Guidance Support mit Prüfungsdumps.
  • Es eignet sich sowohl für Anfänger als auch für erfahrene Kandidaten aus jedem computerrelevanten Stream.
  • Die Schulungskandidaten erhalten die besten Übungen zu fortgeschrittenen Konzepten in Data Science-Projekten.
  • ACTE-Instruktoren helfen den Kandidaten, ihre Traumjob-Chancen zu ergreifen, indem sie das Mock-Interview durchführen.
  • Die Trainer werden die Kandidaten unterstützen und sie anleiten, einen Lebenslauf zu aktuellen industriellen Ausnahmen zu erstellen.
  • Das ACTE-Platzierungsteam wird die gemeinsamen Interviewfragen und -antworten, die Präsentationsfähigkeiten im Vorstellungsgespräch und die Branchendatensätze teilen.
  • Angemessene Tutoren und ausgezeichnete Laborausstattung.
  • Trainingskonzepte: Data Science, Bedeutung von Data Science in der heutigen digital getriebenen Welt, Komponenten des Data Science-Lebenszyklus, Big Data und Hadoop, Machine Learning und Deep Learning, R-Programmierung und R-Studio, Datenexploration, Datenmanipulation, Datenvisualisierung, logistische Regression, Entscheidungsbäume & Random Forest Unüberwachtes Lernen, Association Rule Mining & Recommendation Engine, Zeitreihenanalyse, Support Vector Machine - (SVM), Naive Bayes, Text Mining, Fallstudie.
  • BRINGEN SIE IHRE KARRIERE MIT EINEM DATA SCIENCE-KURS AUF, DER IHNEN IN NUR 60 TAGEN ZU EINEM JOB VON BIS ZU 6 LACS BEKOMMT!
  • Batch-Schulung im Klassenzimmer
  • Einzelunterricht
  • Onlinetraining
  • Maßgeschneidertes Training
  • Jetzt kostenlos Demo-Kurs anmelden

Platzierung

  • Wir sind mit Top-Organisationen wie HCL, Wipro, Dell, Accenture, Google, CTS, TCS IBM etc. verbunden. Dadurch sind wir in der Lage, unsere Studenten in Top-MNCs auf der ganzen Welt zu platzieren
  • Wir haben separate Studentenportale für die Vermittlung, hier erhalten Sie alle Interviewpläne und wir benachrichtigen Sie per E-Mail.
  • Nach Abschluss von 70% des Schulungsinhalts Data Science arrangieren wir die Interviewanrufe mit den Studenten und bereiten sie auf die F2F-Interaktion vor
  • Data Science-Trainer unterstützen die Studenten bei der Entwicklung ihres Lebenslaufs, der den aktuellen Anforderungen der Branche entspricht
  • Wir haben einen engagierten Abteilungsunterstützungsteam-Flügel, der Studenten dabei unterstützt, einen Praktikumsplatz entsprechend ihren Anforderungen zu finden
  • Wir werden Mock-Prüfungen und Mock-Interviews planen, um die GAP im Kandidatenwissen herauszufinden

ACTE TRAINING INSTITUTE PVT LTD ist das einzigartige Autorisierter Oracle-Partner, Autorisierter Microsoft-Partner, Autorisiertes Pearson Vue-Prüfungszentrum, Autorisiertes PSI-Prüfungszentrum, Autorisierter Partner von AWS und National Institute of Education (nie) Singapur.

KOSTENLOSER lebenslanger Zugang

Greifen Sie auf das Portal Ihres lebenslangen Studenten zu. Sie erhalten Studienmaterialien, Videos, aufgezeichnete Abschnitte und die wichtigsten Fragen zu MNC-Interviews.


Klassen von R-Paketen finden Sie am besten in einer Aufgabenansicht: http://cran.r-project.org/web/views/

Innerhalb der Aufgabenansichten wird die räumliche Ansicht eine große Anzahl von Optionen haben: http://cran.r-project.org/web/views/Spatial.html

Ein Teil der Komplexität besteht darin, dass es verschiedene Granularitäts- oder Zoomstufen gibt. Sie suchen wahrscheinlich nach etwas, das Polygone für Nationen und Polygone für Staaten/Provinzen innerhalb von Nationen hat. Das würde die Pakete "maps" und "mapsdata" am relevantesten machen. [Ich habe nicht genug Reputation, um Links zu diesen zu posten]

R-Tools lernen Sie am besten mit Vignetten. Daher ist eine Suche nach "R-Vignetten-Karten-Kartendaten" ein guter Anfang.

Das Kartieren von Daten ist ein großer Wachsball, denn viele verschiedene Disziplinen haben sehr unterschiedliche Bedürfnisse an ihre Daten, daher haben Sie Werkzeuge aus der GIS-Community, der räumlichen Statistik, der Geologie, der Politikwissenschaft usw. Die "Applied Spatial Data Analysis with R" ist ein schöner Überblick über die Arbeit mit Geodaten in R.


Abfragen von Postgis-Daten in R mit dem dplyr-Paket - Geographic Information Systems

Bioinformatik Advance Access veröffentlicht am 25. April 2015

phylogeo: ein R-Paket zur geografischen Analyse und Visualisierung von Mikrobiomdaten. Zachary Charlop-Powers* und Sean F. Brady Laboratory of Genetically Encoded Small Molecules, The Rockefeller University, 1230 York Avenue, New York, NY 10065, USA

ABSTRAKTE Motivation: Wir haben ein R-Paket namens phylogeo erstellt, das eine Reihe von geografischen Dienstprogrammen für sequenzierungsbasierte mikrobielle Ökologiestudien bereitstellt. Obwohl die geografische Lage von Proben ein wichtiger Aspekt der Umweltmikrobiologie ist, enthält keines der wichtigsten Softwarepakete, die bei der Verarbeitung von Mikrobiomdaten verwendet werden, Dienstprogramme, mit denen Benutzer die räumliche Dimension ihrer Daten kartieren und untersuchen können. phylogeo löst dieses Problem, indem es eine Reihe von Plot- und Mapping-Funktionen bereitstellt, die verwendet werden können, um die geografische Verteilung von Proben zu visualisieren, die Verwandtschaft von Mikrobiomen anhand der ökologischen Distanz zu untersuchen und die geografische Verteilung bestimmter Sequenzen zu kartieren. Durch die Erweiterung des beliebten phyloseq-Pakets und die Verwendung derselben Datenstrukturen und Befehlsformate ermöglicht phylogeo Benutzern, die geografischen Dimensionen ihrer Daten aus der Programmiersprache R einfach abzubilden und zu erkunden. Verfügbarkeit und Implementierung: phylogeo ist dokumentiert und frei verfügbar http://zachcp.github.io/phylogeo Kontakt: [email protected]

1 EINLEITUNG Die Tiefensequenzierung von Umweltmetagenomen bietet Wissenschaftlern eine Möglichkeit, die Struktur und Funktion von mikrobiellen Gemeinschaften einschließlich der meisten Mikroorganismen, die nicht im Labor kultiviert werden können, zu beurteilen. Im Verlauf einer typischen Mikrobiomstudie wird eine Reihe von Datensätzen generiert, die Rohsequenzierungs-Reads, Tabellen mit Clustered-Reads, taxonomische Tabellen, phylogenetische Bäume und Informationen zur Probensammlung umfassen können. Diese Daten können von einer Reihe von Computersuiten organisiert und analysiert werden, darunter QIIME (Caporaso, et al., 2010), mothur (Schloss, et al., 2009) und phyloseq (McMurdie und Holmes, 2013). Obwohl dies robuste Werkzeuge für die Datenverarbeitung sind, unterstützt keines von ihnen die Kartierung, ein wertvolles Werkzeug für die Hypothesengenerierung, das nicht nur den physischen Standort von Proben anzeigt, sondern auch grundlegende Fragen mit einer räumlichen Komponente beantworten kann (z pH- und Kohlenstoffgehalt verteilt? Wo befinden sich ökologisch ähnliche Proben? Gibt es Sequenzen nur in einer Region?). Um dieses Manko zu beheben, haben wir phylogeo entwickelt, ein R *To built

an wen die Korrespondenz gerichtet werden soll.

Paket mit einer Reihe von Funktionen zum Erstellen geographiezentrischer Diagramme von Mikrobiomdaten. phylogeo wurde als Erweiterung des phyloseq-Pakets entwickelt und aufgrund seines einfachen Designs und seiner hochwertigen, programmierbaren, ggplot-basierten (Wickham, 2009) Zahlen ausgewählt. Durch das Hinzufügen von Kartierungsfunktionen zu einem bereits vorhandenen Softwarepaket minimiert phylogeo den Aufwand für die Erstellung von Karten und erleichtert dadurch die Untersuchung der geografischen Beziehungen in Mikrobiom-Sequenzierungsdaten.

2 METHODEN phylogeo ist in R geschrieben und erweitert das häufig verwendete phyloseq-Paket um nur eine einzige zusätzliche Anforderung: dass die Datenrahmen-Kodierungs-Sample-Informationen eine Breiten- und Längengradspalte enthalten. Die Plot- und Mapping-Funktionen von phylogeo verwenden eine Reihe von Open-Source-R-Paketen für Mapping-, Netzwerk- und phylogenetische Analysen. [maps (Richard A. Becker und Minka, 2014), sp (Edzer J. Pebesma, 2005), ggplot2 (Wickham, 2009), gridExtra (Auguie, 2012), igraph (Nepusz, 2006), ape (Strimmer, 2004) ] Durch die Integration vieler bereits vorhandener Pakete, die geografische und phylogenetische Daten verarbeiten, erleichtert phylogeo die explorative Datenanalyse von Mikrobiomdaten.

3 BIOLOGISCHE ANWENDUNGEN Mikrobielle Ökologen interessieren sich dafür, wie sich mikrobielle Gemeinschaften unterscheiden und welche funktionelle Bedeutung und Ursachen diese Unterschiede haben können. Eine geographische Perspektive auf die Verteilung von Stichproben, ihre Beziehung zueinander und die Verteilung bestimmter Sequenzen kann ein informativer Teil der Hypothesengenerierung sein. und phylogeo unterstützt diesen Prozess, indem es eine Reihe von Werkzeugen bereitstellt, die in den frühen Stadien der Datenanalyse verwendet werden können sowie um Zahlen in Produktionsqualität mit der vollständigen Anpassbarkeit von ggplot zu erstellen. Wie in Abbildung 1 dargestellt, ermöglichen die Funktionen von phylogeo den Benutzern, die intrinsischen Eigenschaften von Proben (z. B. pH-, Stickstoff- und Kohlenstoffgehalt) abzubilden (Abbildung 1A), um zu zeigen, wie sich die mikrobiellen Populationen von Probe zu Probe unterscheiden (Abbildung 1 B, C). und um ungewöhnliche Verteilungen bestimmter metagenomischer Sequenzen zu erforschen (Abb. 1 D, E). Die grundlegendste Funktion von phylogeo, map_phyloseq, erstellt eine anpassbare Karte eines metagenomischen Datensatzes, die in einen interessierenden Bereich hineinzoomen, überfüllte Punkte versetzen und Farbe und Form verwenden kann, um die Datenzusammenhänge hervorzuheben.

© Der Autor (2015). Herausgegeben von Oxford University Press. Alle Rechte vorbehalten. Für Berechtigungen senden Sie bitte eine E-Mail an: [email protected]

Heruntergeladen von http://bioinformatics.oxfordjournals.org/ an der New York University am 27. April 2015

Mitherausgeber: Dr. Jonathan Wren

4 SCHLUSSFOLGERUNG Die geografische Komponente von Umweltmikrobiomen wurde in mikrobiellen Ökologiestudien teilweise aufgrund der Schwierigkeit, Mikrobiomdaten mit geografischen Darstellungswerkzeugen zu kombinieren, zu wenig erforscht. phylogeo ermöglicht es jedem Benutzer von R, einfach und reproduzierbar Karten zu erstellen, die die geografischen Muster in seinen Mikrobiomdaten zeigen.

Abb. 1. phylogeo erleichtert die Untersuchung der geografischen Dimensionen von Mikrobiom-Sequenzierungsdatensätzen, wie anhand der enthaltenen Datensätze gezeigt, um (A) eine vergrößerte Karte anzuzeigen, die eine Probeeigenschaften (pH) mit map_phyloseq anzeigt, (B) die paarweise geographischen und ökologischen Entfernungen aller Stichproben mit plot_distance, (C) ökologische Verwandtschaft der Stichprobe mit dem map_network, (D) Lokalisierung von Sequenzen durch die Stichproben, die sie mit map_tree bilden, und (E) die Lokalisierung von drei Sequenzuntermengen, die durch k-Means-Clustering mithilfe von map_clusters gefunden wurden . Code zur Nachbildung dieser Figuren ist Teil der webbasierten Dokumentation auf der phylogeo-Homepage.

mit jeder Probe einschließlich der intrinsischen Eigenschaften einer Probe und der Sequenzhäufigkeit (Abb. 1A). Diese Funktionalität kann mit den leistungsstarken Subsetting-Fähigkeiten von phyloseq kombiniert werden, um nur relevante Teile der Daten abzubilden (z. B. nur die Verteilung von Reads von Actinobacteria abzubilden), indem phyloseq verwendet wird, um den Datensatz vor der Kartierung zu unterteilen. map_phyloseq, dient auch als Grundlage für andere maßgeschneiderte Mapping-Funktionen von phylogeo

Finanzierung: Diese Arbeit wurde von den National Institutes of Health Fördernummer GM077516 (S.F.B.) und AI110029 (Z.C.P.) unterstützt. S.F.B. ist ein Early Career Scientist am Howard Hughes Medical Institute.

LITERATUR Auguie, B. (2012) gridExtra: Funktionen in Grid-Grafiken. Caporaso, J. G., et al. (2010)QIIME ermöglicht die Analyse von Hochdurchsatz-Community-Sequenzierungsdaten, Nature Methods, 7, 335–336. Edzer J. Pebesma, R.S.B. (2005)Klassen und Methoden für Geodaten in R, R News, 5, 9-13. McMurdie, P.J. und Holmes, S. (2013) phyloseq: An R Package for Reproduible Interactive Analysis and Graphics of Microbiome Census Data, PloS one, 8. Nepusz, G.C.a.T. (2006)Das igraph-Softwarepaket für komplexe Netzwerkforschung, InterJournal, Complex Systems, 1695. Richard A. Becker, A.R.W. und Minka, T. P. (2014) Karten: Geographische Karten zeichnen. Schloss, P. D., et al. (2009) Einführung von mothur: Open-Source, plattformunabhängige, von der Community unterstützte Software zum Beschreiben und Vergleichen mikrobieller Gemeinschaften, Angewandte und Umweltmikrobiologie, 75, 7537-7541. Strimmer, E.P.a.J.C.a.K. (2004) APE: Analysen der Phylogenetik und Evolution in der R-Sprache, Bioinformatics, 20, 289-290. Wickham, H. (2009) ggplot2: Elegante Grafiken zur Datenanalyse. Springer New York.

Heruntergeladen von http://bioinformatics.oxfordjournals.org/ an der New York University am 27. April 2015

um die Stichprobe-Stichproben-Beziehungen oder die geografische Verteilung bestimmter Sequenzen zu betrachten. Die Probenähnlichkeit, ein wichtiger Bestandteil von Mikrobiomstudien, wird anhand einer ökologischen Distanzmetrik wie der Jaccard-, Bray-Curtis- und UniFrac-Distanz berechnet (Lozupone und Knight, 2005 Oksanen, 2013). phylogeo bietet zwei Werkzeuge, um zu untersuchen, wie Vergleiche zwischen Stichproben mit der geografischen Entfernung korrelieren. Die Funktion plot_distance berechnet die ökologische und geografische Distanz zwischen jedem Probensatz und erstellt ein Streudiagramm, das einen globalen Überblick über die Beziehung zwischen geografischer Nähe und ökologischer Ähnlichkeit innerhalb eines Datensatzes bietet (Abb. 1B). Die zweite Funktion, map_network, erzeugt eine Karte, in der Probenstandorte durch Linien verbunden sind, wenn sie ökologisch ähnlicher sind als ein Schwellenwert (Abb. 1C). Wie bei den netzwerkbasierten Dienstprogrammen von phyloseq kann der Benutzer die Distanzmetrik und die Cutoff-Werte angeben, sodass der Benutzer die ökologische Ähnlichkeit zwischen den Proben schnell beurteilen kann. Wenn schließlich ein phylogenetischer Sequenzbaum verfügbar ist, bietet phylogeo zwei Funktionen, die es einem Benutzer ermöglichen, die Verteilung dieser Sequenzen im Raum zu betrachten. Diese Art der Analyse kann für Mikrobiologen von besonderem Nutzen sein, die Enzyme untersuchen, bei denen verschiedene Untergruppen einzigartige Aktivitäten aufweisen können, sodass sie visualisieren können, wo sich diese Untergruppen befinden. map_tree zeichnet einen phylogenetischen Baum von Sequenzen zusammen mit einer Karte von Probenorten, was es dem Benutzer ermöglicht, Sequenzen auf der Karte leicht zu lokalisieren (Abb. 1D), während map_clusters k-Means-Clustering verwendet, um den phylogenetischen Baum in k Ähnlichkeitsgruppen zu unterteilen und einzeln abzubilden diese Gruppen, um den Ort und die Fülle der Sequenzen zu zeigen. (Abb. 1E)


Wenn Sie möchten, dass Ihre HRATE eine öffentliche Webseite ist, benötigen Sie die Kontrolle über einen Linux-Server (ich miete einige Ubuntu-Server von einer Firma namens Linode - es gibt viele gute Firmen, die Server mieten).

Aber wenn Sie es nur für den persönlichen Gebrauch haben möchten, können Sie einen OSM-Stack auf einem Heim-PC mit Linux aufbauen. Sie könnten es verwenden, aber es wäre im Internet nicht sichtbar. Es würde gut funktionieren, wenn es über genügend Speicherplatz verfügt, aber möglicherweise etwas langsam ist. Das habe ich ursprünglich auf meinem alten Desktop gemacht, als ich in Seoul lebte, bevor ich mich entschied, einen Server zu mieten.

Es gibt mehrere Hauptteile, die auf einem Ubuntu (Linux)-Server installiert werden sollten - oder einer Gruppe von Servern, wenn Sie GROß werden wollen. Ich denke, OSM hat viele, viele Server und OGF hat mindestens zwei.

  1. ) LAMPEN-Stack. Dies ist üblich - manchmal ist es bei Rent-a-Servern vorinstalliert. Dies ist eine Datenbank, eine Web-Engine usw.
  2. ) PostgreSQL-Datenbankserver - der MySQL-Datenbankserver, der mit Ihrem LAMP-Stack geliefert wird, ist nicht leicht mit aktueller OSM-Software kompatibel, daher benötigen Sie diese andere Datenbank
  3. ) Bahnsport. Dies ist die /api, mit der Sie sich verbinden, um die Karte zu bearbeiten, und die Hauptkarten-Website (wie mein Arhet hier)
  4. ) Kachelserver. Dies ist der Kartenrenderer und alle Kartenkacheln (Tausende oder Millionen von .PNG-Bilddateien, die die zoombare Karte darstellen).

Projekte

Enthält Addfiles aus bestimmten Projekten.

  • Black Hills NF: Änderung der Phase II (24.05.2005, 0,08 MB)
    Addfiles, die in der Änderung der Phase II des Black Hills National Forest verwendet werden.
  • Shawnee National Forest: Planrevision (24.05.2005, 0,09 MB)
    Addfiles, die in der Shawnee National Forest Plan Revision verwendet werden.
  • Kootenai/Idaho Panhandle National Forest: KIPZ-Planrevision (24.05.2005, 0.11 MB)
    Im Kootenai/Idaho Panhandle National Forest verwendete Addfiles: KIPZ Plan Revision.

1/ Diese Schlüsselwortkomponentendateien werden vom Forest Health Technology Enterprise Team (FHTET) entwickelt und gepflegt. Diese Links führen zu Webseiten der FHTET-Website.