Mehr

Auswahl des Kartenmaßstabs (1:nnn) für die gegebene Rasterdimension


Ausgangspunkte:

  • lassen Sie die Rasterbildgröße definieren, sagen wir: 1800x900 Pixel
  • Ich möchte meine eigene Rasterbildkarte zeichnen - indem ich Polygone z.B. mögen "Linie von Pixel mit Koordinaten x100y100 zu Pixel x100y103 zeichnen"
  • es ist einfach, die geographischen Koordinaten des Datensatzes in Pixelkoordinaten umzuwandeln
  • kann aus 3 Datensätzen wählen, jeder hat unterschiedliche Rahmen
    • 1:10mil
    • 1:50mil
    • 1:110mil

Die Frage ist:

  • wie man das benötigte Dataset auswählt (also wie man den benötigten Kartenmaßstab wählt)
  • um die Karte der gegebenen realen Dimension zu zeichnen (z.B. ganze Erde oder Fläche von 2000x1000km)
  • mit minimalisierendem mehrfachen Zeichnen derselben Linie, z.B. Subpixel-Koordinaten zu minimieren?

Wahrscheinlich ist die Frage schlecht formuliert, also versuche sie genauer zu erklären:

  • Die "Breite" der Erde beträgt ca. 40.000km.
  • z.B. für das Bild der Breite 1800 Pixel ist 1 Pixel 22km.
  • Zeichnen Sie also die Weltkarte auf ein 1800x900-Bild aus allen Daten, die eine höhere "Auflösung" haben als 22km/Pixel ist sinnlos, da eine Linie von einem Pixel mit den Koordinaten x100y100 bis x100y100 gezogen werden muss (z.B. vom angegebenen Pixel zum gleichen Pixel, weil die Kartendaten unnötig zu präzise sind und nach der Konvertierung in Pixel das Ergebnis das gleiche Pixel ergibt)
  • Also, wie kann man die erforderliche Dataset-Skala bestimmen?

Hoffe jetzt ist es klarer - sorry, mein Englisch ist nicht meine Muttersprache...

Ich habe hier viele Fragen gelesen, wie zum Beispiel:

  • Dimensionsanalyse/Konvertierungsproblem: Abbildungsmaßstab auf Bildauflösung (dpi)
  • Wie kann man die Weltkartengröße in Pixeln anhand dieser Daten bestimmen?
  • Mapserver, TMS, skaliert Zoomstufen und wie man damit umgeht
  • und viele andere - aber noch keinen vernünftigen "Algorithmus" gefunden.

Skalieren von Grafiken für ein Banner [Duplikat]

Ich wurde gebeten, ein großes Banner mit der Größe von 46 x 81 Zoll zu erstellen und die einzige andere Information, die ich bei diesem Projekt erhielt, ist, dass es mit 300 dpi gedruckt werden würde.

Welche Dokumentgröße und Auflösung soll ich erstellen und wie haben Sie das berechnet?

Welche Art von Informationen sollte ich beim nächsten Entwurf für einen Großdruck anfordern?

Dieses Bild enthält eine Sammlung mehrerer kleinerer Rasterbilder. Wie können sie gut aufgeblasen aussehen?

Edit: Ich entschuldige mich, dass ich nicht ganz klar war. Ich denke, meine Frage ist, wenn ich ein Bild produziere, das auf einen Raum von 46 x 81 passen muss, sollte ich ein Bild mit 46 x 81 oder ein kleineres Bild mit demselben Seitenverhältnis entwerfen?


Geo-Raumanalyse mit GIS und GPS

Nach den 1980er Jahren hat die Neuordnung der Weltmärkte durch die globale Durchdringung westlicher Konsumwerte die Konsumfunktionen der meisten Volkswirtschaften erweitert und neue Konsumräume geschaffen. Allerdings haben sozioökonomische und kulturelle Kräfte globale Wirtschaftsprozesse in verschiedenen Ländern unterschiedlich interpretiert und ähnliche wie auch gegensätzliche Kompositionen hervorgebracht. Auch in Entwicklungsländern haben sich trotz der Durchdringung der globalen Konsumwerte mit einer Modernisierung der Einzelhandelsformen ausgeprägte Einzelhandelsstrukturen herausgebildet.
In der Humangeographie führte einerseits das Aufkommen der politökonomischen Perspektive und andererseits der Cultural Turn in der kritischen Humangeographie zum Aufkommen der sogenannten „neuen Geographie“-Perspektive im Einzelhandel. Dann verlagerte das Studium der Handelsgeographie den Fokus weg von der Homogenisierung hin zur Differenzierung von Handelsflächen. In Entwicklungsländern verlagerte sich die Debatte unter den Annahmen einer neuen Einzelhandelsgeographie weg von der Vorstellung der Einzelhandelstransformation als allmähliche Ablösung traditioneller Formen durch Filialisten hin zur Komplementarität von Tradition und Moderne im Zuge der Modernisierung.
In der Türkei und in Istanbul kam es in den 1980er Jahren zu einer spürbaren Verbreitung von Supermärkten als neue Konsumräume. Der Wandel im Einzelhandel hat besondere Stadtlandschaften geschaffen und qualitative Unterschiede zwischen den verschiedenen Bereichen hervorgebracht. Daher wurde es immer wichtiger, einen geografischen Rahmen zu entwickeln, um die Transformation des Einzelhandels in einem kulturellen, sozialen und wirtschaftlichen Kontext zu analysieren, wie es die neue Geographie des Einzelhandels nahelegt, um zu verstehen, warum und wie Istanbul innerhalb der Welt, der Türkei und selbst unterschiedliche Konsumräume geschaffen hat.

Schlüsselwörter: Konsum und Einzelhandel, neue Einzelhandelsgeographie, Entwicklungsländer, Istanbul, Selbstbedienungssupermärkte.

DEĞİŞEN KENTSEL TÜKETİM VE PERAKENDE COĞRAFYASI TEORİSİ – GELİŞMEKTE OLAN ÜLKELER PERSPEKTİFİNDEN İSTANBUL DA 1990 SONRASI DÖNEMDE DÖNÜŞEN PERAKENDE PEYZAJININ MEKANSAL YANSIMALARI

Doktora, Şehir ve Bölge Planlama Bölümü

Tez Danışmanı: Doç. Dr. Murat Güvenç

1980’lerden sonra dünya pazarlarının tüketim değerlerinin küresel düzeyde yayılarak yeniden yapılanması, birçok ekonomide tüketim fonksiyonlarının çoğalmasına ve timyeni tü Ancak sosyo-ekonomik ve kültürel güçler küresel ekonomik süreçleri farklı ülkelerde farklı şekillerde algıladı ve benzer olmanın yanı sıra karşıt yapılar üretti. Benzer şekilde gelişmekte olan ülkelerde küresel tüketim değerlerinin yayılması ve beraberinde gelen perakende formlarının modernizasyonu farklı perakende yapıları oluşturdu.
Sosyal coğrafyada bir yandan politik ekonomi yaklaşımı, diğer tarafta eleştirel sosyal coğrafyadaki kültürel dönüm, perakende çalışmalarında yeni perakande coğrafyası yaklaşımının ortayabe. Bu yaklaşım sonucunda perakende coğrafyasının temel odağı perakende mekanlarının aynılaşıyor olduğu kabulünden farklılaşıyor olduğu kabulüne doğru yöneldi. Yeni perakende coğrafyasının varsayımları penceresinden bakıldığında gelişmekte olan ülkelerde ise perakendecilikde dönüşüm, modernleşme sürdükçe gelenekselin yerini yavaş yavaş modernin.
1980’ler Türkiye’de ve Istanbul’da süpermarketlerin gözle görülür şekilde yeni tüketim mekanları olarak yayıldığına tanıklık etti. Perakendecilikte yaşanan bu dönüşüm kendine hat tüketim peyzajları yarattı ve bunun sonucunda da farklı bölgeler birbirinden nitelik olarak farklı tüketim alanları olarak ortaya çıktı. Istanbul'da, yeni perakende coğrafyasının önerdiği gibi, perakendedeki dönüşümün mekansal çerçevede analizini kültürel, sosyal ve ekonomik bağlamda ele almanın ve İstanbul'un Dünyada, Türkiye'de ve kendi içinde neden ve nasıl farklı Tüketim mekanları ürettiğinin anlaşılmasının ONEMI giderek arttı.

Anahtar kelimeler: tüketim ve perakende, yeni perakende coğrafyası, gelişmekte olan ülkeler, Istanbul, self-servis süpermarketler


Ein GIS für das Bewässerungsmanagement

Diese Arbeit beschreibt die Entwicklung, Betriebsfunktionen und räumliche Modellierungsanwendungen eines auf Geoinformationssystemen (GIS) basierenden Bewässerungsmanagementsystems, das von Bewässerungskonsortien und lokalen Regierungsinstitutionen verwendet werden soll. Das System stellt Werkzeuge zur Erkundung von bewässerungsrelevanten raumbezogenen Datenbanken und zur Bewertung von Bewässerungsszenarien unter unterschiedlichen Boden-, Klima- und Bewirtschaftungsbedingungen bereit. Das Bewässerungswassermanagementsystem verwendet ArcView GIS und die Programmiersprache Avenue für die Anpassung von GIS-Anwendungen und das Design neuer Werkzeuge zur Modellierung des Bewässerungswasserbedarfs und zur Identifizierung von Gebieten mit Wassermangel. Der Bewässerungsbedarf kann unter Berücksichtigung verschiedener Szenarien des Anbaumusters, der klimatischen Bedingungen (von trockenem bis nassem Jahr), der angewandten Bewässerungsmethode, der für die Bewässerung verfügbaren Wassermenge und der hydraulischen Eigenschaften des Wasserverteilungssystems geschätzt werden. Das Bewässerungswassermanagementsystem läuft auf verschiedenen Ebenen sowohl der Bewässerungseinheiten (vom Bewässerungsfeld bis hin zu den Bewässerungskonsortien) als auch der Verwaltungseinheiten (von der Gemeinde bis zur Region). Die Integration von räumlichen Klima- und Bodendaten basiert auf dem „False-Raster“-Format, einer Vektorschicht aus regelmäßigen quadratischen Gitterzellen. Die Größe der Simulationseinheiten ist eine Funktion der betrachteten Fläche, was bedeutet, dass die Erkundung der GIS-Datenbank und die Entwicklung von Bewässerungsszenarien detailliertere Daten auf Feld- und Gemeindeebene und weniger Informationen auf Konsortien- und regionaler Ebene liefern. Ein Beispiel für die Betriebsfunktionalität des GIS-basierten Bewässerungswassermanagementsystems wird für die Region Apulien in Süditalien gegeben.


Verweise

M.-F. Aculair-Fortier, D. Ziou, C. Armenakis und S. Wang. „Überblick über die Arbeiten zum Straßenabbau in Luft- und Satellitenbildern“. Technischer Bericht. Universität Sherbrooke, (2000).

P. Agouris, A. Stefanidis und S. Gyftakis. „Differenzschlangen zur Änderungserkennung in Straßenabschnitten“. Photogrammetrische Technik und Fernerkundung, vol. 67(12):1391–1399, Dezember 2001.

T. Barclay, J. Gray und D. Stuz. „Microsoft TerraServer: ein Geodaten-Warehouse“. In den Proceedings of ACM SIGMOD 2000, 307–318 2000.

M. D. Berg, M. V. Kreveld, M. Overmars und O. Schwarzkopf. „Computergeometrie: Algorithmen und Anwendungen“, Springer-Verlag 1997.

R. Cao und C. L. Bräunen. „Text/Grafik-Trennung in Karten“. In den Proceedings of the 4th International Workshop on Graphics Recognition Algorithms and Applications, Ontario, Kanada, S. 167–177, 7.–8. September 2001.

D.E. Cardoze und L. J. Schulman. „Mustervergleich für räumliche Punktmengen“. In den Proceedings of IEEE Symposium on Foundations of Computer Science, 156–165 1998.

C.-C. Chen. „Automatische und genaue Zusammenführung von Straßenvektordaten, Straßenkarten und Orthobildern“. Ph.D. Dissertation. Fachbereich Informatik. Universität von Südkalifornien. Los Angeles, Kalifornien, 2005.

C.-C. Chen, C. A. Knoblock und C. Shahabi. „Automatische Zusammenführung von Straßenvektordaten mit Orthobildern“. Geoinformatik, vol. 10(4):495–530, Dezember 2006.

C.-C. Chen, C. A. Knoblock, C. Shahabi, Y.-Y. Chiang und S. Thakkar. „Automatische und genaue Zusammenführung von Orthobildern und Straßenkarten“. In den Proceedings of the 12th ACM International Symposium on Advances in Geographic Information Systems (ACM-GIS’04), ACM Press, Washington, D.C, S. 47–56, 2004, 12.–13. November.

C.-C. Chen, C. Shahabi, C. A. Knoblock und M. Kolahdouzan (2006a). „Automatisches und effizientes Abgleichen von Straßennetzen mit räumlichen Attributen in unbekannten Geometriesystemen“. In den Proceedings of the Third Workshop on Spatio-Temporal Database Management (gemeinsam mit VLDB2006), Seoul, Korea, S. 1–8, September 2006.

C.-C. Chen, S. Thakkar, C.A. Knoblok und C. Shahabi. „Automatisches Annotieren und Integrieren von Geodatensätzen“. In den Proceedings of the International Symposium on Spatial and Temporal Databases, LNCS 2750, Springer-Verlag, Santorini Island, Griechenland, S. 469–488, 24.–27. Juli 2003.

L. P. Chew, M. T. Goodrich, D. P. Huttenlocher, K. Kedem, J. M. Kleinberg und D. Kravets. „Geometrische Musterabgleich unter euklidischer Bewegung“. In den Proceedings of the Fifth Canadian Conference on Computational Geometry, S. 151–156, 1993.

Y.-Y. Chiang, C. A. Knoblock und C.-C. Chen. „Automatische Extraktion von Straßenkreuzungen aus Rasterkarten“. In den Proceedings of the 13th ACM International Symposium on Advances in Geographic Information Systems, Bremen, Deutschland, S. 267–276, 4.–5. November 2005.

M. Cobb, M. J. Chung, V. Miller, H. I. Foley, F. E. Petry und K. B. Shaw. „Ein regelbasierter Ansatz für die Zusammenführung von attributierten Vektordaten“. GeoInformatica, vol. 2(1):7–35, 1998.

P. Dare und ich. Dowman. „Ein neuer Ansatz zur automatischen merkmalsbasierten Registrierung von SAR- und SPOT-Bildern“. Internationales Archiv für Photogrammetrie und Fernerkundung, vol. 33(B2):125–130, 2000.

S. Filin und Y. Doytsher. „Ein linearer Konflationsansatz für die Integration von photogrammetrischen Informationen und GIS-Daten“. Internationales Archiv für Photogrammetrie und Fernerkundung, vol. 33: 282–288, 2000.

M. A. Fischler und R. C. Bolles. „Zufallsstichprobenkonsens: ein Paradigma für die Modellanpassung mit Anwendungen zur Bildanalyse und automatisierten Kartographie“. Mitteilungen des ACM, vol. 24(6):381–395, 1981.

M. Flavie, A. Fortier, D. Ziou, C. Armenakis und S. Wang. „Automatisierte Aktualisierung von Straßeninformationen aus Luftbildern“. In den Proceedings of American Society Photogrammetry and Remote Sensing Conference, Amsterdam, Holland, 16.–23. Juli 2000.

M. F. Goodchild und G.J. Jäger. „Ein einfaches Maß für die Positionsgenauigkeit für lineare Merkmale“. Internationale Zeitschrift für Geographische Informationswissenschaften, vol. 11(3):299–306, 1997.

A. Habib, Uebbing, R., Asmamaw, A. „Automatische Extraktion von Primitiven zur Zusammenführung von Rasterkarten“. Technischer Bericht. Das Zentrum für Kartierung, Ohio State University, 1999.

H. Hild und D. Fritsch. „Integration von Vektordaten und Satellitenbildern zur Geokodierung“. Internationales Archiv für Photogrammetrie und Fernerkundung, vol. 32 (Teil 4): 246–251, 1998.

J.-R. Hwang, J.-H. Oh und K.-J. Li. „Abfragetransformationsmethode durch Delaunay-Triangulation für verteilte räumliche Datenbanksysteme mit mehreren Quellen“. In den Proceedings of the 9th ACM Symposium on Advances in Geographic Information Systems, S. 41–46, 9.–10. November 2001.

S. Irani und P. Raghavan. „Kombinatorische und experimentelle Ergebnisse für randomisierte Punktvergleichsalgorithmen“. Computergeometrie, vol. 12(1–2):17–31, 1999.

M. T. Musavi, M. V. Shirvaikar, E. Ramanathan und A.R. Nekovei. „Eine visionsbasierte Methode zur Automatisierung der Kartenverarbeitung“. Mustererkennung, vol. 21(4):319–326, 1988.

A. Saalfeld. „Zusammenführung: automatisierte Kartenzusammenstellung“. Internationale Zeitschrift für Geographische Informationswissenschaften, vol. 2(3):217–228, 1988.

A. Saalfeld. „Zusammenführung: automatisierte Kartenzusammenstellung“. Computer Vision Laboratory, Center for Automation Research, University of Maryland, 1993.

T. Sato, Y. Sadahiro und A. Okabe. „Ein Rechenverfahren zur Herstellung nahtloser Kartenblätter“. Technischer Bericht. Zentrum für Rauminformationswissenschaften, Universität Tokio, 2001.

T. J. Sebok, L. E. Roemer und J. Malindzak, G.S. „An algorithm for line Kreuzungsidentifikation“. Mustererkennung, vol. 13(2):159–166, 1981.

G. Seedahmed und L. Martucci. „Automatisierte Bildregistrierung mit geometrisch invarianten Parameterraum-Clustering (GIPSC)“. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. 34(3A): 318–323, 2002.

V. Walter und D. Fritsch. „Abgleich von Geodatensätzen: ein statistischer Ansatz“. Internationale Zeitschrift für Geographische Informationswissenschaften, vol. 5(1):445–473, 1999.

FRAU. Weiß und P. Griffin. „Stückweise lineare Gummiblatt-Kartentransformation“. Der amerikanische Kartograph, vol. 12(2):123–131, 1985.

S. Yuan und C. Tao. „Entwicklung von Zusammenführungskomponenten.“In den Verfahren der Geoinformatik, S. 19–21, 1999.


Auswahl des Kartenmaßstabs (1:nnn) für die gegebene Rasterdimension - Geographische Informationssysteme

Papierinformationen

Zeitschrifteninformationen

American Journal of Geographic Information System

p-ISSN: 2163-1131 e-ISSN: 2163-114X

Framework-Entwicklung von Cyberkartografie für mobile Umgebungen

Abteilung für Vermessungsingenieurwesen, Fakultät für Ingenieurwissenschaften Shoubra, Benha University, Kairo, Ägypten

Korrespondenz mit: Amr H. Ali, Vermessungsingenieurwesen, Fakultät für Ingenieurwissenschaften Shoubra, Benha University, Kairo, Ägypten.

Email:

Copyright © 2017 Wissenschaftlicher und akademischer Verlag. Alle Rechte vorbehalten.

Dieses Werk ist unter der Creative Commons Attribution International License (CC BY) lizenziert.
http://creativecommons.org/licenses/by/4.0/

Entsprechend der unterschiedlichen breiten Anwendung von Mapping für Smart Devices ist ein neues Paradigma kartografischer Prinzipien erforderlich, wobei Cybercartography diese neue Ära der Kartografie repräsentiert. Das Hauptziel dieser Forschung ist es, einen konzeptionellen Rahmen für die Cyberkartografie vorzuschlagen, der sich mit Theorien und Technologien der dynamischen kartografischen Visualisierung von Geodaten und ihrer interaktiven Nutzung auf intelligenten Geräten befasst. Dieses Framework besteht aus zwei Hauptdomänen, der Visualisierungsdomäne und der Technologiedomäne. Um die Machbarkeit des vorgeschlagenen Frameworks zu beweisen, wird eine maßgeschneiderte Anwendung unter Verwendung eines standardmäßigen Mobile Software Development Kit (SDK) entwickelt, die verwendet wird, um eine hoch fokussierte generische Mobile GIS-Mapping-Lösung mit Offline-Fähigkeiten zu erstellen. Dabei geht es um die Codierung von Geoinformationen für Smart Devices, um die dynamische Symbolisierung und die Einhaltung von Qualitätsstandards für das Karten-Rendering.

Schlüsselwörter: Cyberkartografie, Mobilgeräte, Räumliche Visualisierung, Mobile Kartierung, API


Mit dem Vulkandatensatz können wir ein einfaches reproduzierbares Beispiel erhalten, bei dem kein Herunterladen von Daten von einem Remote-Link erforderlich ist:

Beim Plotten von Rastern (mit raster::plot ):

  1. Die Form des Begrenzungsrahmens wird durch das Seitenverhältnis (Form) des Gerätefensters bestimmt, in dem es geplottet wird.
  2. Die Skalierungsgröße muss in x- und y-Richtung gleich sein, da dies bei Geodaten üblich ist (da wir die Form von Geodaten nicht verzerren möchten, indem wir sie so ausdehnen, dass sie in die Box passen). Wir können dies im obigen Beispielplot daran sehen, dass das Raster genau quadratisch ist.

Angesichts dieser beiden Einschränkungen ergibt sich als direkte Konsequenz die Notwendigkeit, den Begrenzungsrahmen mit leeren Bereichen zu füllen.

Wie kann man das also vermeiden? Eine Möglichkeit besteht darin, einfach das Verhältnis von Höhe zu Breite des Plotfensters oder der Ausgabedatei zu ändern.


Diskussion

Das Jahr 2010 hat eine besondere Bedeutung für die globale Malaria-Gesundheitspolitik, da es als Evaluierungsmeilenstein definiert wurde: zunächst von afrikanischen Staatschefs in der Abuja-Erklärung [4], anschließend bekräftigt durch den Roll Back Malaria/World Health Organization Global Strategic Plan 2005 -2015 [5] und später in ihrem Global Malaria Action Plan (GMAP) [6] bestätigt. Diese Studie präsentiert ein grundlegend überarbeitetes und aktualisiertes Modell von P. falciparum Malariaendemitität für 2010, die auf dreimal mehr Daten und verbesserte Techniken zurückgreift, um die frühere Version von 2007 [3] zu ersetzen und die robusteste zeitgenössische Darstellung des globalen Risikos zu bieten. Darüber hinaus wurden einfache Modelle verwendet, um diese Arbeit um globale Vorhersagen der beiden anderen zu erweitern P. falciparum Metriken zur Malariaübertragung, die erforderlich sind, um eine rationale Grundlage für Kontroll- und Eliminierungsentscheidungen zu bilden: Pf EIR und PfRc. Diese neuen Karten können als Basisbewertung dienen, da die globale Gesundheitsgemeinschaft auf die nächste Reihe von Meilensteinen blickt, die im Rahmen des GMAP für 2015 angestrebt und mit den Millenniumsentwicklungszielen der Vereinten Nationen verbunden sind.

Malariaendemie und gefährdete Populationen im Jahr 2010

Die hier vorgestellten geographischen Muster der Endemie verstärken im kontinentalen Maßstab die in der früheren Karte von 2007 identifizierten [3]. Das Risiko von P. falciparum Malaria im Jahr 2010 variiert in ihrem Verbreitungsgebiet dramatisch, und diese Heterogenität hat grundlegende Auswirkungen auf die regionale Krankheitsbekämpfung und die längerfristigen Ambitionen zur Eliminierung. Die höchsten Niveaus von P. falciparum Übertragungsrisiko werden überwiegend mit dem afrikanischen Kontinent in Verbindung gebracht, der 99 % der Weltfläche ausmacht und 95 % der Bevölkerung von mehr als oder gleich 40 % betroffen sind. Pf PR2-10. Diese Risikoklasse stellt die größten technischen und finanziellen Hindernisse für eine wirksame Seuchenbekämpfung dar, mit einem Endemieschwellenwert von Pf PR2-10 = 40 % vorgeschlagen [17] als realistische maximale Übertragungsintensität, oberhalb derer die Massenverteilung von mit Insektiziden behandelten Netzen (ITNs) allein [64, 65] wahrscheinlich die Infektionsprävalenz nicht unter ein Zielniveau von 1 % für eine effektive stabile Endemie senken wird Kontrolle [66–68]. Dass 2010 weiterhin 342 Millionen Menschen diesen sehr hohen Übertragungsrisiken ausgesetzt sind, was den groß angelegten Einsatz integrierter Interventionssuiten erforderlich macht, unterstreicht die entscheidende Bedeutung nachhaltiger Großinvestitionen [69, 70] zur Verringerung der Malaria-Morbidität und -Mortalität in diesen Regionen, im Gegensatz zu die parallele Eliminierungsagenda.

Obwohl diese hochstabilen endemischen Gebiete Afrikas die größten Herausforderungen für die Kontrolle darstellen, ist es jedoch wichtig, die vereinfachende Vorstellung zu vermeiden, dass dieses Risikoniveau Afrika als Ganzes kennzeichnet, wenn der Kontinent in Wirklichkeit innerhalb seiner Grenzen sehr unterschiedliche Endemiten aufweist der Übertragung. Etwa 203 Millionen Menschen leben in Regionen mit mittlerem stabilem Risiko (zwischen 5 % und 40 % Pf PR2-10), wo die Unterbrechung der Malariaübertragung als realistisches Ziel vorgeschlagen wurde, wenn eine universelle ITN-Abdeckung erreicht werden kann [14]. Die verbleibenden 273 Millionen Afrikaner sind gefährdet P. falciparum besetzen Regionen mit geringer stabiler oder instabiler Übertragung, in denen eine schnelle und deutliche Reduzierung der Übertragung unter realistischen Zielen für die Interventionsabdeckung am besten möglich ist [16]. Am wichtigsten ist die Anerkennung der Präsenz sehr unterschiedlicher Malariaökologien in Afrika, die jeweils unterschiedliche Interventionssuiten erfordern, um die Wirksamkeit der Krankheitsbekämpfung zu maximieren. Ein räumlich zugeschnittener Ansatz zur Optimierung nationaler Kontrollstrategien steht im Widerspruch zu Aspekten aktueller Leitlinien zur Förderung einer flächendeckenden Abdeckung, kann jedoch angesichts des Drucks auf die internationale Finanzierung der Kontrolle zunehmend an Bedeutung gewinnen.

Die Risikostratifizierung außerhalb Afrikas ist einfacher. Während die lokal wichtigen Gebiete mit mittlerer oder hoher Übertragung in Asien konzertierte und spezifische Anstrengungen zur Kontrolle erfordern, die diesen höheren Übertragungsintensitäten angemessen sind, erlebt die überwiegende Mehrheit des Kontinents (95% des Gebiets und 99% der gefährdeten Bevölkerung) entweder niedrige stabil (wo Pf PR2-10 weniger als 5%) oder instabile Endemie. Wie in Afrika ist die epidemiologische Machbarkeit einer signifikanten Reduzierung der Übertragung in diesen Regionen mit der niedrigsten Endemie nachgewiesen, aber die technischen, logistischen und wirtschaftlichen Herausforderungen, die mit der Ausweitung der Interventionsabdeckung bei mehr als einer Milliarde gefährdeten Menschen verbunden sind, liegen auf der Hand. Die Region Amerika wird allgemein in diese beiden Schichten mit dem niedrigsten Risiko eingeordnet, aber sowohl hier als auch in Asien ist jede Bewertung von Optionen und Durchführbarkeit für eine Kontrolle oder Eliminierung für P. falciparum muss sich auch der parallelen Exposition der Bevölkerung gegenüber Plasmodium vivax[71–73]. Innerhalb von MAP wird daran gearbeitet, eine gleichwertige kartografische Ressource für diesen weniger gut untersuchten Malariaparasiten bereitzustellen [74].

Unsicherheit interpretieren

Die Erweiterung in dieser Studie von Karten der Endemie zu globalen Vorhersagen von Pf EIR und PfRc bietet neue Einblicke in die Übertragungsintensitäten weltweit. Im Kontrast zu Pf PR2-10, befinden sich sowohl die methodische Entwicklung als auch die Interpretation dieser Karten noch in einem relativ frühen Stadium. Die prognostizierten Oberflächen ermöglichen es, Erkenntnisse aus mathematischen Modellen aus lokal validierten Studien auf viel größere Schlussfolgerungen über Kontrolle, Krankheitsverlauf und Epidemiologie innerhalb eines kohärenten mathematischen und biologischen Rahmens zu übertragen. Durch diese Triangulation mit Modellierungs- und Entscheidungsschwellen können diese neuen Vorhersagen beginnen, die Lücke zwischen Karten zu schließen, die einfach Risikovariationen beschreiben, und der Umwandlung dieser Karten in evidenzbasierte und geografisch eindeutige Richtlinien für eine optimale Kontrolle. Von größter Bedeutung in diesem Prozess ist die angemessene Interpretation der modellierten Unsicherheit. Diese Unsicherheit ergibt sich aus mindestens drei verschiedenen, aber interagierenden Quellen: Sparsity in the Underlying Pf PR2-10 Umfragedaten, Unsicherheit in den biologischen Beziehungen zwischen Pf PR2-10, Pf EIR und PfRc[9, 20] und inhärente räumliche und zeitliche Heterogenität in der Transmissionsintensität [75], die durch die Daten- und Modellierungsansätze nicht erklärt oder erfasst werden können.

Da die Vorhersagen aller drei Übertragungsmetriken auf Umfragedaten zur Parasitenrate basieren, hängen alle von der Verfügbarkeit von Umfragen in einer bestimmten Region für genaue Schätzungen ab. Die räumliche Dichte der erforderlichen Erhebungen variiert von Ort zu Ort in Abhängigkeit vom Grad der räumlichen Heterogenität der zugrunde liegenden Übertragung, wobei sehr unterschiedliche Regionen mehr Erhebungen benötigen. In der zeitlichen Dimension gilt eine entsprechende Regel: Dort, wo die Endemie im Laufe der Zeit relativ konstant geblieben ist oder sich in vorhersehbarer Weise verändert hat, sind ältere Erhebungen für zeitgenössische Vorhersagen nützlicher als an Orten mit schnellen oder unvorhersehbaren Änderungen der Übertragungsintensität. Die Analyse der geografischen Variation der Datenverfügbarkeit und Unsicherheit muss durch eine Berücksichtigung der zugrunde liegenden Population gemildert werden: Unsicherheit ist bei dichter Population wichtiger. Der bevölkerungsgewichtete Unsicherheitsindex (Abbildung 3C) macht den Mangel an robusten Daten in den endemischen und bevölkerungsreichen Regionen Indiens, Myanmars, Nigerias und der Demokratischen Republik Kongo deutlich. In einigen derzeit unterbefragten Regionen sind neue nationale Malaria-Erhebungen geplant oder abgeschlossen, was bedeutet, dass sich zukünftige Iterationen dieser Karte erheblich verbessern werden. Dazu gehören Uganda, Malawi und die Demokratische Republik Kongo [76, 77]. Für die verbleibenden Länder mit hoher Unsicherheit gibt es jedoch weniger Anlass zu Optimismus, und das Mandat für erhebliche neue Investitionen zur Unterstützung nationaler Malariaerhebungen in diesen Ländern ist klar. Im Gegensatz dazu generieren einige Länder zahlreiche Parasitenratendaten und haben einen wachsenden Appetit darauf, maßgeschneiderte Karten auf nationaler Ebene zu erstellen, die auf die Anforderungen der lokalen Kontrollplanung zugeschnitten sind. In solchen Fällen arbeitet MAP mit Ländern zusammen, um Karten zu entwickeln und mit nationalen Malaria-Kontrollprogrammen zusammenzuarbeiten, wobei das jüngste Beispiel Indonesien ist [78, 79].

Die präsentierten Karten von Pf EIR und PfRc verlassen sich auf Modelle, die diese Metriken mit dem zugrunde liegenden Wert verknüpfen Pf PR2-10 Vorhersagen. Eine unabhängige Analyse der Übertragung unter Verwendung derselben MAP-Datenbank, jedoch mit unterschiedlichen mathematischen Modellen [13, 21, 23, 25, 62, 80] würde unweigerlich zu unterschiedlichen Schätzungen führen. Unterschiede zwischen den Modellen sind aufgrund der intrinsischen Probleme mit der Identifizierbarkeit und der Schwierigkeit, die richtigen Arten von Daten zu erhalten, oft schwer zu beheben, und unabhängige Modellstudien werden dringend für eine externe modellübergreifende Validierung benötigt. Tatsächlich empfahl eine kürzlich abgeschlossene Konsultation zur Festlegung einer Modellierungsforschungsagenda für die globale Malaria-Eradikation [13] einen Modell-Modell-Vergleich, um die Robustheit der Modellvorhersagen zu bewerten und einen Konsens für die globale strategische Planung zu schaffen.

Der verbleibende Aspekt der Unsicherheit ergibt sich aus der räumlichen oder zeitlichen Variation der Übertragungsintensität, die über kurze räumliche oder zeitliche Skalen auftritt. Die frühe Kartographie des Malariarisikos zielte darauf ab, weite Gebiete in Risikoschichten zu klassifizieren [81], und dies hat dazu geführt, dass Endemie als ein sich stetig änderndes Phänomen betrachtet wird. In Wirklichkeit wird ein Gebiet, das zu einer bestimmten Endemie-"Klasse" gehört, jedoch wahrscheinlich eine große Variationsbreite aufweisen, wobei die Parasitenraten, die in nahe gelegenen Dörfern beprobt werden, unabhängig von der Stichprobengröße oft dramatisch variieren. Die Anerkennung dieser nicht quantifizierten Heterogenität ist von entscheidender Bedeutung, da Bereiche mit höherer Übertragung einen unverhältnismäßigen Einfluss auf die Wirksamkeit und den wahrscheinlichen bevölkerungsweiten Erfolg von Interventionsbemühungen haben können [82]. Das geostatistische Modell erfasst diese Variationskomponente als Zufälligkeit und stellt sicher, dass der Grad der Zufälligkeit gemessen und in die vorhergesagten Posterior-Verteilungen an jedem Pixel integriert wird [75, 83]. Eine weitere Erörterung dieser Unsicherheitsausgaben und ihrer Interpretation finden Sie in Zusatzdatei 8.

Diese Karte von 2010 ist die zweite in einer fortlaufenden Serie von MAP. Sobald aktualisierte Versionen verfügbar sind, besteht die Versuchung, direkte Vergleiche mit früheren Karten anzustellen, um Veränderungen in der Endemie aufzuzählen. Obwohl ein Vergleich zwischen dieser Karte von 2010 und den früheren Karten von 2007 wahrscheinlich weitgehend aufschlussreich ist, ist er nicht der am besten geeignete Ansatz, um den Wandel über den dazwischen liegenden Zeitraum formell zu quantifizieren. Die Hinzufügung vieler weiterer Eingabedaten in dieser neuen Version, von denen viele vor 2007 stammen, sowie die verfeinerte Methodik bedeuten, dass die neue Karte als direkter zeitgenössischer Ersatz und nicht als Vergleich zu der früheren Version angesehen werden muss.

Öffentliche Veröffentlichung von Karten, Modellausgaben und zugrunde liegenden Daten

Die in diesem Papier vorgestellten Karten sind auf der MAP-Website [36] frei verfügbar, einschließlich regionaler und individueller Karten für jedes Malaria-Endemieland zusätzlich zu der hier präsentierten globalen Ansicht. Benutzer können wählen, ob sie einzelne Kartenbilder im PNG- oder PDF-Format herunterladen oder die globale GIS-Oberfläche als GeoTIFF- oder Binär-Float-Datei (für Rasterkarten) oder durch Kommas getrennte CSV- oder Excel-Datei (für Vektorkarten) herunterladen möchten. Diese GIS-Oberflächen ermöglichen es Benutzern, diese Arbeit in ihre eigenen Analysen zu integrieren oder maßgeschneiderte Datenüberlagerungen und -anzeigen zu erstellen.

Es ist zu hoffen, dass die Vorhersagen von Pf PR2-10, Pf EIR, und PfRc die hier präsentiert werden, wird direkt die Kalibrierung, das Testen von Szenarien und das Scale-up der epidemiologischen Modellierung von Malaria fördern. In diesem Papier wurde die Bedeutung der vorhergesagten Posterior-Verteilungen als vollständig repräsentativ für die eingekapselte Unsicherheit in den Modellausgaben erörtert. Diese sind auch für die drei Übertragungsmetriken in Form von 100-Teilungs-Histogrammen für jeden Pixel frei verfügbar, die in einer einzigen Datendatei im HDF5-Format enthalten sind. Benutzer, die auf die Dateien zugreifen möchten, sollten sich an die entsprechenden Autoren wenden oder können den Kontakt auf der MAP-Website nutzen [36].

Schließlich war ein zentraler Grundsatz von MAP seit seiner Gründung im Jahr 2005, dass die globalen Sammlungen von Parasitenratendaten der Öffentlichkeit frei zugänglich gemacht werden sollten: anderen Wissenschaftlern, Beamten des öffentlichen Gesundheitswesens und der breiten Öffentlichkeit die Nutzung dieser Daten zur Unterstützung verschiedene Ziele in der Malaria-Epidemiologie und Public-Health-Forschung, Entscheidungsfindung und Bildung [1]. Parallel zu den Bemühungen, diese Datenbanken zusammenzustellen, wurde an der Entwicklung einer Online-Infrastruktur gearbeitet, die es Benutzern ermöglicht, den Standort aller für den Export verfügbaren Vermessungsdaten zu visualisieren und alle Daten herunterzuladen, die in den Modellen verwendet werden, für die entsprechende Berechtigungen vorliegen. Dieser Datenexplorer ist auch auf der MAP-Website zu finden.


3. Datenanwendung und -herleitung:

Die Bedeutung der Störungserbe aus der Vergangenheit kann anhand der aktuellen Waldaltersstruktur in verschiedenen Regionen der USA und Kanadas bewertet werden, indem die Ursachen von Störungen durch Landbewirtschaftung und Natur über Jahrhunderte und in verschiedenen Maßstäben analysiert werden. Solche Informationen können mit Bestandsdaten verwendet werden, um Möglichkeiten des Kohlenstoffmanagements zu analysieren. Durch die Kombination von geografischen Informationen über das Alter des Waldes mit der geschätzten C-Dynamik nach Waldtyp ist es möglich, eine einfache, aber aussagekräftige Analyse der Netto-CO2-Aufnahme durch Wälder und des Potenzials zur Erhöhung (oder Verringerung) dieser Rate durch direkte menschliche Eingriff in den Störungs-/Alterszustand. Forest age data can be used in large-scale carbon modeling, both for land-based biogeochemistry models and atmosphere-based inversion models, in order to improve the spatial accuracy of carbon cycle simulations.


GMT PARAMETERS

The following is a list of the parameters that are user-definable in GMT. The parameter names are always given in UPPER CASE. The parameter values are case-insensitive unless otherwise noted. The system defaults are given in brackets [ for SI (and US) ]. Those marked * can be set on the command line as well (the corresponding option is given in parentheses). Note that default distances and lengths below are given in both cm or inch the chosen default depends on your choice of default unit (see MEASURE_UNIT). You can explicitly specify the unit used for distances and lengths by appending c (cm), ich (inch), ich (meter), or p (points). When no unit is indicated the value will be assumed to be in the unit set by MEASURE_UNIT. Note that the printer resolution DOTS_PR_INCH is always the number of dots or pixels per inch. Several parameters take only TRUE or FALSE.
ANNOT_FONT_PRIMARY

Font used for upper annotations, etc. [Helvetica]. Specify either the font number or the font name (case sensitive!). The 35 available fonts are:

Font size (> 0) for map annotations [14p].

Font to use for time axis secondary annotations. Sehen ANNOT_FONT_PRIMARY for available fonts [Helvetica].

Font size (> 0) for time axis secondary annotations [16p].

If the angle between the map boundary and the annotation baseline is less than this minimum value (in degrees), the annotation is not plotted (this may occur for certain oblique projections.) Give a value in the range 0&minus90. [20]

If an annotation would be plotted less than this minimum distance from its closest neighbor, the annotation is not plotted (this may occur for certain oblique projections.) [0]

Distance from end of tickmark to start of annotation [0.2c (or 0.075ich)]. A negative offset will place the annotation inside the map border.

Distance from base of primary annotation to the top of the secondary annotation [0.2c (or 0.075ich)] (Only applies to time axes with both primary and secondary annotations).

Sets which axes to draw and annotate. Case sensitive: Upper case means both draw and annotate, lower case means draw axis only. [WESN].

Color used to draw map boundaries and annotations. Give a red/green/blue triplet, with each element in the 0&minus255 range. Prepend &rsquo+&rsquo to replicate this color to the tick-, grid-, and frame-pens. [0/0/0] (black).

Choose between inside, graph, plain and fancy (thick boundary, alternating black/white frame append + for rounded corners) [fancy]. For some map projections (e.g., Oblique Mercator), plain is the only option even if fancy is set as default. In general, fancy only applies to situations where the projected x and y directions parallel the lon and lat directions (e.g., rectangular projections, polar projections). For situations where all boundary ticks and annotations must be inside the maps (e.g., for preparing geotiffs), chose inside. Finally, graph is used for linear projections only and will extend the axis by 7.5% and add arrow heads.

Names the eight bit character set being used for text in files and in command line parameters. This allows GMT to ensure that the PostScript output generates the correct characters on the plot.. Choose from Standard, Standard+, ISOLatin1, ISOLatin1+, and ISO-8859-x (where x is in the ranges 1-10 or 13-15). See Appendix F for details [ISOLatin1+ (or Standard+)].

Color used for the background of images (i.e., when z < lowest colortable entry). Give a red/green/blue triplet, with each element in the 0&minus255 range. [0/0/0] (black)

Color used for the foreground of images (i.e., when z > highest colortable entry). Give a red/green/blue triplet, with each element in the 0&minus255 range. [255/255/255] (white)

Selects which operator to use when rendering bit-mapped color images. Due to the lack of the colorimage operator in some PostScript implementations, as well as some PostScript editors inability to handle color gradations, GMT offers two different options:

adobe (Adobe&rsquos colorimage definition) [Default].

tiles (Plot image as many individual rectangles).

Selects if color palette files contain RGB values (r,g,b in 0-255 range), HSV values (h in 0-360, s,v in 0-1 range), or CMYK values (c,m,y,k in 0-1 range). EIN COLOR_MODEL setting in the color palette file will override this setting. Internally, color interpolation takes place directly on the RGB values which can give unexpected hues, whereas interpolation directly on the HSV values better preserves the hues. Prepend the prefix "+" to force interpolation in the selected color system (does not apply to the CMYK system). For this additional option, the defaults take precedence over the color palette file [rgb].

Color used for the non-defined areas of images (i.e., where z == NaN). Give a red/green/blue triplet, with each element in the 0&minus255 range. [128/128/128] (gray)

Output format (C language printf syntax) to be used when printing double precision floating point numbers. For geographic coordinates, see OUTPUT_DEGREE_FORMAT. [%.12g].

Determines what symbol is used to plot the degree symbol on geographic map annotations. Choose between ring, degree, colon, or none [ring].

Resolution of the plotting device (dpi). Note that in order to be as compact as possible, GMT PostScript output uses integer formats only so the resolution should be set depending on what output device you are using. E.g, using 300 and sending the output to a Linotype 300 phototypesetter (2470 dpi) will not take advantage of the extra resolution (i.e., positioning on the page and line thicknesses are still only done in steps of 1/300 inch of course, text will look smoother) [300].

The (case sensitive) name of the ellipsoid used for the map projections [WGS-84]. Choose among:

WGS-84 : World Geodetic System [Default] (1984)
OSU91A : Ohio State University (1991)
OSU86F : Ohio State University (1986)
Engelis : Goddard Earth Models (1985)
SGS-85 : Soviet Geodetic System (1985)
TOPEX : Used commonly for altimetry (1990)
MERIT-83 : United States Naval Observatory (1983)
GRS-80 : International Geodetic Reference System (1980)
Hughes-1980 : Hughes Aircraft Company for DMSP SSM/I grid products (1980)
Lerch : For geoid modelling (1979)
ATS77 : Average Terrestrial System, Canada Maritime provinces (1977)
IAG-75 : International Association of Geodesy (1975)
Indonesian : Applies to Indonesia (1974)
WGS-72 : World Geodetic System (1972)
NWL-10D : Naval Weapons Lab (Same as WGS-72) (1972)
South-American : Applies to South America (1969)
Fischer-1968 : Used by NASA for Mercury program (1968)
Modified-Mercury-1968 : Same as Fischer-1968 (1968)
GRS-67 : International Geodetic Reference System (1967)
International-1967 : Worldwide use (1967)
WGS-66 : World Geodetic System (1966)
NWL-9D : Naval Weapons Lab (Same as WGS-66) (1966)
Australian : Applies to Australia (1965)
APL4.9 : Appl. Physics (1965)
Kaula : From satellite tracking (1961)
Hough : Applies to the Marshall Islands (1960)
WGS-60 : World Geodetic System (1960)
Fischer-1960 : Used by NASA for Mercury program (1960)
Mercury-1960 : Same as Fischer-1960 (1960)
Modified-Fischer-1960 : Applies to Singapore (1960)
Fischer-1960-SouthAsia : Same as Modified-Fischer-1960 (1960)
Krassovsky : Used in the (now former) Soviet Union (1940)
War-Office : Developed by G. T. McCaw (1926)
International-1924 : Worldwide use (1924)
Hayford-1909 : Same as the International 1924 (1909)
Helmert-1906 : Applies to Egypt (1906)
Clarke-1880 : Applies to most of Africa, France (1880)
Clarke-1880-Arc1950 : Modified Clarke-1880 for Arc 1950 (1880)
Clarke-1880-IGN : Modified Clarke-1880 for IGN (1880)
Clarke-1880-Jamaica : Modified Clarke-1880 for Jamaica (1880)
Clarke-1880-Merchich : Modified Clarke-1880 for Merchich (1880)
Clarke-1880-Palestine : Modified Clarke-1880 for Palestine (1880)
Andrae : Applies to Denmark and Iceland (1876)
Clarke-1866 : Applies to North America, the Philippines (1866)
Clarke-1866-Michigan : Modified Clarke-1866 for Michigan (1866)
Struve : Friedrich Georg Wilhelm Struve (1860)
Clarke-1858 : Clarke&rsquos early ellipsoid (1858)
Airy : Applies to Great Britain (1830)
Airy-Ireland : Applies to Ireland in 1965 (1830)
Modified-Airy : Same as Airy-Ireland (1830)
Bessel : Applies to Central Europe, Chile, Indonesia (1841)
Bessel-Schwazeck : Applies to Namibia (1841)
Bessel-Namibia : Same as Bessel-Schwazeck (1841)
Bessel-NGO1948 : Modified Bessel for NGO 1948 (1841)
Everest-1830 : India, Burma, Pakistan, Afghanistan, Thailand (1830)
Everest-1830-Kalianpur : Modified Everest for Kalianpur (1956) (1830)
Everest-1830-Kertau : Modified Everest for Kertau, Malaysia & Singapore (1830)
Everest-1830-Timbalai : Modified Everest for Timbalai, Sabah Sarawak (1830)
Everest-1830-Pakistan : Modified Everest for Pakistan (1830)
Walbeck : First least squares solution by Finnish astronomer (1819)
Plessis : Old ellipsoid used in France (1817)
Delambre : Applies to Belgium (1810)
CPM : Comm. des Poids et Mesures, France (1799)
Maupertius : Really old ellipsoid used in France (1738)
Sphere : The mean radius in WGS-84 (for spherical/plate tectonics applications) (1984)
Moon : Moon (IAU2000) (2000)
Mercury : Mercury (IAU2000) (2000)
Venus : Venus (IAU2000) (2000)
Mars : Mars (IAU2000) (2000)
Jupiter : Jupiter (IAU2000) (2000)
Saturn : Saturn (IAU2000) (2000)
Uranus : Uranus (IAU2000) (2000)
Neptune : Neptune (IAU2000) (2000)
Pluto : Pluto (IAU2000) (2000)

Note that for some global projections, GMT may use a spherical approximation of the ellipsoid chosen, setting the flattening to zero, and using a mean radius. A warning will be given when this happens. If a different ellipsoid name than those mentioned here is given, GMT will attempt to parse the name to extract the semi-major axis (ein in m) and the flattening. Formats allowed are:


Schau das Video: massstab umrechnung (Oktober 2021).