Suite

Couleurs standard pour les cartes d'occupation du sol

Couleurs standard pour les cartes d'occupation du sol


J'ai classé les images Landsat en cinq classes - une variété de palmiers, de plans d'eau, de zones bâties/ouvertes, d'autres végétaux et divers. J'ai utilisé GRASS GIS pour le processus et les cartes classées finales utilisent des couleurs inappropriées. Maintenant que je dois attribuer des couleurs appropriées à ces classes, je pensais à l'existence de normes internationalement acceptées à de telles fins.

Comme la paume qui ne couvre que 10% de la surface totale est la classe qui m'intéresse (affichée en jaune dans la capture d'écran suivante), je veux qu'elle soit clairement distinguable dans ma sortie papier au format A4. Dans le cas le plus improbable d'absence de normes, des suggestions de couleurs appropriées sont les bienvenues.


Je suggérerais la table de couleurs ndvi standard dans GRASS. Faites un clic droit sur le calque et choisissez SET COLORTABLE.

Cependant, votre question est une tautologie. Vous avez indiqué que vous êtes le seul intéressé par Palm. Une table de couleurs standard aurait été conçue pour faire d'autre chose la caractéristique la plus facilement reconnaissable. Dans le cas de la rampe de couleurs ndvi, elle fournit une échelle de densité croissante de réponse végétative, ne fournissant pas vraiment de classification en tant que telle.

Le fichier d'aide de la table des couleurs GRASS donne une explication de chaque option.


Cartes et systèmes d'information géographique (SIG)

L'Agence du parc Adirondack (APA) utilise le SIG pour comprendre et soutenir les ressources naturelles et culturelles du parc.

Cette page contient un échantillon des CARTES, DONNÉES, STATISTIQUES et ANALYSES de l'agence.

SALLE DES CARTES

2018 Fac-similé de la carte de zonage officielle montrant les classifications des terres privées et étatiques. Comprend également la partie Adirondack du réseau de rivières sauvages, pittoresques et récréatives du NYS.

Afficher une carte PDF en taille réelle - Mars 2018 (26 Mo)

Téléchargez le Shapefile 2021 adapté à une utilisation avec le logiciel SIG. (42 Mo apaLandClass202102.zip)

Consultez les statistiques de superficie des classes de terres privées et publiques de 2017 par comté et par ville ou village.

Carte des tours cellulaires du parc Adirondack

Structures nouvelles et existantes pour lesquelles l'APA a autorisé l'utilisation du service cellulaire (1993 - 10 avril 2021).

Voir les informations sur les tours du parc Adirondack pour une liste complète des structures autorisées et d'autres informations importantes.

Carte des permis de télécommunication du parc Adirondack

Structures nouvelles et existantes autorisées par l'APA (1993 - 10 avril 2021).

Voir les informations sur les tours du parc Adirondack pour une liste complète des structures autorisées et d'autres informations importantes.

Édition de juin 1972 de la carte Adirondack Park State Land Master Plan produite par l'Agence du parc Adirondack de l'État de New York, Nelson A. Rockefeller, gouverneur. Indique la nature sauvage, la zone de canotage, la zone primitive, la forêt sauvage, les classifications des terres à usage intensif à ce moment-là.

"the Adirondack Park - Une carte des terres forestières, des montagnes et des eaux de l'État"

Carte touristique du centre d'interprétation des visiteurs du parc Adirondack (VIC) de 2003. Comprend un répertoire géographique des Adirondacks indiquant l'emplacement des unités foncières de l'État, les lieux habités, les principaux lacs, les principales montagnes et les terrains de camping de l'État. L'agence Adirondack Park n'exploite plus le Paul Smiths VIC ou le Newcomb VIC.

voir la carte PDF (11Mo)
voir l'image de la carte réduite (2 Mo)

Recensement de la population des villes dans le parc Adirondack avec des estimations pour les îlots de recensement chevauchant la limite du parc.

Des estimations supplémentaires de la population saisonnière et plusieurs couches de données KMZ de la région des Adirondacks de 2010 sont également disponibles.

La question a été soulevée : « combien de personnes vivent à moins d'un jour de route du parc Adirondack ? » Cette carte et l'analyse SIG sous-jacente utilisent les données de recensement des États-Unis et du Canada découpées avec une zone tampon de 350 miles autour du parc Adirondack. Notre estimation d'une journée de route en voiture a été dérivée d'une journée de voyage de 7 heures avec une vitesse moyenne de 50 miles par heure.

Alors combien de personnes sont à seulement un jour ? Il y a environ 84 millions de personnes, dont environ 18 000 000 de Canadiens et 66 000 000 d'Américains.

Servitudes de conservation appartenant à l'État dans le parc Adirondack à partir des données des parcelles du comté de 2015. Les parcelles ont été identifiées à l'aide des données de servitude NYS DEC.

125 ans - Terres de réserve forestière du parc Adirondack de l'État de New York - 1892 et 2017

Couverture terrestre du parc Adirondack à partir des données nationales de couverture terrestre de l'USGS

Une interprétation par l'USGS des types de couverture forestière générale aux États-Unis.

Carte des districts scolaires du parc Adirondack

Zone de protection du bassin visuel de la ville de Day

voir le diaporama du processus d'analyse (pdf 1.4MB)

Carte des zones de codes postaux du parc Adirondack

Le State Land Master Plan (SLMP) définit un « plafond kilométrique » des sentiers de motoneige au moment de son adoption en 1972. Cependant, l'emplacement exact de ces sentiers n'a pas été inclus. Cela soulève des questions « Où étaient ces sentiers ? » Cette carte est une recréation de la brochure des sentiers de motoneige de DEC 1972 intitulée : Sentiers de motoneige à État de New York (10/1972)

Une carte des itinéraires d'entraînement militaire des Adirondacks de la Garde nationale aérienne de New York, ou MTR.

Une carte des lacs et des étangs entièrement entourés par la réserve forestière.

Une carte des sentiers et des routes adjacentes au Remsen-Lake Placid Travel Cooridor.

Une carte des possibilités de loisirs existantes et des limites des ressources naturelles le long de la partie nord du couloir de voyage Remsen-Lake Placid.

STATISTIQUES

ANALYSE & PRESENTATIONS

La "Chariot"

Au sous-sol du siège de l'APA, il y a une pièce appelée "Cart Room". Cart est l'abréviation de Cartographie. Au fil des ans, cette pièce s'est remplie de tables à dessin, de boîtes remplies de cartes roulées surdimensionnées et de dossiers plats contenant près de 200 tiroirs de cartes "quadruples". Les stylos à dessin et le mylar ont commencé à céder la place en 1981 à notre premier ordinateur affectueusement mais prudemment appelé " HAL ". C'était avant l'époque du DOS, lorsque la " numérisation " était un concept inconnu pour la plupart d'entre nous.

Hal a été remplacé par un mini-ordinateur puis par UNIX, puis par Windows. Lorsque ces ordinateurs étaient encore minoritaires, ils s'appelaient Colvin, Marcy et Hudson. Les imprimantes et les traceurs ont été nommés Winslow, Homer et Tait d'après les peintres des Adirondacks. Maintenant, les PC sont sur chaque bureau - trop nombreux pour être nommés.

Les Adirondacks étaient autrefois des "terres inconnues". Dans les années 80 et 90, les cartes numériques des Adirondacks de l'APA ont placé ces terres au premier plan de la cartographie moderne dans l'État et peut-être dans le pays.

Un aperçu du "Lookup System" de l'APA. Décrit comment le SIG est utilisé au siège de l'APA pour localiser les projets en relation avec les ressources du Parc. Le système de recherche n'est pas une application SIG en ligne.

Cartes en ligne et ressources de données

L'agence Adirondack Park a plusieurs cartes interactives disponibles ici.

La diffusion de données géographiques (points de terminaison APA REST) ​​à utiliser dans vos applications cartographiques est disponible ici.

Ces cartes et données ne doivent pas être utilisées pour des déterminations juridictionnelles. Veuillez contacter l'Agence pour le classement de votre bien.

Télécharger les données SIG de l'APA

APA sur ArcGIS.com
Paquets de couches APA avec symbologie et métadonnées pour les limites du parc, la classe de terres et les zones humides. Doit avoir ArcGIS 9.3.1 ou supérieur.

Dépôt d'informations géospatiales de l'Université Cornell (CUGIR)

Applications de cartographie régionale

Imagerie aérienne NYS
Affichez et téléchargez l'imagerie orthophoto pour New York sur
NYS Orthos en ligne
Les orthophotos sont des photos prises du ciel ajustées pour se superposer à des cartes.

DÉC
Passerelle cartographique du Département de la conservation de l'environnement de la NYS

Sols
Cartes des sols de l'enquête sur les sols en ligne du service de conservation des ressources naturelles de l'USDA (NRCS)
Fournit des cartes et des descriptions détaillées des sols. Vous devez d'abord définir une zone d'intérêt, puis cliquer sur l'onglet Carte des sols.

État de la route
Informations sur le trafic, les déplacements et les transports en commun du 511NY
conditions de voyage actuelles et cartes du département des transports de NYS

Système d'information sur les ressources culturelles
NYS OPRHP Historic Preservation Office Accédez aux bases de données de ressources historiques et culturelles, y compris les documents du registre national, les formulaires d'inventaire des bâtiments et archéologiques et les rapports d'enquête. Après avoir entré CRIS en tant qu'invité, cliquez sur RECHERCHER pour naviguer sur la carte en ligne.

Cartes de base historiques
Cartes historiques de l'USGS de New York et de la Nouvelle-Angleterre Images de référence de la bibliothèque UNH (non géoréférencées) des quads USGS du début des années 1900.

Biens immobiliers du comté
Biens immobiliers du comté de Clinton - utilisez l'accès public

Biens immobiliers du comté de Herkimer - utilisez l'accès public

Portail de cartographie Web du comté de St. Lawrence - diverses couches, y compris la recherche de parcelles

Biens immobiliers du comté de Saratoga - utilisez l'accès public

Biens immobiliers du comté de Washington - utilisez l'accès public

Consultez des cartes historiques à vol d'oiseau recueillies auprès de la Bibliothèque du Congrès pour plusieurs communautés du parc Adirondack.
Téléchargez le fichier kmz pour l'afficher dans Google Earth (kmz 4,4 Mo nécessite le logiciel Google Earth)
Visionnez un didacticiel YouTube montrant comment profiter de ces panoramas historiques dans Google Earth.


Projet d'analyse des écarts

Les données GAP/LANDFIRE des écosystèmes terrestres nationaux, basées sur la classification des systèmes écologiques de NatureServe, sont à la base de la carte de la végétation la plus détaillée et cohérente disponible pour les États-Unis. Ces données facilitent la planification et la gestion de la diversité biologique à l'échelle régionale et nationale.

Vision de la couverture terrestre

L'objectif des données GAP/LANDFIRE National Terrestrial Ecosystems 2011 est de fournir des données précises et homogènes sur la végétation et la couverture terrestre des États-Unis.

Visualiseur d'occupation du sol

La couche de données GAP/LANDFIRE National Terrestrial Ecosystems fournit des informations détaillées sur la végétation des États-Unis. La couche de données spatiales a été créée à l'aide d'images satellite Landsat et d'une classification détaillée de la végétation et de l'utilisation des terres.


Collecte de données

Acquisition d'images

Les images de cette étude provenaient de diverses sources et ont été évaluées pour la résolution de l'image et son adéquation à la classification des images. Le bureau des affaires publiques et des systèmes d'information géographique/de gestion intégrée de la zone d'entraînement de Fort McCoy a été contacté pour tenter d'obtenir un SIG d'installation et des images/données vectorielles. Toutes les données d'installation acquises sont traitées comme FOUO (pour usage officiel uniquement) et donc indisponibles pour la distribution grand public sans la déclassification appropriée. Par conséquent, de nombreuses sources d'images publiques étaient disponibles et utilisées par la suite pour les données d'entrée de l'étude.

Les images accessibles au public comprenaient des images aériennes du National Agriculture Imagery Program (NAIP) du ministère de l'Agriculture des États-Unis (USDA), du U.S Geological Survey (USGS) EarthExplorer et du Monroe County Land Information Office (GIS Office).

Les images téléchargées sont venues sous forme de tuiles ortho-quartiers numériques (DOQQ) ou de mosaïques de comté compressées (CCM). Les images sont venues au format .tiff ou .sid en fonction de la source de téléchargement.

Préparation des données

Les images satellite recueillies de la région de Fort McCoy (figure 3) comprenaient les années 2004 et 2018.

La préparation, l'exploration et le regroupement ultérieur des images en une seule image (mosaïque) était une étape essentielle pour démarrer l'étude afin d'exécuter avec succès les outils de classification.

L'imagerie a dû être mosaïquée pour la zone d'étude avant que les outils de classification puissent être exécutés avec succès (Figures 4 et 5). Une mosaïque est une combinaison ou une fusion de deux ou plusieurs images. Le mosaïquage de l'imagerie a simplifié le processus en n'utilisant qu'une seule image comme entrée raster et a transformé une variété d'images groupées en un ensemble d'images standardisé pour chaque année, créant une méthode plus simple pour visualiser la zone d'étude comme une seule image au lieu de plusieurs images.

Les sources de données d'imagerie en entrée ont été mosaïquées à l'aide des outils de jeu de données raster ArcGIS d'ESRI. L'outil Mosaïque fusionne plusieurs jeux de données raster existants en un seul jeu de données raster existant.

Système de classification

Les terrains militaires servent souvent à une variété d'utilisations supplémentaires telles que: la production de bois, l'agriculture, le pâturage du bétail, les loisirs de véhicules tout-terrain et la chasse. À la lumière des effets cumulatifs potentiels d'un entraînement militaire à plus grande échelle et plus intense, couplé à d'autres utilisations, la communauté militaire est devenue de plus en plus consciente de la nécessité de maintenir ou d'améliorer l'état de ses terres (Warren et Bagley, 1992).

Le programme d'analyse des tendances de l'état des terres (LCTA) est la norme de l'armée pour l'inventaire et la surveillance des terres, utilisant des méthodes normalisées de ressources naturelles, de collecte de données, d'analyses et de rapports conçus pour atteindre plusieurs buts et objectifs sur les terres appartenant (Anderson, Guertin et Price , 1996).

La méthodologie LCTA standard a été utilisée en combinaison avec le système de classification d'Anderson (Anderson, Hardy, Roach et Witmer, 1976) pour créer les classes suivantes (a) Complexes, (b) Blacktop, (c) Agricultural/Green Space, et (d ) Terres forestières (tableau 1).

Classification de vraisemblance maximale

Le classificateur à maximum de vraisemblance (MLC) est l'algorithme de classification paramétrique le plus largement adopté (Manandhar, 2009). Un MLC a été choisi en raison d'erreurs dans la classification des objets au sein d'une classification non supervisée.

Rozenstein et Karnieli (2011) déclarent que les classificateurs à maximum de vraisemblance d'entraînement sont plus correctement appliqués à un domaine pour lequel on est plus familier et, en tant que tel, la création de classificateurs connaissant le domaine a justifié l'utilisation de la MLC pour cette étude.

ClasserLa description
Terres boiséesZones caractérisées par un couvert arboré. Comprend les zones avec des types de forêts à feuilles caduques, sempervirentes et/ou mixtes.
ComplexesUn groupe de bâtiments ou d'installations similaires, c'est-à-dire des casernes, des installations de formation, des bâtiments administratifs, etc.
Agricole/Espace VertZones caractérisées par une végétation gérée pour la production de denrées alimentaires, d'aliments pour animaux ou de fibres. Comprend les pâturages, le foin, les cultures en rangs, les petites céréales, les jachères, les champs ouverts et les terres récréatives.
BlacktopZones caractérisées par un matériau construit comprenant des surfaces terrestres à faible/haute densité telles que des routes et des parkings qui repoussent l'eau de pluie et ne lui permettent pas de s'infiltrer dans le sol (c.-à-d. routes, parkings, autoroutes, terrains de gravier).
Tableau 1. Descriptions des classes d'images.


Introduction

Cette norme établit des critères et des lignes directrices pour la mise en œuvre et la maintenance de la technologie SIG. Le SIG fait référence à une technologie de l'information capable de collecter, de stocker, d'analyser et d'afficher à la fois des données spatiales (référencées géographiquement) et non spatiales. Les composants d'un SIG comprennent à la fois le matériel informatique et les logiciels, les entités de données spatiales (cellules de grille raster, ou points, lignes et polygones) et les données attributaires tabulaires associées.

L'utilisation de la technologie SIG se produit dans un large éventail d'applications, des systèmes d'information foncière (LIS), de la cartographie automatisée et de la gestion des installations (AM/FM), du modélisation et systèmes d'aide à la décision spatiale (SDSS). Par conséquent, chaque domaine de spécialisation a des besoins uniques en données et en informatique. Cette norme se concentre sur les critères généraux pour les aspects de la technologie SIG spécifiquement associés à l'architecture informatique (par exemple, le matériel et les logiciels). En outre, des lignes directrices sont fournies pour deux autres catégories de normes SIG : le format de transfert de données spatiales et le contenu des métadonnées.


Exploration de l'imagerie satellite et des images en fausses couleurs

Les élèves pourraient penser que toutes les images Landsat sont des photographies. Certaines sont en fait des images en « fausses couleurs ». Il y a des informations sur les images "fausses couleurs" dans la leçon.

Procédure

A. Engager les connaissances préalables.

  1. Remue-méninges avec les élèves sur les raisons pour lesquelles la NASA étudie la surface de la Terre.
  2. Discutez en classe : quelles expériences, le cas échéant, avez-vous eues avec les changements dans les paysages où vous vivez ? Par exemple, y a-t-il eu des constructions majeures, telles que de nouveaux ensembles résidentiels, des centres commerciaux, des autoroutes ou des ponts ? Ou, au contraire, est-ce que de vastes zones sont autorisées à revenir à une couverture terrestre naturelle ?
    1. À l'aide de Google Jamboard, partagez le lien et demandez aux élèves de créer des « notes autocollantes » pour documenter leurs expériences pendant qu'ils répondent à la question ci-dessous.

    Plateformes de la NASA pour la collecte de données. Crédit : NASA

    B. Explorer les images en fausses couleurs

    1. En utilisant Google Slide (ou en revenant au Jamboard), affichez les images suivantes aux élèves. Demandez aux élèves de faire des observations et de documenter les questions qui leur viennent à l'esprit.
    2. Présentez les satellites Landsat en mettant en file d'attente les deux courts segments vidéo. Les élèves examineront les vidéos et documenteront leurs découvertes dans le Jamboard à l'aide de "notes autocollantes". Les élèves ne doivent créer qu'une seule idée par post-it. (Plusieurs notes par question sont encouragées.) Dans le Jamboard, les élèves doivent utiliser la fonctionnalité « note collante » dans la barre d'outils pour chacune des questions suivantes :
      1. Pourquoi Landsat est-il spécial ?
      2. Quelles ressources naturelles ces satellites observent-ils ?
      3. Comment les données pourraient-elles être utilisées ?

      Les instruments Landsat mesurent principalement la lumière réfléchie par la surface de la Terre.

      Les instruments Landsat sont conçus pour détecter des données à partir d'une gamme de longueurs d'onde visibles et infrarouges (proche et moyenne), y compris celles que l'œil humain ne peut pas détecter.

      Les scientifiques organisent ces données en « bandes » de longueurs d'onde pour interpréter la couverture terrestre. Les scientifiques créent des images en couleurs vraies ou fausses pour mettre en évidence différentes caractéristiques de la couverture terrestre. Ils sélectionnent les bandes de longueurs d'onde les plus susceptibles de mettre en évidence ces caractéristiques.

      C. Explorer les caractéristiques des terres à l'aide d'images en fausses couleurs

      1. Passez en revue l'image en fausses couleurs de Beverly, Massachusetts, ainsi que les illustrations qui l'accompagnent qui montrent les principales caractéristiques de la ville. (L'image en fausses couleurs de Beverly servira de couche de base sur laquelle les élèves ajouteront les autres illustrations.)
        • Illustration Couche 1 : Les plans d'eau sont délimités et étiquetés.
        • Illustration Couche 2 : Les éléments du système de transport de la région sont décrits et étiquetés.
        • Illustration Couche 3 : Les zones résidentielles et commerciales sont délimitées et étiquetées.
        • Illustration Couche 4 : Certaines zones végétalisées, un terrain de golf, des plages et certaines zones « inconnues » sont délimitées et étiquetées.
        • Illustration Couche 5 : La carte finale du type d'occupation du sol avec toutes les zones délimitées et étiquetées.
      2. Pour chaque couche ajoutée, identifiez la fausse couleur dans l'image qui aide le spectateur à distinguer cette caractéristique des autres.

      D. Étendre à de nouveaux emplacements

      Demandez aux élèves de sélectionner l'une des diapositives suivantes dans Google Slides et d'utiliser les images en fausses couleurs séquencées de Landsat pour décrire comment cette région a changé au fil du temps.

      1. Comment les scientifiques de la Terre utilisent-ils les propriétés des sciences physiques pour aider à créer des modèles de la surface de la Terre ?
      2. Comment les scientifiques utilisent-ils des images en fausses couleurs pour aider à résoudre des problèmes du monde réel ?
      3. Quels types d'activités humaines et naturelles l'imagerie Landsat peut-elle être utilisée pour aider à surveiller ?​​​​

      Informations générales sur l'enseignant

      Ce que vous devez savoir sur les satellites Landsat pour cette activité

      Lorsque les astronautes de la NASA ont commencé à se rendre sur la Lune pour les missions Apollo, ils ont pris des photographies de notre planète et les ont renvoyées sur Terre. Les gens ont commencé à réfléchir à ce que nous pourrions apprendre de ce nouveau point de vue spatial si nous utilisions d'autres types d'instruments (capteurs). Le premier satellite Landsat doté d'un capteur spécial a été lancé en 1972.

      Les satellites Landsat orbitent autour de la Terre d'un pôle à l'autre alors que la Terre tourne sous eux. Cela signifie que chaque satellite revisite la même zone géographique sur Terre tous les 16 jours. Les capteurs embarqués sur les satellites Landsat détectent la lumière réfléchie par la surface de la Terre. (Ils n'utilisent ni laser ni radar.) Ils détectent à la fois la lumière visible et la lumière infrarouge. Chaque scène Landsat couvre une superficie de 185 km sur 172 km (115 milles sur 107 milles). Un système de grille de « chemins » et de « lignes » est utilisé pour fournir un numéro de référence pour chaque scène.

      La résolution spatiale des données Landsat est de 30 mètres (98,5 pieds). Cela signifie que chaque pixel d'une image Landsat représente une zone de la surface de la Terre de 30 mètres X 30 mètres. (« Pixel » est l'abréviation de l'élément d'image). Un pixel est un point unique dans une image graphique. Les écrans d'ordinateur affichent des images en divisant l'écran d'affichage en milliers (ou millions) de pixels, disposés en rangées et en colonnes. Les pixels sont si proches les uns des autres qu'ils semblent connectés – il en va de même pour une image satellite. Si vous regardez un écran d'ordinateur avec une loupe, vous pouvez voir les pixels individuels. Si vous zoomez suffisamment près sur une image satellite, vous pouvez également voir les pixels. Compter le nombre de pixels d'une couleur ou d'une autre est une façon de quantifier le changement de couverture terrestre à l'aide d'une image satellite.

      À propos de la couleur dans les images Landsat

      Les capteurs des satellites Landsat effectuent des observations dans les longueurs d'onde visibles et infrarouges (invisibles) du spectre électromagnétique. Nous ne pouvons pas voir les longueurs d'onde infrarouges de la lumière sans une technologie spéciale qui la convertit en longueurs d'onde que nous pouvons voir. Lorsque les mesures de la lumière infrarouge sont converties en images visibles, nous devons attribuer des couleurs aux données afin de les voir. Par conséquent, certaines images Landsat montrent des fausses couleurs.

      Pourquoi la NASA étudie-t-elle ce phénomène ?

      Notre terre change. Les terres couvertes de forêts se transforment en terres agricoles, les terres couvertes de terres agricoles se transforment en banlieues, les villes se développent. Les rivages se déplacent, les glaciers fondent et les limites des écosystèmes se déplacent. Avec l'augmentation de la population humaine, la consommation de ressources naturelles a augmenté tant dans notre pays qu'ailleurs. Nous modifions la surface de la Terre à grande échelle. Le lauréat du prix Nobel Paul J. Crutzen a déclaré : « Les humains sont devenus un agent géologique comparable à l'érosion et aux éruptions [volcaniques]… »

      Le changement de la couverture terrestre a des effets et des conséquences à toutes les échelles géographiques : locale, régionale et mondiale. Ces changements ont permis à la population humaine de croître, mais ils affectent également la capacité de la terre à produire de la nourriture, à maintenir l'eau douce et les forêts, à réguler le climat et la qualité de l'air et à fournir d'autres « services » essentiels. (Voir Foley, et al.) Il est essentiel pour nous de comprendre les changements que nous apportons aux systèmes terrestres et de comprendre les effets et les conséquences de ces changements pour la vie sur notre planète. Les satellites Landsat permettent d'étudier les changements à l'échelle régionale ou paysagère.

      La première étape pour comprendre le changement est le suivi, et la deuxième étape est l'analyse. Faire cette activité permettra à vos élèves de suivre ces étapes à un niveau d'introduction.


      Contenu

      Les humains utilisent souvent des catégories dans la vie quotidienne pour donner un sens au monde. Les noms communs sont des catégories d'entités et la plupart des adjectifs sont des catégories d'attributs de ces entités. Même les régions peuvent être considérées comme des catégories spatiales.

      Une catégorie utile est celle qui crée une efficacité cognitive en nous permettant de penser les groupes dans leur ensemble sans avoir à penser aux individus. Pour ce faire, la catégorie idéale serait constituée d'individus partageant une grande variété de caractéristiques avec les autres membres de la catégorie, tout en ayant très peu de points communs avec les individus extérieurs à la catégorie. C'est-à-dire que les bonnes catégories devraient avoir un minimum intra-catégorie variante et inter-catégorie maximale variation. Dans une telle situation idéale, on peut déduire les caractéristiques d'un individu des catégories auxquelles il appartient avec plus de certitude (c'est-à-dire qu'il y a moins de danger d'erreur écologique). Selon ce critère, le pire ensemble de catégories possible serait d'affecter au hasard des individus à des catégories. catégorisation aléatoire une approche idéale pour l'échantillonnage statistique).

      Un ensemble idéal de catégories devrait pouvoir classer chaque individu sans ambiguïté. Par conséquent, le schéma de classification doit être mutuellement exclusifs et collectivement exhaustifs. Mutuellement exclusif signifie qu'il n'y a pas de chevauchement entre deux catégories (c'est-à-dire qu'un individu ne peut appartenir à deux catégories simultanément), tandis que collectivement exhaustif signifie que les catégories « s'épuisent » ou incluent tous les individus (c'est-à-dire qu'un individu ne peut appartenir à aucune catégorie) . Ainsi, dans un schéma de classement idéal, chaque individu appartient à une et une seule catégorie.

      Les catégories de tous les jours violent souvent ces idéaux. Les cas limites (individus qui semblent se situer entre deux catégories, comme une plante qui a certaines caractéristiques d'un « arbre » et certaines caractéristiques d'un « arbuste ») et les valeurs aberrantes (individus qui ne semblent pas avoir grand-chose en commun avec autre chose) sont communs. Un individu est généralement similaire à un ensemble d'autres dans certaines caractéristiques, mais très différent d'eux dans d'autres caractéristiques. Parce que la technologie géospatiale n'est généralement pas bonne pour traiter ces vagues, la classification opérationnelle dans les applications géospatiales nécessite généralement des décisions et des seuils artificiels.


      Couleurs standard pour les cartes d'occupation des sols - Systèmes d'information géographique

      Mengistu TS*, Haile AW

      École de médecine vétérinaire, Université Wolaita Sodo, Éthiopie.

      Tilaye Shibbiru Mengistu,
      École de médecine vétérinaire,
      Université Wolaita Sodo, Éthiopie.
      Tél. : +251-0924053299
      Télécopieur : +251-046-551-5113
      Courriel : [email protected]

      A reçu: 24 mars 2017 Accepté: 04 mai 2017 Publié : 06 mai 2017

      Citation: Mengistu TS, Haile AW (2017) Revue sur l'application des systèmes d'information géographique (SIG) en médecine vétérinaire. Int J Vet Health Sci Res. 5(4), 176-182. dx.doi.org/10.19070/2332-2748-1700036

      Droits d'auteur: Mengistu TS© 2017. Il s'agit d'un article en libre accès distribué sous les termes de la Creative Commons Attribution License, qui permet une utilisation, une distribution et une reproduction sans restriction sur n'importe quel support, à condition que l'auteur original et la source soient crédités.

      Le système d'information géographique (SIG) est un système informatique qui affiche les données numériques stockées développées au cours de la dernière décennie. Le SIG est une plate-forme composée de matériel, de logiciels, de données et de personnes et englobe un ensemble fondamental et universellement applicable d'outils à valeur ajoutée pour la saisie, la transformation, la gestion et le stockage des données, l'analyse et la sortie d'informations géographiquement référencées. Le SIG peut être appliqué à différentes activités vétérinaires. Cela peut aider à comprendre et à expliquer la dynamique et le schéma de propagation d'une maladie et à accélérer la réponse en cas d'urgence sanitaire. En cas d'éclosion d'une maladie, cela pourrait faciliter la gestion de la situation, et cela pourrait également fournir un outil pour évaluer différentes stratégies pour empêcher la propagation des maladies infectieuses. Les domaines suivants dans lesquels le SIG et les fonctions SIG spéciales pourraient être incorporées sont présentés : surveillance et suivi des maladies animales, enregistrement et notification des informations, urgence épidémique, modélisation de la propagation de la maladie et planification des stratégies de contrôle. La technologie présente de nombreuses caractéristiques qui la rendent idéale pour une utilisation dans le contrôle des maladies animales, notamment la capacité de stocker des informations relatives aux facteurs démographiques et causaux et à l'incidence de la maladie sur un fond géographique, ainsi qu'une variété de fonctions d'analyse spatiale.

      Texte intégral -HTML

      Systèmes d'information géographique Télédétection Imagerie par satellite Surveillance des maladies Veterinary Medicine.

      L'association d'informations géographiques a défini le SIG en termes de systèmes de gestion de bases de données informatisées pour la capture, le stockage, la vérification, l'intégration, la manipulation, l'analyse et l'affichage de données qui sont spatialement référencées à la Terre avec une fonction principale d'intégrer des données provenant d'une variété de sources [1].

      L'une des définitions les plus largement utilisées du SIG est « un ensemble puissant d'outils pour collecter, récupérer à volonté, transformer et afficher des données spatiales du monde réel ». Dans l'ensemble, un SIG est une plate-forme composée de matériel, de logiciels, de données et de personnes et englobe un ensemble fondamental et universellement applicable d'outils à valeur ajoutée pour capturer, transformer, gérer, analyser et présenter des informations géographiquement référencées [8].

      Systèmes d'information géographique utilisés comme outil pour toute discipline qui gère des données pouvant être liées à des emplacements géographiques, tels que des pays, des régions, des communautés ou des coordonnées. Les systèmes se sont développés rapidement au cours de la dernière décennie, il existe un certain nombre de logiciels différents qui sont plus conviviaux que par le passé. La nécessité d'utiliser ce système également dans le domaine de la médecine vétérinaire est apparue au cours de la dernière décennie [22]. Y compris des informations sur des emplacements spécifiques (données spatiales), des cartes (couverture géographique) et des attributs (données descriptives de la zone) sous la forme d'une base de données relationnelle associée aux caractéristiques cartographiées [30].

      Établir un SIG qui peut impliquer de nombreux défis relatifs à la collecte de données, aux méthodes d'analyse et à la réponse. Les défis analytiques comprennent la gestion de l'heure, du lieu et de l'ampleur inconnus d'une épidémie, la tentative de s'adapter aux variations spatiales et temporelles naturelles et le manque de données appropriées sur les populations à risque. Alors que la détection du regroupement de maladies dans le temps ou dans l'espace peut être accomplie en cartographiant ou en traçant les cas sous forme de séries chronologiques, il peut être difficile de détecter et de visualiser l'interaction entre le temps et l'espace. L'utilisation de systèmes d'information géographique (SIG) et d'analyses statistiques spatiales est nécessaire pour explorer pleinement le regroupement dans l'espace-temps des événements de maladie et de mortalité [61].

      L'une des principales forces d'un SIG est sa capacité à intégrer différents types de données spatiales. Par exemple, un SIG peut être utilisé pour cartographier les informations épidémiologiques disponibles et les relier aux facteurs connus pour influencer la distribution des maladies infectieuses, tels que le climat et d'autres facteurs environnementaux. La capacité d'acquérir des informations climatiques pertinentes, en particulier sous les tropiques, où il existe une infrastructure inadéquate pour la collecte de données météorologiques, a été renforcée par des techniques de télédétection (RS) qui peuvent fournir des informations environnementales indirectes dérivées de capteurs satellites [24]. Le système d'information géographique (SIG) est une nouvelle technologie de pointe qui est utilisée comme outil de visualisation, de gestion et de suivi des risques biologiques en épidémiologie vétérinaire [15].

      Actuellement, ces systèmes sont largement utilisés par les professionnels de la recherche, du gouvernement et de l'industrie, pour traiter des données liées à l'espace [29]. Avec l'utilisation et l'analyse des données obtenues par la technologie contemporaine basée sur le SIG et le GPS (Global Positioning System), il est possible d'obtenir des données pertinentes sur l'emplacement et la taille des sites larvaires de moustiques, estimer la densité des populations d'insectes, décider du produit insecticide à utiliser et employer des techniques optimales pour créer une stratégie rationnelle et respectueuse de l'environnement pour lutter contre les moustiques nuisibles et les maladies à transmission vectorielle [64].

      Par conséquent, les objectifs de cet article de synthèse sont les suivants :

       Réviser le SIG avec l'appui de la surveillance générale, de la notification, du contrôle et de l'éradication des maladies.
       Décrire la sélection du site approprié de l'abattoir à l'aide de systèmes d'information géographique.

      Notions de base sur les systèmes d'information géographique (SIG)

      Le SIG est un système automatisé pour la saisie, le stockage, l'analyse et la sortie d'informations spatiales. Ces données combinées avec des données de population et des enregistrements de maladies antérieures pour la prédiction des maladies [11].

      Data input refers to the process of identifying and gathering the data required for specific application, thus involving acquisition, reformatting, geo-referencing, compiling, and documenting the data. The data input component converts data from their existing form into one that can be used by the GIS. The data to be used in a GIS may be available in different formats including paper maps, tables of attributes, electronic files of maps and associated attribute data, aerial photos, satellite images and other sources in digital format. One important virtue of a GIS is its efficient capability of integrating different data in different format acquired from a wide range of data sources into compatible format [35, 60].

      Data management and storage:

      Data management include linking, integrating and editing many kinds of data that are located on the Earth’s surface, such as health, social, environment data. GIS facilitate the integration of quantitative determination and control data with data obtained from maps, satellite images, and aerial photos. Frequently, socioeconomic data and qualitative information on health facilities have a spatial basis, and can also be integrated. GIS allows analysis of data generated by Global Positioning Systems (GPS). Combined with data from surveillance and management activities, GIS and GPS provide a powerful tool for the analysis and display of areas of high disease prevalence and the monitoring of ongoing control efforts. The coupling of GIS and GPS enhances the quality of spatial and non-spatial data for analysis and decision making by providing an integrated approach to disease control and surveillance at the local, regional, and national level. Spatial and ecologic data are combined with epidemiologic data to enable analysis variables that play important roles in disease transmission. This integration of data is essential for health policy planning, decision making, and ongoing surveillance efforts [7].

      Data manipulation and spatial analysis:

      When dealing with problems of space, the step beyond simple cartography and mapping is spatial analysis, which in geographic research is the tool used to compare the spatial distribution of a set of features to a hypothetically-based random spatial distribution [40]. These spatial distributions, or patterns, are of interest to many areas of geographic research because they can help identify and quantify patterns of features in space so that the underlying cause of the distribution can be determined [18]. The process of identifying unique spatial distributions, or statistical pattern recognition, can range from simply “eye-balling” features on a map to complex computer-based spatial algorithms that can detect very minute differences on a surface [40].

      Visualization: Can be used in novel ways to explore the results of traditional statistical analysis. Displaying the locations of outlier and influential values on maps and showing variation in values over space can add a great deal to epidemiologic research. Although such tools are being developed and explored, they would benefit greatly from a closer and more seamless link between statistical packages and GIS [4].

      Neighborhood Operations: Evaluate the characteristics of an area surrounding a specified location. Operations included in this category incorporate search, Line-in-Polygon and Pointin- Polygon, Thiessen Polygons, interpolation and contour generation. They determine whether points/lines are inside or outside a polygon boundary. The attributes of these points/lines identified as being within the polygon can then be processed for analysis by display on a map, computing statistics of attribute values, listing attribute values in tabular form, and so on. Point/ line-in-polygon operations are typically performed by topological overlay procedures [35].

      Buffer analysis: GIS can create buffer zones around selected features. The user can indicate the size of the buffer and then join together this information with disease incidence data to establish how many cases fall within the buffer. Buffer or proximity analysis can be used to map the impact zones of vector breeding sites, where control activity needs to be strengthened. The buffer analysis capabilities of GIS are used for computing the health events located within a specified radius of each grid intersection [7]. Buffering is a GIS tool that creates a circle of specified radius for point data such as a well, or parallel lines of specified distance from linear data such as a river or a road [46].

      Overlaying: Involves superimposing thematic plane of GIS features containing geographically and logically related data two or more map layers to produce a new map layer. Map overlay operations allow us to compute new values for locations based on multiple attributes or data layers and to identify and display locations that meet specific. This allows the analyst to compute new values for locations based on multiple features or data layers. GIS can overlay diverse layer of information [7].

      The data output component of GIS provides a way to see the data or information in the form of maps, tables, diagrams, and so on. The results may be output in hard-copy, soft-copy, or electronic format. Maps and tables are commonly output permanently in hard copy format. The hardcopy output takes longer to produce and requires more expensive equipment. However, it is permanent and easily transported and displayed. A large map can be shown at whatever level of detail is required by making the physical size of the output larger. Outputs in electronic formats, on the other hand, consist of computer-compatible files. They are used to transfer data to another computer system either for additional analysis or to produce a hardcopy output at a remote location [2, 35].

      Satellite imagery, are an increasingly important component in understanding and monitoring the Earth. There are a wide variety of satellites now flying the United States alone had more than 80 civil Earth observation instruments operating [44].

      About 26% of users indicated that the only satellite imagery they used in the year prior to the survey came from Landsat sensors. The remaining 74% of Landsat users indicated they used a mix of satellite imagery, with the majority on average coming from Landsat, followed by MODIS (Moderate Resolution Imaging Spectroradiometer), ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer), SPOT (Satellite Pour l’Observation de la Terre), and Quickbird. Landsat imagery provides unique spatial information for use by many people both within and outside of the United States. However, the population of these users is unknown, so determining exactly who these users are, how they use the imagery, and the value and benefits derived from the imagery is a challenge. There have been a few surveys and studies that have addressed this issue. As part of a larger study including multiple surveys and case studies [39].

      The database management component provides the environment within which the GIS functions and the means by which the data is controlled. Any information that is coded by location such as country, province, district or latitude/longitude coordinates, can be stored and manipulated in the GIS. The advantage of using a GIS rather than traditional database management systems (DBMS) is that the data can be viewed, queried and summarized visually through the graphical environment. Moreover, because the data has topology (this means that each feature "knows" its geographical position relative to other features), a variety of spatial processing functions which are not possible on a standard DBMS can be employed to process the information [53].

      Previous institutional experiment with remotes sensing:

      The potential value of remotely sensed data in decision making is worth an investment of resources. Substantial efforts have been made for more than 15 years to provide the technology transfer and infrastructure for utilizing satellite imagery in many African nations. Within a few months of the launching of LANDSAT 1 (=ERTS I), USAID, through the U.S. Geological Survey's Office of International Geology, began sponsoring training in Africa as well as other regions throughout the globe. By the late 1970s, the first Regional Remote Sensing Center was created in Nairobi, Kenya. The purpose of the center, and its associated activities, was to train local and regional scientists and engineers so that they could process, interpret and apply satellite data to specific problems. The strategy was to combine locally trained individuals, the proper facilities, and some economically and politically attractive projects in the expectation that the host governments would adopt the new technology. The strategy was successful in some cases but not in most [41].

      Remote sensing of the Earth traditionally has used reflected energy in the visible and infrared and emitted energy in the thermal infrared and microwave regions to gather radiation that can be analyzed numerically or used to generate images whose variations represent different intensities of photons associated with a range of wavelengths that are received at the sensor. This gathering of a (continuous or discontinuous) range(s) of wavelengths is the essence of what is usually termed multispectral remote sensing [55]. The coverage and resolution of biophysical data derived from remote sensing (RS) satellite data substantially increase our potential to assess the effects of climate change on ecosystems on a regional and global scale. Missing variables, low resolution, inadequate duration, temporal and spatial gaps, and declining coverage in remote sensing data are pervasive [4, 36].

      The Remote Sensing is also an important data resource for presentation of vegetation, landcover and land use as well as the categorization of the habitats and population density of insect vectors, parasite and reservoir hosts [6] and [63].

      The accuracy of RS methods for providing estimates of temperature was investigated in Africa by comparing estimates of land surface temperature with meteorological ground measurements [23]. A significant correlation between land surface temperature and ground observations was found, with root mean square errors of around two degree celsius. Current trends show that systems based on spatial data analysis and the use of remote sensing is now applied to a wide variety of diseases and geographical areas. This is particularly the case with the use of meteorological satellite data to predict spatial distribution patterns of parasites, vectors, intermediary hosts and hosts, not only in the tropics but also at subtropical and temperate latitudes [21].

      Application of GIS Technologies In Veterinary Medicine

      GIS for Epidemiological Investigation of Complex Diseases Problem

      Geo-spatial tools were used for collection of data, and outbreak mappings were recorded [15]. The GIS was used in the geo-spatial analysis and for monitoring the spread of FMD outbreaks, herd proximity and outbreak locations and topography, distribution of disease serotypes and closeness to features that can spin off the virus within the study area [34]. Recent outbreaks of disease in humans and animals have motivated public health agencies and researchers to develop early disease outbreak detection systems utilizing non diagnostic information [28, 45].

      Advantages of the space-time permutation scan statistic method are that it re-quires only case data, is easy to use, makes minimal assumptions about the geographic location, time, or size of the outbreak or stranding event, while automatically adjusting for any natural purely spatial and purely temporal variation, and it allows adjustment for space by time interaction [31].

      Land scape related with epidemiology:

      The landscape of a place is characterized by a mosaic of habitats within the ecosystem. The elements and patterns associated with the biotic, abiotic, and cultural processes within a Landscape are used to identify the factors that influence disease transmission over time and space [38]. The important environmental factors are determined from the examination of the biome and natural nidus of a region where disease activity exists. Identified by its distinct plants, animals, insects, and microbes, a biome is a broad biotic region that is highly predictable based on climate, altitude, and latitude. The natural nidus is the habitat composed of the vectors, hosts, and reservoirs involved in a continuous cycle of transmission that sustain a pathogen within an ecosystem [47].

      Relating the disease cycle to the underlying physical environment:

      Veterinary epidemiology being a holistic approach aimed at coordinating the use of different scientific disciplines and techniques during an investigation of disease and their causation, impaired productivity or welfare of animal population [50]. In this context, the spatial as well as the temporal dimension of disease occurrence is important to measure. GIS technology show the power and potential of spatial analysis capabilities for addressing important health issues at the international, national, and local levels. The application of GIS in Veterinary epidemiology is twofold: used in a research oriented environment to understand a disease (risk factor determination, spatial disease modeling and distribution and prevalence studies) and as a powerful tool in controlling the disease i.e. emergency response, disease detection, operational optimization of the response etc. Among the exploratory methods for epidemiology and public health facilitated by GIS project, some important tasks are to visualize the space-time clusters or hotspot of disease of interest, determining the zones of relative risk around clusters, describing the outbreak (what, when, who and where), analyzing the outbreak (why and how), identify areas in need of resources which can ultimately contribute in planning, controlling and implementing preventive measures of disease concerned. GIS has the ability to combine geo-referenced data generated by global positioning systems (GPS) with ecological data and data from surveillance and management activities for identification and mapping of environmental factors associated with low or high disease prevalence which make it particularly useful for disease surveillance and monitoring of ongoing control efforts [33].

      Ecological analysis also describes the relations existing between the geographic distribution of diseases and environmental risk factors and their analysis by means of statistical procedures [39]. A wide number of papers have been published on the analysis of the relationship between disease indicators (e.g. positivity, incidence and prevalence) and the explanatory environmental and climatic variables [25]. In order to make ecological analysis, the following fundamental steps can be utilized: GIS construction for the study area utilizing data layers on environmental and climatic features geo-referencing the geographic units of interest, creation of buffer zones of a given diameter centered on these geo-referenced points extrapolation of values for each environmental feature within each buffer zone databases with environmental and parasitological data statistical analyses (univariate, multivariate etc.) and individualize of environmental risk factors and/or development of forecast models [12, 51].

      GIS for Early warning systems

      The availability of climatic, geological and phytographic digital data and the accessibility of GIS software also have permitted the implementation of several epidemiological studies in relation to ecological factors and disease prediction, as well as have been providing evidences that its use is indispensable before the elaboration of control plans [5, 35]. Early Warning is the provision of timely and effective response through the recognized institutions that allows individuals exposed to hazards to take actions, to avoid or reduce risk and prepare for an effective response [20]. Early Warning and Response (EWS) are based on the concept of dealing with a disease epidemic in its early stages. From a public health perspective, early warning of outbreaks with a known zoonotic potential of disease will enable control measures that can reduce human morbidity and Mortality rates. The main uses of early warning system include education as an aid to understanding the crucial elements involved in early detection and response to environmental threats [16].

      A sentinel network is an interactive disease surveillance system that involves the collection of health data on a routine basis, usually, by health care professionals over a wide (usually at country level) area [9]. In most industrialized nations, notification of many infectious diseases is a statutory requirement. Rapid collection of data and assessment of regional and national statistics leads to early detection of changes in the incidence of infections [26, 32]. The database also provides information for the planning and implementation of intervention [10]. The growth of such sentinel systems, from independent national networks to coordinate international information systems, has, generated a demand for health information systems capable of forecasting disease [17].

      The present understanding that a facility-based sentinel surveillance system can play an important role disease in providing information for monitoring communicable diseases, guiding further investigation, evaluating control measures and predicting epidemics [49].

      Monitoring of Epidemics diseases:

      In recent years, several vector-borne, parasitic or vector-borne diseases have emerged or re-emerged in different part of the world, with major public health, socio-economic and political consequences. Emergence of these diseases linked to climatic change, human induced landscape changes and human activities that have affected disease ecology. National approaches are used to explore vector and host distribution and identify areas where substantial changes in vector and vector-borne disease distributions have occurred. Introduction the pathogens into new areas may be the consequence of the land cover/land use. There has also been increased the opportunity the vectors to spread their historical distribution areas, via passive transportation (for West Nile virus-WNV the principal hosts are wild and resident birds [57].

      Model of forecasting disease:

      Disease forecasting involves modeling, which may be based either on statistical relationships established between past case numbers and environmental predictors 'statistical approach' or an attempt to capture the biology of the transmission processes 'biological approach' [42]. Briefly, the statistical approach requires samples from as wide a range of environmental conditions as possible predictions arising from this approach assume that the relationships already established between case numbers and environmental variables will persist into the future [19].

      One of the most useful functions of GIS in epidemiology continues to be its utility in basic mapping. Usually, when data are collected either routinely or through purposely-designed surveys, they are presented in tabular forms, which can be exploited for analytical usage. However, the reading and interpretation of such data is often a laborious and timeconsuming task and does not permit easy decision-making [48].

      GIS for Recording and Reporting disease information

      Geographical Information System can be used to produce maps of disease incidence, prevalence, mortality and morbidity on farm, region, or national levels. The information is more easily understood when visualized on a map. Because information on diseases often tends to be aggregated (from information on each individual herd to municipality or county level) the information loses some of its value. If the information is mapped at the farm level, only small parts of a region can be visualized at the same time. Another way to describe the incidences of diseases in a defined area can be to create density maps by using the density function. The density function creates a grid with a defined cell size and gives each cell in the area a density value of the infected farms. To adjust for the underlying population, a density map of the whole population at risk is created with the same cell size. The density maps are then divided to provide a map that shows the incidence of the particular disease in each area unit at the time unit chosen. This function can further provide maps which how the spread of the disease by displaying the maps as a movie. The GIS can also be incorporated in a real time outbreak notification, as done in an eradication program of the Aujeszky’s disease in North Carolina [37].

      GIS for planning disease control strategies

      The neighborhood analysis function can be used to identify all adjacent farms to an infected farm. It is a function that identifies all adjacent features with a certain criteria to a particular feature. Contact patterns such as common use of grasslands or sources of purchasing etc. could be visualized with a so-called spider diagram. This could provide insight into the possibility of transmission of infectious diseases between herds. In the planning of eradication of diseases, GIS has the possibility toper form overlay analysis to find high or low risk areas for diseases which depend on geographical features or conditions related to the geography Studies of trypanosomiasis [52].

      Buffering and overlay are two of the most common operations in disease modeling. A buffer zone is an area that is within a given distance from a map feature. Points, lines, or polygons can be buffered. Buffers are used to identify areas surrounding geographic features. An overlay is the primary way to combine information from two separate themes. Overlays are most common for polygonal data, and perform a geometric intersection, which results in a new layer with the combined attributes of both initial layers. With vector borne disease areas closer to rivers/streams are seen to suffer most [54]. A buffer distance of 500m, 1000m, 1500m and 2000m was generated since the 2000m, is not sufficient because of current ecological differences as far as mosquito flight distance is concerned. The 2000m is the average flight distance of the mosquito [62].

      GIS for Abattoir Site Suitability Analysis

      GIS is a computer based system that offers a convenient & powerful platform for performing suitability evaluation. GIS techniques and procedures have an important role to play in analyzing decision problems. Indeed, GIS is often recognized as a decision support system involving the integration of spatially referenced data in problem solving environment. Site suitability assessment is inherently a multi-criteria problem that involves several competent factors appearing at the same time. GIS, through its spatial analysis tools that are particularly suited for an overlay analysis of various competent factors, ease the task of decision makers. On the other hand, GIS can facilitate the spatial analysis of the detected change through time by overlaying the spatial components of the same feature during two or more periods of time. Accordingly, many spatial decision problems give rise to the GIS based multi criteria decision analysis [23]. The impact that the abattoir poses may manifest in the form of liquid wastes (characterized by effluent salinity and bacterial contamination), airborne wastes (mainly disagreeable odours), large potential for the transmission of zoogenic diseases, noise, traffic congestion, attraction of animals (such as hyenas) and big birds, etc. Much of such environmental problems can greatly be reduced through appropriate siting of the abattoir [14].

      Identifying a new service location is one of the most basic functions of business development. Having the ability to quickly access the geodemographic dynamics of your existing markets in contrast to the likely demand for services at a new location requires a flexible, yet powerful analytical software tools. ArcView Business Analyst, ArcView GIS, Atlas GIS, and Business map project software all provide varying levels of capabilities for site selection [56]. A multi-criteria evaluation (MCE) method can serve to identify, classify, analyze and conveniently arrange the available information concerning choice-possibilities in urban land use planning. It is mainly involved with how to combine the information from several criteria to form a single index of evaluation. It is used to deal with difficulties that decision makers encounter in handling large amounts of complex information. Abattoir site location was determined within the study town through the integration of geographic information system (GIS), weighted linear combination (WLC) analysis, and remote sensing techniques. Several parameters were collected from various sources in vector and raster GIS formats, and then, used within the GIS-based WLC analysis to select suitable abattoir site [58].

      A main concern of urban land use planning is the designation of suitable sites for the appropriate land uses. The selection of suitable site for abattoir must be based on a set of local criteria to ensure that the maximum cost-benefit ratio for a community is attained. The suitability of a site for an abattoir is influenced by the various characteristics of the site. However, each characteristic only reflects an aspect of the overall suitability for the specific land use. Furthermore, when a site is found suitable for an abattoir it does not automatically ensure a maximum benefit for the community to assign the site for such a use. Several land uses may compete for the same site. The necessary choices are the subject of the overall urban development planning or the master plan of an area [27].

      Suitable distance from main roads, churches, schools and health services:

      Slope is associated with building cost. Building the abattoir is less expensive on low slopes. The slope is also closely related to surface drainage characteristics of the site. Desirable slope for abattoir site is suggested to be gently sloping area which ranges from two to ten percent. Slope values below two percent are not suitable from safe drainage point of view [59].

      Overlaying suitable sites:

      Finally, all the parameters were weighted with their respective percent of influence and overlay to produce the suitability map. Also adopted criteria are applied to the spatial data using if or then queries, buffering capabilities within GIS, and map overlays and intersections to create a composite site suitability map [3].

      Conclusion and Recommendations

      GIS represent a new technology in veterinary epidemiology for the reporting of animal disease information and the study and modeling of specific disease problems. However, the technology is not a panacea in its own right and any adoption of such a system must be preceded by a careful evaluation of information needs. A fully featured GIS software package, the necessary hardware and the digital maps needed to run a complete system can be relatively expensive, when all that may be required is a standard database management system and an additional graphical package that can display coloured maps with a certain amount of text or numeric information appended. This would not provide any sophisticated spatial analysis functions, but may suffice as a reporting system.

      As needs grow and resources become available, an investment in a more complete system could be made. There are three situations in veterinary science where it is suggested that GIS will play an increasingly important role in the future: the need to solve epidemiologically complex disease problems, the need rapidly to monitor highly contagious diseases that might cross international boundaries, and the need to deal with politically sensitive diseases for which prompt and accurate reporting is essential.

      Based on the above conclusion and points, the following recommendations are forwarded:

       The concerned body of government should develop and support GIS application in veterinary science to prevent and reduces the spread of disease and its economic impacts.
       The veterinary clinician and workers should aware how to use GIS in the office and field.
       It is highly recommended to use GIS tools and its application to produce maps to abattoir site selection around urban of Ethiopia.
       There should be a further study using GIS technologies for a change detection to explore the effect of Land cover on the disease.


      Cartes et peuplement du sud de la Palestine, 1799-1948 : une analyse historique/SIG

      Les cartes historiques du désert du Néguev, qui comprend la moitié de la superficie totale de la Palestine, peuvent être visualisées sous plusieurs perspectives croisées relatives à des aspects tels que leur contribution au repérage des modèles de peuplement et de l'histoire agricole, de l'impérialisme et de la cartographie, et de la géographie juridique de la propriété foncière et Indigènes. Ici, nous nous concentrons principalement sur le premier thème, incorporons de nouvelles méthodes et démontrons leur application aux études de géographie historique.

      Depuis la fin du XVIIIe siècle, le Néguev a attiré une attention considérable en raison de son emplacement stratégique à cheval sur trois continents, son histoire et son archéologie. Après que les puissances européennes eurent reconnu l'importance géopolitique de cette région au milieu du XIXe siècle, de nombreux relevés et efforts de cartographie furent menés. Dans cette étude, nous avons examiné 375 cartes historiques couvrant une partie ou la totalité du Néguev entre 1799 et 1948. Ces cartes historiques sont cruciales pour la compréhension des développements coloniaux, ainsi que des processus de paysage et de peuplement et de la sédentarisation de la population bédouine. Nous avons scanné et rectifié ces cartes à l'aide de systèmes d'information géographique (SIG) pour permettre une analyse quantitative de leur exactitude et révéler de nouvelles informations sur les processus d'établissement et de sédentarisation. Alors que l'erreur médiane des cartes basées sur les notes des explorateurs pendant la majeure partie du 19ème siècle était de l'ordre de plusieurs kilomètres, les divers sondages du Palestine Exploration Fund (1872-1890) ont réduit ces erreurs à plusieurs centaines de mètres, et plus tard les cartes produites par les Britanniques pendant la Première Guerre mondiale et par le British Mandatory Survey of Palestine ont obtenu des erreurs bien inférieures à 100 m. Une analyse minutieuse de ces cartes permet de tracer la frontière entre les terres cultivées et le désert, de suivre l'implantation de nouvelles implantations et de quantifier le processus de sédentarisation de la population nomade bédouine. Nous concluons que l'analyse des cartes historiques avec le SIG fournit un outil pour déterminer leur exactitude et donc leur utilité potentielle pour l'étude de sujets tels que les processus de règlement et les différends juridiques concernant la propriété foncière.


      Standard Colors for Landcover Maps - Geographic Information Systems

      Maps have features to help understand and read these. The features are located on the boundaries or just outside the maps. Maps normally share common features but some may be omitted depending on map types and uses.

      A map is a representation of the earth&rsquos surface and most of its features such as roads, buildings and vegetation. These features are represented by symbols and colors on maps.

      Below are typical symbols that can be found on maps:

      In measuring road distance on a map, use the scale bar. First, get a thread or a string. Second, mark your point A and point B. Third, measure the distance from point A to point B by scaling along the road, following every turns and curves, using the string. Fourth, when you reached point B, cut the string. And lastly, hold the string against the scale bar and count the number of intervals that the string has covered.

      If the entire length of the string covers four points of the scale and the scale has a five kilometer interval, just multiply the number of points by five. You will get 20 which means the road distance from point A to point B is 20 kilometers.

      Cartes topographiques show the earth&rsquos natural features like mountains, lakes, rivers and man-made structures like roads, buildings, and dams. Data on ground elevation is a necessary feature of this map.

      Thematic maps show a generalized representation and description of a particular theme such as forest, soils, population, land use, land cover, geology, climate, mineral resources, and tourist zones. These maps provide information for management and development activities of the government and private sectors. Examples of thematic maps and their definitions are:

      Land condition maps show areas prone or susceptible to natural calamities like floods and earthquakes. These maps show land form classifications, ground elevations and also the locations of the organizations and facilities for relief operations.

      Land cover maps depict different land or vegetative covers and provide information for land use management, planning and resources management.

      Land use maps show actual land use as commercial, industrial, residential, and agricultural areas.

      Cadastral maps exhibit the location of land boundaries portraying the subdivision of tracts into smaller parcels. This type of map determines the land description for incorporation in leases, deeds and other legal instruments. It also depicts the location of streets, sewers, water lines and other minor drainage structure. It is an official register of
      quantity, value and ownership of the real property.

      Route or road maps illustrate the location of highways, avenues, streets, minor roads, intersections and other structures like a cul de sac (dead end) and islands of major and minor thoroughfares in a certain vicinity.

      Tourist maps are multi-colored maps showing the location of national parks, historic spots and other places that may be of interest to tourists.

      Soil maps are multi-colored maps showing the soil types in an area.

      Mineral maps depict the position of ground works and surface structures of mines position and direction of tunnels and shafts and the surface boundary of adjacent properties.

      UNE geographic information system (GIS) is a computer system for capturing, storing, querying, analyzing and displaying geospatial data. The term geospatial implies a subset of space which is applied specifically to the surface and near surface of the Earth.


      Voir la vidéo: An interview with Karl Cox from about heraldry!