cl.geologyidea.com
Más

La herramienta de recorte no funciona Qgis

La herramienta de recorte no funciona Qgis


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.


¿Hay alguna razón en particular por la que no pueda recortar en QGIS (2.8)?

Tengo un Vectorgrid que creé basado en otra forma, es decir, un país. Ahora quiero recortar el vectorgrid al tamaño del país. Pero, siempre que uso la herramienta "clip" en QGis, me da una salida vacía. Funcionó bien antes y no sé qué hice de manera diferente allí ...

Aquí los dos archivos que intento recortar. http://www.file-upload.net/download-10442231/shapes.zip.html

Otras herramientas de Vectortools tampoco funcionan ... Básicamente tengo el mismo problema que este: Clip en QGIS 2.4.0 resultando en archivos de salida vacíos

Aquí hay información adicional:


Está bien. QGis requiere varios paquetes de Python como NumPy y Matplotlib. No tenía estos paquetes antes de instalar QGis, así que los descargué y los instalé en mi máquina (muy recomendable ya que la instalación "desde la mano" es algo difícil).

Sin embargo, me olvidé de estos paquetes y quería instalarlos de nuevo, esta vez no desde el sitio de QGis sino conpepitay / osetup.py instalarya que necesitaba trabajar en Python con ellos. Eso funcionó, pero causó algunos mensajes de error durante el proceso de instalación. De todos modos, todavía podría trabajar con NumPy o Matplotlib en Python, pero creo que QGis se confundió con varias versiones de estos paquetes en mi sistema.

Afortunadamente, tenía una copia de seguridad en Time Machine antes de instalar NumPy y Matplotlib a través depepita; setup.py instalar. Enrollé esa copia de seguridad y aquí vamos, ¡funciona de nuevo! Lo bueno es que también puedo importar NumPy y Matplotlib en Python 2.7. Entonces, si desea utilizar estos módulos, pero no está interesado en QGis, todavía recomiendo descargarlos del sitio web de QGis porque esa instalación allí funciona bien, mientras que mi instalación "de mano" falló terriblemente.


Dentro de QGIS 2.8 puede elegir la siguiente configuración:


Información del mapa

R: El Mapa de Senderismo de California es un cartel grande (40 pulgadas de ancho por 60 pulgadas de alto) que intenta mostrar todas las rutas de senderismo de California en un mapa. Más específicamente, todas las rutas de senderismo que están (teóricamente) abiertas al público y son lo suficientemente largas como para verse en un mapa de esta escala (generalmente alrededor de 2 millas de longitud o más). Los senderos mostrados generalmente incluyen senderos para caminatas, senderos para bicicletas de Clase 1 y caminos para incendios cerrados a los vehículos. Este mapa también destaca senderos seleccionados de larga distancia y senderos históricos. Se hicieron recuadros para algunas áreas que tienen un gran volumen de senderos en las proximidades.

He imaginado el Mapa de Senderismo de California como una herramienta para catalogar los senderos que ha recorrido, así como una forma de encontrar nuevas oportunidades de senderismo en todo el estado. Para aquellos con menos espacio en la pared, también está disponible una edición más pequeña para el norte de California y el sur de California.

P: ¿Qué aspecto tiene el mapa?

P: ¡Rápido! ¿Algún detalle más?

R: Este mapa fue creado con datos obtenidos del Servicio Forestal de EE. UU., El Servicio de Parques Nacionales, el Servicio Geológico de EE. UU., El Servicio de Pesca y Vida Silvestre de EE. UU., La Base de Datos de Áreas Protegidas de California (CPAD, diciembre de 2015 - www.calands.org), los condados de Nevada, San Mateo, Santa Clara, San Diego, Los Ángeles y Marin, y cientos de horas de investigación y digitalización originales. Este mapa fue diseñado en QGIS (QGIS Development Team, 2015. QGIS Geographic Information System. Open Source Geospatial Foundation Project http://qgis.osgeo.org).

P: ¿Puedo usar este mapa para navegar?

R: Debido a la perspectiva reducida única de este mapa, el mapa de senderismo de California no debe utilizarse con fines de navegación. Consulte sus guías de senderos locales favoritos, mapas topográficos y recursos en línea para obtener información adicional sobre senderos.

P: ¿Están abiertos todos estos senderos?

R: Aunque se hizo un gran esfuerzo para que el mapa fuera lo más preciso posible, los senderos que se muestran pueden estar cerrados (temporal o permanentemente), difíciles de navegar, abiertos a vehículos, peligrosos, en propiedad privada o inexistentes debido a inundaciones, erosión, incendios forestales, decisiones de manejo o crecimiento natural excesivo. Verifique las condiciones del sendero con el administrador de la tierra antes de explorar.

P: ¿El mapa se envía enrollado o doblado?

P: Veo que le falta ______________.

R: ¡Siéntete libre de usar tu marcador favorito para completarlo! Házmelo saber ya que actualizo el mapa de vez en cuando.

P: ¿El mapa estará disponible digitalmente?

R: ¡Una versión digital georreferenciada del Mapa de Senderismo de California ya está a la venta en la tienda Avenza Maps!
https://www.avenzamaps.com/maps/696090/the-california-hiking-map/

P: ¿Por qué el cartel es tan grande?

R: ¡Porque California es grande! Este tamaño era necesario para mostrar todos los senderos y las etiquetas de los senderos de forma eficaz. A partir de noviembre de 2018, un mapa de la edición del norte de California (27 pulgadas de ancho, 39 pulgadas de alto) y un mapa de la edición del sur de California (39 pulgadas de ancho, 27 pulgadas de alto) están disponibles para aquellos que desean un póster más pequeño.

P: ¿Los has caminado a todos?

R: ¡Ni siquiera cerca! Pero estoy trabajando lentamente en eso. Publicaré una foto de mi mapa marcada con los senderos que he hecho pronto.

R: Es difícil de decir, ¡la mayoría son geniales por una razón u otra! Me gusta especialmente San Jacinto a través del tranvía (¡primer beso con la señora!), Rae Lakes Loop, Thomes Gorge, en cualquier lugar de Trinities y el monte. Remolino.

Compra el mapa

¡El póster original de 40 pulgadas de ancho x 60 pulgadas está disponible en Longitude Maps!

¡Una versión digital georreferenciada del Mapa de Senderismo de California ya está a la venta en la tienda Avenza Maps! Puede descargarlo a través de la aplicación Avenza PDF-Maps.


Introducción

Si bien es bien sabido que la proporción promedio de especies no nativas en las regiones polares es muy baja (Elven et al., 2011 Ellis, Antill & amp Kreft, 2012 Alsos, Ware & amp Elven, 2015), el número total de especies de plantas exóticas en las floras locales puede variar considerablemente. En el Ártico, el número de extraterrestres casuales y naturalizados crece rápidamente desde la zona del desierto polar ártico (donde las especies exóticas están ausentes) hacia las floras bajas del Ártico (sur de Groenlandia, norte de Escandinavia e Islandia), donde la proporción de taxones no nativos es mayor (Lassuy y Lewis, 2013 Wasowicz, Przedpelska-Wasowicz & amp Kristinsson, 2013). De hecho, las plantas exóticas introducidas en el Ártico durante siglos de actividad humana han influido significativamente tanto en la composición de las flores locales como en los patrones de vegetación nativa (Elven et al., 2011 Alsos, Ware & amp Elven, 2015).

El comienzo del impacto humano en la flora vascular de Islandia se remonta al siglo IX, cuando los colonos nórdicos llegaron a la isla por primera vez a través del Atlántico Norte. La vegetación de Islandia ha cambiado significativamente desde esa época de asentamiento. La creciente presión antropogénica y los cambios climáticos durante la “Pequeña Edad de Hielo” (1600-1900 d. C.) llevaron a una alteración significativa de la cubierta vegetal, principalmente debido a la erosión y la desertificación (Hallsdottir y Caseldine, 2005). Sin embargo, hasta hace poco, la composición de la flora vascular se había mantenido solo levemente afectada con cambios principalmente debido a las duras condiciones climáticas y al aislamiento del océano circundante (Wasowicz, Przedpelska-Wasowicz & amp Kristinsson, 2013).

Las últimas investigaciones sobre la flora no autóctona de Islandia han demostrado que existen diferencias significativas en la composición de las flores locales en Islandia (Wasowicz, Przedpelska-Wasowicz & amp Kristinsson, 2013). Los resultados mostraron que, si bien las floras de las tierras bajas albergan una gran cantidad de taxones importados, las áreas de tierras altas y montañosas parecen estar casi libres de especies exóticas. Las tierras altas y montañas de Islandia, definidas aquí como áreas ubicadas por encima de los 400 m sobre el nivel del mar y que representan aproximadamente el 40% del terreno del país, son algunos de los entornos más prístinos de Europa debido a su lejanía y clima severo (Einarsson, 1984 ). Las Tierras Altas Centrales se consideran los territorios más grandes de Europa al sur del Círculo Polar Ártico que nunca han sido colonizados permanentemente por humanos (Vésteinsson, 1998). Investigaciones recientes han revelado el papel clave que juegan estas áreas en el mantenimiento de los patrones de distribución de plantas naturales para muchas especies nativas en Islandia (Wasowicz et al., 2014).

Hay dos factores principales responsables de la baja tasa de colonización de estas áreas por especies no nativas: la baja frecuencia de dispersión de plantas mediada por humanos y el clima severo (ver Información complementaria 1), que se caracteriza por bajas temperaturas (media anual temperatura por debajo de 0 ° C), una capa de nieve duradera y una duración mínima de la temporada de crecimiento (aproximadamente 2 meses en promedio) (Thorhallsdóttir, 1996 Thórhallsdóttir, 1998). Sin embargo, estas dos limitaciones están cambiando rápidamente debido a un aumento sin precedentes de la actividad humana en las tierras altas (Sæþórsdóttir & amp Saarinen, 2015), así como al calentamiento climático en curso (Wasowicz, Przedpelska-Wasowicz & amp Kristinsson, 2013). Se puede esperar que el establecimiento y la propagación de especies exóticas en las tierras altas de Islandia aumente aún más drásticamente en el futuro cercano, lo que puede conducir a un cambio ambiental importante. Los efectos combinados de la introducción de especies no autóctonas y el cambio climático sobre la biodiversidad y la función de los ecosistemas pueden ser importantes e incluyen, entre otras cosas, la alteración de la composición y estructura de la comunidad, alteraciones en las vías e interacciones tróficas y cambios en las especies nativas. distribución de especies, estructura del hábitat, así como en los procesos evolutivos de especies nativas (Mooney y Cleland, 2001 Hellmann et al., 2008 Rahel y Olden, 2008 Lassuy y Lewis, 2013).

¿Cuántas especies de plantas vasculares no autóctonas habitan los entornos de las tierras altas y montañosas de Islandia?

¿Las tendencias temporales en la inmigración de especies exóticas a Islandia difieren entre las áreas de tierras altas y bajas?

¿Difiere la incidencia de especies exóticas en áreas perturbadas y no perturbadas dentro de las tierras altas de Islandia?

¿La propagación de especies no autóctonas en Islandia procede de las tierras bajas a las tierras altas?

¿Podemos detectar puntos calientes en la distribución de taxones no nativos dentro de las tierras altas de Islandia?


La herramienta Clip no funciona Qgis - Geographic Information Systems

Ha solicitado una traducción automática de contenido seleccionado de nuestras bases de datos. Esta funcionalidad se proporciona únicamente para su conveniencia y de ninguna manera pretende reemplazar la traducción humana. Ni BioOne ni los propietarios y editores del contenido hacen, y renuncian explícitamente a, ninguna representación o garantía expresa o implícita de ningún tipo, incluidas, entre otras, representaciones y garantías en cuanto a la funcionalidad de la función de traducción o la precisión o integridad de las traducciones.

Las traducciones no se conservan en nuestro sistema. El uso de esta función y las traducciones está sujeto a todas las restricciones de uso contenidas en los Términos y condiciones de uso del sitio web de BioOne.

Delimitación de la distribución geográfica de Lygophis anomalus (Günther, 1858) (Squamata, Dipsadidae) de Historia natural y modelado de nichos ecológicos

Alejandra Panzera, 1,2 * José C. Guerrero, 3 Raúl Maneyro 1

1 1Laboratorio de Sistem & # 225tica e Historia Natural de Vertebrados. Facultad de Ciencias, Universidad de
2 2 Dirección actual: Departamento de Zoolog & # 237a, Facultad de Ciencias Naturales y Oceanogr & # 225ficas, Univers
3 3Laboratorio de Desarrollo Sustentable y Gesti & # 243n Ambiental del Territorio, Facultad de Ciencias, Uni

* Autor correspondiente. Correo electrónico: [email protected]

Incluye PDF y HTML, cuando estén disponibles

Este artículo solo está disponible para suscriptores.
No está disponible para venta individual.

Históricamente ha habido confusión taxonómica entre algunos Lygophis y Erythrolamprus especie (anteriormente perteneciente al género Liophis) debido a su gran similitud en el color y la forma general del cuerpo, además de la falta de comprensión de su historia natural y distribución. Lygophis anomalus es una serpiente común que se cree que se distribuye ampliamente en las regiones de la Pampa y el Chaco de Argentina, Uruguay, el sur de Brasil y Paraguay. Mientras estudiaba una muestra de Lygophis anomalus especímenes de todo su rango de distribución, observamos que los de varias provincias del norte de Argentina estaban mal identificados. El objetivo de este estudio es aclarar el área de ocurrencia de Lygophis anomalus, combinando una revisión de la literatura disponible y la morfología tradicional (medidas corporales y lepidosis). Usando solo registros confirmados de L. anomalus, realizamos un modelo de nicho ecológico (ENM) como una forma de corroborar nuestros resultados. Luego de analizar medidas corporales y lepidosis, los ejemplares de las provincias de Córdoba (mayoritariamente por encima de 600 msnm) y San Luis fueron identificados como Lygophis vanzolinii. Individuos de Chaco, Formosa y Misiones fueron identificados como Eryhtrolamprus almadensis y finalmente, las serpientes recolectadas en Jujuy, Salta y Tucumán fueron identificadas como E. ceii. ENM recuperó valores bajos de ocurrencia de idoneidad (& lt 0.5) para la especie en Paraguay y las provincias argentinas de Chaco, Formosa, Jujuy, Misiones, Salta, San Luis y Tucumán, lo que sugiere que los especímenes de estas localidades se identificaron incorrectamente como L. anomalus. A pesar de que la única muestra de referencia conocida para L. anomalus en Paraguay (pero sin datos de localidad específicos) se confirma que pertenece a esta especie, ENM así como un exhaustivo trabajo de campo sugieren que L. anomalus no ocurre en el país mencionado. Nuestros resultados indican que Lygophis anomalus la distribución está restringida a Uruguay, sur de Brasil y las provincias argentinas de Buenos Aires, Corrientes, Córdoba, Entre Ríos y Santa Fe.

© 2017 Sociedad Brasileña de Herpetología

Alejandra Panzera, Jos & # 233 C. Guerrero, y Ra & # 250l Maneyro "Delimitando la Distribución Geográfica de Lygophis anomalus (Günther, 1858) (Squamata, Dipsadidae) de Natural History and Ecological Niche Modeling, "South American Journal of Herpetology 12 (1), 24-33, (1 de abril de 2017). Https://doi.org/10.2994/SAJH -D-16-00007.1

Recibido: 13 de enero de 2016 Aceptado: 1 de noviembre de 2016 Publicado: 1 de abril de 2017


Métodos

Este estudio ecológico observacional transversal basado en datos secundarios fue diseñado para analizar el número de MLLA realizado por el Sistema Nacional Único de Salud en el Estado de Paraná. Los datos se extrajeron de enero de 2012 a diciembre de 2017.

Este estudio no requirió la aprobación ética y el consentimiento de cada individuo, ya que los datos utilizados eran secundarios y estaban disponibles públicamente en las bases de datos del gobierno (DATASUS). Este estudio siguió las directrices nacionales brasileñas para la investigación con seres humanos y se informa de acuerdo con las directrices para el Fortalecimiento del Informe de Estudios Observacionales en Epidemiología (STROBE) .15

Área de estudio

El Estado de Paraná está ubicado en el sur de Brasil y tiene una población de 11,34 millones de habitantes. De ellos, el 31% vive en el área metropolitana de su ciudad capital, Curitiba. El estado está compuesto administrativamente por 399 municipios, distribuidos en 10 regiones administrativas sanitarias independientes (figura 1), y tiene el quinto Índice de Desarrollo Humano más alto (IDH = 0,749) entre los 27 estados brasileños16 17.

(A) Distribución espacial de las tasas de amputación mayor de miembros inferiores (MLLA) entre 2012 y 2017 en el estado de Paraná. (B) Indicadores locales univariados de los grupos de autocorrelación espacial de las tasas de MLLA.

Fuente de datos

Se recopilaron datos sobre el número de MLLA, procedimientos de revascularización abiertos y endovasculares, exámenes de diagnóstico (ecografía Doppler color y arteriografía), cobertura de atención primaria de salud pública y cobertura de seguro médico privado para cada uno de los 399 municipios del Sistema de Información de Hospitales Públicos de Brasil (DATASUS). 18

Los datos demográficos y socioeconómicos como el número de habitantes, el analfabetismo y la tasa de ingresos por habitante por municipio se obtuvieron del Instituto Brasileño de Geografía y Estadística.16 Los datos cartográficos del Estado de Paraná se obtuvieron del Instituto de Tierras, Cartografía y Geología del Estado de Paraná. .19

Incluimos todos los procedimientos MLLA (código DATASUS 04.08.05.001-2) realizados en pacientes de 40 años o más, enumerando los siguientes diagnósticos ICD-10: A48, E10, E11, E12, I70, I73, I74, I77, I79 y R02 . Se excluyeron del análisis los procedimientos relacionados con el diagnóstico de trauma y oncológico (capítulos II, XIX y XX de la CIE-10). mayores de 40 años, se calcularon para cada una de las 399 ciudades del Estado de Paraná utilizando la estimación empírica bayesiana con la matriz de contigüidad de reinas (software GeoDa, v.1.12.0) .20 21

Se recogieron datos de procedimientos quirúrgicos abiertos y de revascularización endovascular para pacientes mayores de 40 años (códigos DATASUS del 04.06.02.012-4 al 04.06.02.045-0 y del 04.06.04.002-8 al 04.06.04.028-1, respectivamente). Los datos del examen de diagnóstico se recopilaron para todos los pacientes mayores de 15 años (código de ecografía Doppler color 02.05.01.004-0 y códigos de arteriografía de 02.10.01.006-1 a 02.10.01.015-0). Las tasas se calcularon por 100 000 habitantes. La cobertura de salud primaria pública se presenta como un porcentaje, así como la cobertura de seguro médico privado.18

Participación del paciente y del público

Análisis de los datos

Análisis espacial

Se realizó un análisis exploratorio de datos espaciales con el índice I de Moran para determinar la autocorrelación espacial global y los indicadores locales de autocorrelación espacial (LISA) para verificar la influencia de la espacialidad en las tasas de MLLA utilizando el software GeoDa.21 El coeficiente I de Moran (univariado) y los coeficientes LISA se consideraron significativos cuando p & lt0.05.

El índice I de Moran varía de -1 a +1. Los valores más altos o más bajos que el valor I de Moran esperado (E (I) = - 1 / (n − 1)) se refieren a la autocorrelación positiva o negativa, respectivamente. Una autocorrelación espacial positiva indica que un área dada tiene un patrón similar con las áreas circundantes, por ejemplo, un área con altas tasas de MLLA tiene áreas vecinas similares con altas tasas de MLLA. Una autocorrelación espacial negativa indica que un área dada tiene una asociación inversa con las áreas circundantes, por ejemplo, un área con altas tasas de MLLA tiene áreas vecinas con bajas tasas de MLLA. El valor I cero de Moran indica la hipótesis de independencia espacial.20

Sin embargo, la I de Moran identifica solo la asociación espacial a nivel mundial. Para verificar patrones de asociación significativos a cada área específica analizada, se utilizó LISA porque observa la existencia de grupos espaciales (clusters) con valores altos o bajos, identificando las regiones que más contribuyen a la existencia de autocorrelación espacial.20

Los conglomerados espaciales se categorizaron de acuerdo con los patrones y características de los municipios adyacentes. Los conglomerados espaciales alto-alto son conjuntos de municipios con altas tasas de MLLA rodeados por otros municipios también con altas tasas de MLLA. Por otro lado, los conglomerados espaciales bajos-bajos representan los municipios con bajas tasas de MLLA rodeados por otros municipios con bajas tasas de MLLA.

Regresión espacial

Debido a que el I de Moran Global y Local son técnicas de análisis estadístico univariante, se utilizaron modelos de regresión multivariante con control de dependencia espacial para asociar la variable dependiente (tasa MLLA) con nueve variables independientes relacionadas con el acceso a la salud pública (tasa de ultrasonido Doppler color, arteriografía general y de miembros inferiores). tasas de exámenes, tasas de cirugía abierta, tasas de procedimientos endovasculares, índice de ingresos, porcentaje de analfabetismo, cobertura de atención primaria de salud pública y cobertura de seguro médico privado). Los modelos utilizados fueron regresión de mínimos cuadrados ordinarios (MCO) y regresión ponderada geográficamente (GWR).

En el análisis de MCO, las nueve variables asociadas con las tasas de MLLA se incluyeron en el modelo para obtener la combinación de variables que presentaban correlación espacial significativa con las tasas de MLLA con los valores más apropiados del criterio de información de Akaike (AIC) / información bayesiana y menores. multicolinealidad. Los coeficientes de cada predictor que fueron significativos en el modelo OLS fueron luego probados por el modelo GWR para identificar la asociación de tasas MLLA y los predictores en el espacio evaluados. El rendimiento del modelo se evaluó utilizando los residuos del índice I de Moran, R 2 y AIC ajustados.22 El análisis exploratorio de datos espaciales se realizó utilizando GeoDa (V.1.12.0), QGIS (V.2.14) y Rstudio (V.1.1.463) .21 23 24

Los mapas de coropletas se construyeron con los datos obtenidos mostrando la distribución de MLLA y el análisis de correlación espacial GWR.


Paquetes de estaciones de trabajo GIS de Debian

AVCE00 es una biblioteca C y un grupo de herramientas que hace que las Coberturas vectoriales (binarias) de Arcinfo aparezcan como E00. Le permite leer y escribir coberturas binarias como si fueran archivos E00.

E00compr es una biblioteca ANSI C que lee y escribe archivos E00 comprimidos de Arcinfo. Se admiten los niveles de compresión "PARCIAL" y "COMPLETO". Los archivos E00 son el formato de importación / exportación de vectores para Arcinfo. Es ASCII simple y está diseñado como formato de intercambio. ESRI considera que el formato es propietario, por lo que es posible que este paquete no lea todos los archivos E00 ya que ESRI puede cambiar el formato.

Este paquete es útil para importar archivos E00 al sistema Grass GIS.

Contiene el programa de línea de comandos e00conv, que toma un archivo E00 como entrada (comprimido o no) y lo copia a un nuevo archivo con el nivel de compresión solicitado (NINGUNO, PARCIAL o COMPLETO). La biblioteca no está incluida en esta etapa.

Epsilon es una biblioteca C para la compresión de imágenes con pérdida basada en Wavelet. Se sabe que los compresores impulsados ​​por wavelet son mucho más efectivos que los tradicionales basados ​​en DCT (como JPEG).

Por el momento, el programa admite alrededor de 30 filtros de ondas diferentes, se ejecuta en paralelo en entornos de múltiples subprocesos y MPI, puede procesar imágenes enormes y mucho más.

Este paquete contiene algunas herramientas útiles para comprimir / descomprimir imágenes.

GDAL es una biblioteca de traducción para formatos de datos geoespaciales ráster. Como biblioteca, presenta un único modelo de datos abstracto a la aplicación que realiza la llamada para todos los formatos admitidos. La biblioteca OGR relacionada (que se encuentra dentro del árbol fuente de GDAL) proporciona una capacidad similar para datos vectoriales de características simples.

GDAL admite más de 40 formatos de datos populares, incluidos los de uso común (GeoTIFF, JPEG, PNG y más), así como los que se usan en paquetes de software GIS y de detección remota (ERDAS Imagine, ESRI Arc / Info, ENVI, PCI Geomatics). También se admiten muchos formatos de distribución de datos científicos y de teledetección, como HDF, EOS FAST, NOAA L1B, NetCDF, FITS.

La biblioteca OGR admite formatos vectoriales populares como ESRI Shapefile, TIGER data, S57, MapInfo File, DGN, GML y más.

Este paquete contiene programas de utilidad, basados ​​en la biblioteca GDAL / OGR, a saber, gdal_translate, gdalinfo, gdaladdo, gdalwarp, ogr2ogr, ogrinfo, ogrtindex.

GeographicLib es un pequeño conjunto de clases de C ++ para convertir entre coordenadas geográficas, UTM, UPS, MGRS, geocéntricas y cartesianas locales, para cálculos geoidales y para computación geodésica. Es un reemplazo adecuado para la funcionalidad principal proporcionada por NGA Geotrans.

Este paquete contiene algunas herramientas básicas basadas en la biblioteca GeographicLib.

GeoIP es una biblioteca C que permite al usuario encontrar el país de donde proviene cualquier dirección IP o nombre de host. Utiliza una base de datos basada en archivos.

Esta base de datos simplemente contiene bloques de IP como claves y países como valores, y debería ser más completa y precisa que usar búsquedas de DNS inversas.

Este paquete contiene las utilidades de la línea de comandos para resolver los números de IP utilizando la biblioteca GeoIP.

Esta biblioteca C admite el formato de intercambio basado en TIFF 6.0 para imágenes ráster georreferenciadas. El estándar GeoTIFF se ha desarrollado para leer y escribir etiquetas de metainformación geográfica en la parte superior del ráster TIFF.

La biblioteca GeoTIFF viene con dos programas de utilidad aquí incluidos:

GMT es una colección de herramientas que permiten a los usuarios manipular (x, y) y (x, y, z) conjuntos de datos (incluido el filtrado, ajuste de tendencias, cuadrículas, proyecciones, etc.) y producir ilustraciones de archivos PostScript encapsulado (EPS) que varían desde simples gráficos xy a través de mapas de contorno hasta superficies iluminadas artificialmente y vistas en perspectiva 3-D en blanco y negro, tono gris, patrones de folletos y color de 24 bits.

GMT admite muchas proyecciones de mapas comunes, además de escalas lineales, logarítmicas y de potencia, y viene con datos de soporte como costas, ríos y límites políticos.

Un paquete Tcl que proporciona los medios para crear y leer archivos en el ESRI Shapefile para mantener puntos y polilíneas bidimensionales o tridimensionales.

Fue desarrollado para su uso en GPSMan, un administrador de datos del receptor GPS y se basa en el módulo shapelib. Junto con este paquete, también se desarrolló gpstr2shp.c, que traduce los archivos de datos de GPStrans a los de Shapefile.

Grace es una herramienta de apuntar y hacer clic que permite al usuario dibujar diagramas X-Y. Este es el programa anteriormente conocido como Xmgr.

Algunas de sus características son: escala definida por el usuario, marcas de graduación, etiquetas, símbolos, estilos de línea, colores, regresión polinomial, splines, promedios de ejecución, DFT / FFT, correlación cruzada / automática, modo por lotes para trazado sin supervisión y compatibilidad con copias impresas para PostScript, FrameMaker y varios formatos de imagen.

Otras capturas de pantalla del paquete Grace
VersiónURL
1:5.1.22-10https://screenshots.debian.net/shrine/screenshot/7408/simage/large-f2bb08428f0d5fe91681fc3fac3d0291.png

Comúnmente conocido como GRASS, este es un Sistema de Información Geográfica (GIS) que se utiliza para la gestión y el análisis de datos geoespaciales, el procesamiento de imágenes, la producción de gráficos / mapas, el modelado espacial y la visualización. GRASS se utiliza actualmente en entornos académicos y comerciales de todo el mundo, así como por muchas agencias gubernamentales y empresas de consultoría medioambiental.

Instale este paquete virtual para obtener un sistema GRASS completo.

HDF5 (Hierarchical Data Format 5) es un formato de archivo para almacenar datos científicos. Estas herramientas permiten convertir otros formatos a HDF5 y visualizar archivos HDF5. Incluyen:

  • h5topng, que extrae una porción 2d de un archivo HDF5 y genera una imagen correspondiente en formato PNG
  • h5totxt, que extrae porciones 2d y genera texto delimitado por comas (adecuado para importar a una hoja de cálculo)
  • h5fromtxt, que convierte la entrada de texto simple en conjuntos de datos HDF5 numéricos multidimensionales
  • h5fromh4, que convierte datos HDF4 a HDF5
  • h5tovtk, que convierte archivos HDF5 en archivos VTK para su visualización con programas compatibles con VTK

HDF es un formato de archivo de múltiples objetos para almacenar y transferir datos gráficos y numéricos que se utilizan principalmente en la informática científica. HDF admite varios modelos de datos diferentes, incluidas matrices multidimensionales, imágenes ráster y tablas. Cada uno define un tipo de datos agregados específico y proporciona una API para leer, escribir y organizar los datos y metadatos. Los desarrolladores o usuarios de HDF pueden agregar nuevos modelos de datos.

Este paquete incluye algunas utilidades básicas para ver, empaquetar, descomprimir archivos HDF.

El formato de datos jerárquico 5 (HDF5) es un formato de archivo y una biblioteca para almacenar datos científicos. HDF5 fue diseñado e implementado para abordar las deficiencias de HDF4.x. Tiene un modelo de datos más potente y flexible, admite archivos de más de 2 GB y admite E / S en paralelo.

Este paquete contiene herramientas de tiempo de ejecución para HDF5.

GDAL es una biblioteca de traducción para formatos de datos geoespaciales ráster. Como biblioteca, presenta un único modelo de datos abstracto a la aplicación que realiza la llamada para todos los formatos admitidos. La biblioteca OGR relacionada (que se encuentra dentro del árbol fuente de GDAL) proporciona una capacidad similar para datos vectoriales de características simples.

GDAL admite muchos formatos de datos populares, incluidos los de uso común (GeoTIFF, JPEG, PNG y más), así como los que se usan en paquetes de software de detección remota y GIS (ERDAS Imagine, ESRI Arc / Info, ENVI, PCI Geomatics). También se admiten muchos formatos de distribución de datos científicos y de teledetección, como HDF, EOS FAST, NOAA L1B, NetCDF, FITS.

La biblioteca OGR admite formatos vectoriales populares como ESRI Shapefile, TIGER data, S57, MapInfo File, DGN, GML y más.

Este paquete contiene los archivos necesarios para desarrollar un software que utilizará GDAL / OGR (encabezados, objetos estáticos, script de configuración).

GDAL es una biblioteca de traducción para formatos de datos geoespaciales ráster. Como biblioteca, presenta un único modelo de datos abstracto a la aplicación que realiza la llamada para todos los formatos admitidos. Esta extensión proporciona acceso a los datos de GRASS a través de GDAL.

Este paquete proporciona el complemento GDAL GRASS.

Una ubicación en el mundo, en cualquier sistema de coordenadas. Geo :: Point intenta ocultar las matemáticas y el sistema de coordenadas en el que se representa el punto.

Una de las cosas más confusas cuando se manejan datos geométricos, es que a veces se usan latlong, a veces xy: organización horizontal y vertical invertida. Este paquete intenta ocultar esto de su programa proporcionando accesos abstractos latlong (), longlat (), xy () e yx ().

Este paquete proporciona los siguientes módulos:

  • Geo :: Line - una secuencia de puntos conectados
  • Geo :: Point: un punto del mundo
  • Geo :: Proj - contenedor simplificado para Geo :: Proj4
  • Geo :: Shape - clase base para puntos bidimensionales en la superficie de la tierra
  • Geo :: Space - Una colección de varios elementos
  • Geo :: Surface - Una descripción de la superficie

GeographicLib es un pequeño conjunto de clases de C ++ para convertir entre coordenadas geográficas, UTM, UPS, MGRS, geocéntricas y cartesianas locales, para cálculos geoidales y para computación geodésica. Es un reemplazo adecuado para la funcionalidad principal proporcionada por NGA Geotrans.

Este paquete contiene los archivos que se utilizan para desarrollar aplicaciones que utilizan la biblioteca GeographicLib.

JTS es una biblioteca de Java que proporciona:

  • una implementación del modelo de datos espaciales definido en la Especificación de características simples de OGC para SQL (SFS)
  • una implementación completa y consistente de algoritmos espaciales 2D fundamentales
  • un modelo de precisión explícito, con algoritmos que manejan con gracia situaciones que resultan en colapso dimensional
  • implementaciones robustas de operaciones geométricas computacionales clave
  • E / S en formato de texto conocido

libLAS es una biblioteca C / C ++ para leer y escribir datos ASPRS LAS versiones 1.0, 1.1 y 1.2. El formato LAS es un formato binario secuencial que se utiliza para almacenar datos de sensores y como almacenamiento de procesamiento intermedio por algunas aplicaciones relacionadas con LiDAR. LiDAR (Light Detection and Ranging) es una tecnología de detección remota óptica que mide las propiedades de la luz dispersa para encontrar el alcance y / u otra información de un objetivo distante. El método predominante para determinar la distancia a un objeto o superficie es utilizar pulsos de láser.

Este paquete contiene el conjunto de herramientas esenciales para administrar datos LiDAR: lasinfo, lasmerge, las2las, las2txt, txt2las, las2ogr.

El formato Shapefile es un formato de trabajo e intercambio promovido por ESRI para datos vectoriales simples con atributos. Aparentemente, es el único formato de archivo que se puede editar en ARCView 2/3 y también se puede exportar e importar en ArcGis.

Este paquete incluye los archivos de desarrollo.

Un mapcode representa una ubicación. Cada ubicación de la Tierra se puede representar mediante un código de mapa. Los códigos de mapa fueron diseñados para ser cortos, fáciles de reconocer, recordar y comunicar. Tienen una precisión de unos pocos metros, lo que es lo suficientemente bueno para el uso diario. Las ubicaciones en áreas densamente pobladas a menudo obtienen códigos de mapa más cortos. Ver http://www.mapcode.com/

Este paquete contiene una utilidad de línea de comandos que puede convertir desde y hacia mapcodes.

Mapnik es un conjunto de herramientas C ++ de código abierto para desarrollar aplicaciones GIS (Sistemas de información geográfica). En el núcleo hay una biblioteca compartida de C ++ que proporciona algoritmos / patrones para el acceso y visualización de datos espaciales.

Esencialmente una colección de objetos geográficos (mapa, capa, fuente de datos, característica, geometría), la biblioteca no se basa en "sistemas de ventanas" y está diseñada para funcionar en entornos de múltiples subprocesos.

Este paquete contiene diversas utilidades distribuidas con mapnik:

shapeindex: programa para crear un índice basado en el sistema de archivos para los archivos de forma ESRI

OGDI es la interfaz de almacén de datos geográfica abierta. OGDI es una interfaz de programación de aplicaciones (API) que utiliza métodos de acceso estandarizados para trabajar en conjunto con paquetes de software GIS (la aplicación) y varios productos de datos geoespaciales. OGDI utiliza una arquitectura cliente / servidor para facilitar la difusión de productos de datos geoespaciales a través de cualquier red TCP / IP, y un enfoque orientado al controlador para facilitar el acceso a varios productos / formatos de datos geoespaciales.

Este paquete contiene algunas herramientas útiles basadas en la biblioteca OGDI

Programa de software Chart Plotter y Navigational para su uso en curso o como herramienta de planificación. Desarrollado por un equipo de navegantes activos que utilizan condiciones del mundo real para probar y perfeccionar el programa. De forma predeterminada, admite formatos raster y vectoriales como BSB y S63. El soporte para muchos otros formatos está disponible en complementos. Otros complementos brindan soporte para e. ej., AIS, radar y mapas meteorológicos. La aplicación tiene soporte de idiomas en más de 20 idiomas.

Este paquete contiene programas, bibliotecas y algunos archivos de soporte.

Un kit de herramientas gráficas portátil de alto nivel para el desarrollo de aplicaciones gráficas de alto rendimiento como simuladores de vuelo, juegos, realidad virtual o visualización científica. Al proporcionar un marco orientado a objetos sobre OpenGL, libera al desarrollador de implementar y optimizar llamadas de gráficos de bajo nivel y proporciona muchas utilidades adicionales para el desarrollo rápido de aplicaciones gráficas.

Este paquete contiene utilidades y ejemplos (binarios).

osgEarth es un kit de herramientas de renderizado de terreno escalable para OpenSceneGraph (OSG), un kit de herramientas de gráficos 3D de código abierto y alto rendimiento. Simplemente cree un archivo XML simple, apúntelo a sus imágenes, elevación y datos vectoriales, cárguelo en su aplicación OSG favorita y listo. osgEarth admite todo tipo de datos y viene con muchos ejemplos para ayudarlo a comenzar a usarlo de manera rápida y sencilla.

Este paquete contiene binarios.

El software de código abierto Image Map (OSSIM) es un motor de alto rendimiento para detección remota, procesamiento de imágenes, sistemas de información geográfica y fotogrametría. Se ha desarrollado activamente desde 1996.

Diseñado como una serie de bibliotecas de software de alto rendimiento, está escrito en C ++ empleando las últimas técnicas en diseño de software orientado a objetos.

La biblioteca proporciona funciones avanzadas de detección remota, procesamiento de imágenes y geoespacial. Un resumen rápido de la funcionalidad OSSIM incluye orto-rectificación, corrección de terreno de precisión, rigurosos modelos de sensores, mosaicos muy grandes y fusiones de sensores cruzados, una amplia gama de proyecciones de mapas y datums, y una amplia gama de formatos de datos comerciales y gubernamentales. La arquitectura de la biblioteca admite el procesamiento paralelo con mpi (no habilitado), una arquitectura de complemento dinámico y objetos conectables dinámicamente que permiten la creación rápida de prototipos de cadenas de procesamiento de imágenes personalizadas.

Este paquete incluye herramientas básicas que utilizan la biblioteca OSSIM para realizar algunas tareas básicas.

PDAL es una biblioteca con licencia BSD para traducir y manipular datos de nubes de puntos de varios formatos. PDAL se puede utilizar para leer, escribir y traducir datos de nubes de puntos en muchos formatos. Se incluye soporte para archivos de entrada de LAS, LAZ, SBET, BPF, QFIT y otros. PDAL también puede leer y escribir en bases de datos que admiten el almacenamiento de nubes de puntos, incluidos Oracle, Postgres y SQLite.

PDAL no debe confundirse con PCL (biblioteca de nubes de puntos). PCL es una biblioteca diseñada específicamente para proporcionar análisis algorítmico y modificación de nubes de puntos. PDAL proporciona una interfaz limitada a las instalaciones de PCL, pero en general no intenta duplicar sus capacidades.

Este paquete contiene las utilidades PDAL.

Pktools es una colección de programas para realizar operaciones, principalmente en imágenes raster geolocalizadas. Depende en gran medida de la Biblioteca de abstracción de datos geoespaciales (GDAL) y OGR. Los programas son similares a las herramientas GDAL (gdalinfo, gdal_translate, gdal_merge,.) Y algunas de las funcionalidades proporcionadas en pktools ya existen en las herramientas GDAL.

Todas las utilidades en pktools usan opciones de línea de comando y tienen una ayuda incorporada. Incluyen más de treinta archivos binarios para editar, cambiar, recortar, clasificar, comparar, volcar, rellenar, mejorar imágenes y muchas otras operaciones comunes útiles en el campo del análisis de imágenes de detección remota.

PostGIS agrega soporte para objetos geográficos a la base de datos relacional de objetos de PostgreSQL. En efecto, PostGIS "habilita espacialmente" el servidor PostgreSQL, lo que le permite ser utilizado como una base de datos espacial backend para sistemas de información geográfica (GIS), al igual que SDE de ESRI o la extensión espacial de Oracle. PostGIS sigue la "Especificación de características simples para SQL" de OpenGIS.

Este paquete contiene los binarios del área de usuario de PostGIS para importar y exportar archivos de forma y ráster: pgsql2shp, raster2pgsql y shp2pgsql.

Este script realiza una comparación o sincronización eficiente en la red y en el tiempo de dos tablas posiblemente grandes en dos servidores de base de datos PostgreSQL, para detectar tuplas insertadas, actualizadas o eliminadas entre estas tablas.

pprepair (reparación de partición plana) toma un conjunto de polígonos y asegura que formen una partición plana válida, hecha de polígonos válidos y sin espacios ni superposiciones. Puede usarse como un validador, indicando problemas en polígonos individuales o en la partición plana, y también como una herramienta de reparación automática, generando un conjunto de polígonos que forman una partición plana válida.

prepair te permite reparar fácilmente polígonos GIS "rotos", y eso de acuerdo con las normas internacionales ISO 19107. En resumen, dado un polígono almacenado en WKT, lo repara automáticamente y te devuelve un WKT válido. Se puede considerar que los métodos de reparación automatizados interpretan polígonos ambiguos o mal definidos y dan una salida coherente y claramente definida.

Proj e invproj realizan respectivas transformaciones directas e inversas de datos cartográficos hacia o desde datos cartesianos con una amplia gama de funciones de proyección seleccionables (más de 100 proyecciones).

Geod e invgeod realizan cálculos geodésicos (Gran Círculo) para determinar la latitud, la longitud y el azimut posterior de un punto terminal dado un punto inicial de latitud, longitud, acimut y distancia (directo) o los acimuts hacia adelante y hacia atrás y la distancia entre un punto inicial y un punto terminal. latitudes y longitudes (inversa).

Este paquete proporciona las herramientas binarias PROJ.

Esta biblioteca contiene funciones para manejar transformaciones afines del plano.

Se puede utilizar en conjuntos de datos georreferenciados para transferir imágenes a coordenadas mundiales.

Esta es la versión Python 2 de la biblioteca.

Descartes permite el uso de objetos geométricos como trazados y parches matplotlib.

Esta es la versión Python 2 de la biblioteca.

Fiona es una envoltura de Python alrededor de la biblioteca de abstracción de datos vectoriales OGR. Fiona está diseñada para ser simple y confiable. Se centra en leer y escribir datos en el estilo estándar de Python IO y se basa en tipos y protocolos de Python familiares, como archivos, diccionarios, asignaciones e iteradores en lugar de clases específicas de OGR. Fiona puede leer y escribir datos del mundo real utilizando formatos GIS de varias capas y sistemas de archivos virtuales comprimidos y se integra fácilmente con otros paquetes GIS de Python como pyproj, Rtree y Shapely.

Este paquete proporciona la API de Python 2

GDAL es una biblioteca de traducción para formatos de datos geoespaciales ráster. Como biblioteca, presenta un único modelo de datos abstracto a la aplicación que realiza la llamada para todos los formatos admitidos. La biblioteca OGR relacionada (que se encuentra dentro del árbol fuente de GDAL) proporciona una capacidad similar para datos vectoriales de características simples.

GDAL admite más de 40 formatos de datos populares, incluidos los de uso común (GeoTIFF, JPEG, PNG y más), así como los que se usan en paquetes de software GIS y de detección remota (ERDAS Imagine, ESRI Arc / Info, ENVI, PCI Geomatics). También se admiten muchos formatos de distribución de datos científicos y de teledetección, como HDF, EOS FAST, NOAA L1B, NetCDF, FITS.

La biblioteca OGR admite formatos vectoriales populares como ESRI Shapefile, TIGER data, S57, MapInfo File, DGN, GML y más.

Este paquete contiene enlaces de Python para la biblioteca GDAL / OGR y un conjunto de herramientas de línea de comandos adicionales.

Este paquete es una biblioteca de utilidades para trabajar con enlaces geoespaciales. Es una implementación del trabajo Cat-Interop descrito en https://wiki.osgeo.org/wiki/Cat-Interop

Este paquete proporciona la versión Python 2 de la biblioteca.

GeoPandas es un proyecto para agregar soporte para datos geográficos a objetos pandas. Actualmente implementa los tipos GeoSeries y GeoDataFrame que son subclases de pandas.Series y pandas.DataFrame respectivamente. Los objetos de GeoPandas pueden actuar sobre objetos de geometría bien formada y realizar operaciones geométricas.

Las operaciones de geometría de GeoPandas son cartesianas. El sistema de referencia de coordenadas (crs) se puede almacenar como un atributo en un objeto y se configura automáticamente cuando se carga desde un archivo. Los objetos se pueden transformar en nuevos sistemas de coordenadas con el método to_crs (). Actualmente no se aplican coordenadas similares para las operaciones, pero eso puede cambiar en el futuro.

Este paquete contiene la versión Python 2 de la biblioteca.

Mapnik es un conjunto de herramientas C ++ de código abierto para desarrollar aplicaciones GIS (Sistemas de información geográfica). En el núcleo hay una biblioteca compartida de C ++ que proporciona algoritmos / patrones para el acceso y visualización de datos espaciales.

Esencialmente una colección de objetos geográficos (mapa, capa, fuente de datos, característica, geometría), la biblioteca no se basa en "sistemas de ventanas" y está diseñada para funcionar en entornos de múltiples subprocesos.

Este paquete contiene los enlaces para Python 2.

PDAL es una biblioteca con licencia BSD para traducir y manipular datos de nubes de puntos de varios formatos. PDAL se puede utilizar para leer, escribir y traducir datos de nubes de puntos en muchos formatos. Se incluye soporte para archivos de entrada de LAS, LAZ, SBET, BPF, QFIT y otros. PDAL también puede leer y escribir en bases de datos que admiten el almacenamiento de nubes de puntos, incluidos Oracle, Postgres y SQLite.

PDAL no debe confundirse con PCL (biblioteca de nubes de puntos). PCL es una biblioteca diseñada específicamente para proporcionar análisis algorítmico y modificación de nubes de puntos. PDAL proporciona una interfaz limitada a las instalaciones de PCL, pero en general no intenta duplicar sus capacidades.

Este paquete contiene la extensión PDAL para Python 2.

PROJ realiza transformaciones cartográficas entre coordenadas geográficas (lat / lon) y de proyección cartográfica (x / y). También puede transformarse directamente de un sistema de coordenadas de proyección de mapa a otro.

Este es un enlace de Python a PROJ, puede recibir coordenadas como matrices de números, matrices de Python, listas o escalares. Este módulo está optimizado para matrices numpy.

PySAL es una biblioteca de código abierto de funciones de análisis espacial escrita en Python destinada a respaldar el desarrollo de aplicaciones de alto nivel.

Es importante subrayar para qué está y no está diseñado PySAL. En primer lugar, PySAL es una biblioteca en el sentido más amplio de la palabra. Los desarrolladores que busquen un conjunto de métodos de análisis espacial que puedan incorporar al desarrollo de aplicaciones deben sentirse como en casa usando PySAL. Los analistas espaciales que puedan estar llevando a cabo proyectos de investigación que requieran secuencias de comandos personalizadas, un análisis de simulación extenso o aquellos que buscan avanzar en el estado del arte en el análisis espacial también deberían encontrar que PySAL es una base útil para su trabajo.

Los usuarios finales que buscan una interfaz gráfica de usuario fácil de usar para el análisis espacial no deben recurrir directamente a PySAL. En su lugar, deberían considerar proyectos como STARS y el conjunto de productos de software GeoDaX que envuelven la funcionalidad PySAL en GUI. Al mismo tiempo, se espera que con desarrollos como las arquitecturas de complementos basados ​​en Python para QGIS, GRASS y las extensiones de la caja de herramientas para ArcGIS, el acceso del usuario final a la funcionalidad de PySAL se amplíe en un futuro próximo.


Conclusión

Nuestra investigación destaca que residir en áreas urbanas con condiciones de vida precarias se asocia con una mayor prevalencia de microcefalia en comparación con residir en áreas con mejores condiciones de vida.

El seguimiento de la distribución espacial de los casos de microcefalia y su correlación con las condiciones de vida, además de las encuestas de seroprevalencia de arbovirus circulantes, podría ser una herramienta valiosa para la evaluación de la dinámica de la transmisión de enfermedades intraurbanas. La superposición de las capas de ocurrencia de enfermedades y áreas desfavorecidas es útil para intervenciones de salud pública como el control de vectores.


INTRODUCCIÓN

Los invertebrados marinos han mostrado altas tasas de invasión en los últimos tiempos (Lee et al. 2008 Robinson et al. 2011 Capinha et al. 2012), y han aumentado exponencialmente debido a actividades humanas como el comercio y la acuicultura, alterando así los ecosistemas nativos (Kerckhof et al. 2007 Meyerson y Mooney 2007 Vander Zanden et al. 2010). Sin embargo, no se dispone de estudios de campo precisos debido a la amplia gama de características oceánicas y profundidades en el océano, y es difícil determinar con precisión su distribución a través de estudios de campo directos (Kaschner et al. 2006 Valavanis et al. 2008, Franklin, 2010). Además, debido a la disponibilidad limitada de datos y la recopilación de nuevos datos de recopilación, la caracterización de la distribución y propagación de estas especies invasoras es problemática (Valavanis et al. 2008, Franklin, 2010). Estas deficiencias se han superado con el desarrollo de herramientas como SIG (Sistema de Información Geográfica), SDM (Modelo de Distribución de Especies) que proporcionarían información sobre los ecosistemas marinos. Estas herramientas han permitido varios estudios sobre la distribución y predicción de diversas especies marinas como peces, medusas, corales, cangrejos y algas, incluidas las especies marinas invasoras de tunicados (Maravelias y Reid 1997 Guinotte et al. 2006 Graham et al. 2007 Tittensor et al. 2009Comptom et al. 2010 de rivera et al. 2011 Tyberghein et al. 2012 enero et al. 2015 chasis et al. 2018). Los SDM se utilizan actualmente para predecir distribuciones geográficas (Elith y Leathwick 2009). También se utilizan para la evaluación de la biodiversidad, la restauración del hábitat y la evaluación de riesgos de especies invasoras en ecosistemas terrestres, de agua dulce y marinos (Elith et al. 2006 Kwon et al. 2012 Lee et al. 2016). Además, el desarrollo de SIG ha llevado a una mayor expansión de los métodos de predicción de la distribución de especies (Foody 2008Swenson 2008).

Recientemente, se ha utilizado con frecuencia el modelo de máxima entropía (MaxEnt) que utiliza solo datos de presencia de especies. Con la capacidad de predecir la distribución de animales salvajes, plantas y organismos marinos incluso en ausencia de datos suficientes, este es actualmente un modelo de uso común no solo en Corea del Sur (Seo 2008 Park 2018) sino también a nivel mundial (Elith et al. 2006 Hernández et al. 2006 Phillips et al. 2006Wisz et al. 2008 Elith et al. 2011 Merow et al. 2013). Muchos estudios recientes han utilizado el modelo MaxEnt (Radosavljevic y Anderson 2014) y se han publicado más de 1,000 estudios desde 2006, debido a las ventajas de una predicción precisa de la distribución de especies y características fáciles de programación (Merow et al. 2013). La investigación sobre la distribución y propagación de especies invasoras en Corea y en el extranjero se está llevando a cabo activamente en organismos terrestres (Cho et al. 2015Parque et al. 2017) sin embargo, las especies marinas extrañas no se están investigando en la misma medida (Robinson et al. 2011 Parque et al. 2018).

Una de las ascidias marinas invasoras, Herdmania momus, perteneciente a la clase Ascidiacea y phylum Chordata, es una ascidia solitaria y se distribuye en regiones tropicales y templadas con la excepción de los océanos Pacífico Oriental y Atlántico Oriental (Kott 2005). Herdmania momus se conoce como una especie invasora que migró del Mar Rojo al Mar Mediterráneo cuando se abrió el Canal de Suez (Shenkar y Loya 2008). En Corea, esta especie exótica se informó por primera vez en Seogwipo en 1969 (Rho 1971) y se esperaba que compitiera con las conchas marinas y el abulón que se alimentan de algas y dañan la industria de la acuicultura en la isla de Jeju (Yi y Kim 2016). Además, recientemente se ha confirmado que H. momus generalmente se distribuía en una profundidad de 9-10 m, se extendía por toda la isla de Jeju y se distribuía en Busan (Shin et al. 2013Parque 2019). Debido al rápido desarrollo y las tasas de crecimiento, H. momus Se espera que aumente el ritmo y amplíe la gama de distribución. En Corea, los estudios sobre la propagación y distribución de H. momus son insuficientes y no existen estudios para predecir su extensión de distribución (Park 2019). Este estudio se basa en el modelo MaxEnt, que puede predecir la distribución de especies utilizando solo información de presencia (Phillips et al. 2006, 2017), y QGIS se utilizó para preparar el mapa principal de H. momus y predecir sus hábitats y distribución potenciales (QGIS Development Team 2018). Se sabía que las especies marinas invasoras se veían afectadas y distribuidas por el aumento de las temperaturas debido al cambio climático (Raitsos et al. 2010). Por lo tanto, se establecieron dos escenarios diferentes de RCP, RCP 4.5 y RCP 8.5, para predecir los hábitats potenciales y la distribución de H. momus para el futuro. Por lo tanto, este estudio se realizó para proporcionar datos básicos sobre la distribución de H. momus y control de los ecosistemas marinos domésticos mediante la predicción de la propagación y distribución de H. momus debido al cambio climático provocado por el aumento de las temperaturas.


Discusión

Este documento presenta un enfoque novedoso para estratificar la malaria a nivel subnacional en la parte continental de Tanzania, utilizando una combinación de indicadores de malaria de rutina de los centros de salud y las encuestas escolares. El mapa resultante estratificó la carga en cuatro estratos de riesgo epidemiológico muy bajo, bajo, moderado y alto más un estrato no epidemiológico para los consejos urbanos. Esto se utilizó para orientar al programa de control de la malaria en la revisión de su plan estratégico contra la malaria de una manera basada en la evidencia y en el desarrollo de paquetes de intervención dirigidos por estratos [18].

Hay muchos indicadores de riesgo de paludismo que pueden representar heterogeneidad subnacional. La precisión y el sesgo de cada indicador, los costos asociados de recopilación y el nivel y la frecuencia disponibles para medir la variabilidad en el espacio y el tiempo pueden afectar la idoneidad de los indicadores para medir la transmisión [34]. Varios estudios han intentado comparar medidas de fuentes de rutina con la prevalencia comunitaria para resaltar la representatividad de estos indicadores [25, 27, 35]. Sin embargo, la evidencia para sugerir qué indicador es más adecuado para medir la transmisión es limitada y una mayor comprensión de cómo estos varían en los diferentes entornos de transmisión ayudaría a identificar qué indicadores son más sensibles a los estratos de transmisión a nivel del consejo y cómo cambian con el tiempo.

Si bien se han desarrollado varios enfoques para la estratificación del riesgo de malaria, no existe un enfoque específico recomendado por la OMS. Una revisión que analizó los mapas de riesgo de malaria desarrollados durante la etapa pre-GTS, en 47 países [36] encontró que la mayoría de los países se basan en API o tasas de infección para describir los riesgos de malaria, aunque también se han utilizado una variedad de otros indicadores, como descripciones cualitativas. e idoneidad climática. La metodología actual presenta un enfoque pragmático que aprovecha los datos de informes de rutina y datos de encuestas nacionales. No limitar la estratificación a una sola fuente de datos mejora el mejor uso de todos los datos disponibles y la credibilidad / solidez de la estratificación resultante. Es importante destacar que, a través de un interrogatorio detallado de los datos de rutina, es posible hacer indicadores del consejo razonados para alinearlos con otras fuentes de datos de encuestas para la estratificación a nivel subnacional, aprovechando los datos de aquellos que buscan atención en instalaciones, asisten a ANC y escuelas en todo el país.

Notably, two of these indicators, the malaria prevalence in pregnant women (from ANC clinics) and among school aged children (from school surveys), not available in many countries, contributed a uniquely rich source of information into the stratification for mainland Tanzania. The high attendance rates of pregnant women at ANC makes them an easily accessible surveillance population to track malaria transmission intensity and provides a simple routine real-time measure of malaria prevalence at higher spatial and temporal resolutions than national household surveys [37]. Prevalence from ANC clinics shows a correlation with community-based childhood infection prevalence [25, 27, 38] thereby serving as a good measure to reflect malaria trends in the community. Community-based malaria parasite prevalence has been a benchmark measure of malaria endemicity since the 1950s [29, 39] and used in Tanzania as a milestone for controlling progress since 2000s [7𠄹]. Since survey data obtained from national household surveys are not powered to provide information below regional levels, school-based surveys provide a rapid, cheaper alternative to household sample surveys [40, 41] and have been used in several countries during the 1960s [40, 42] to establish national malaria risk profiles. Tanzania’s investment into these two surveillance approaches was driven by the need for additional surveillance data as advocated by the GTS. While many countries do not conduct nationwide school surveys nor have a malaria surveillance established in ANC clinics, the basic principle of using other related data layers remains critical to developing a multilayered stratification. Countries might additionally include national household survey data, climatology or abiotic strata such as urban areas (as used in mainland Tanzania).

An important aspect to the methodology undertaken in mainland Tanzania is the simplicity of the design, without requiring complex modelling approaches often beyond the scope of those working within many national malaria programmes across Africa. The approach used was conservative, categorizing councils by their maximal risks over the past 2𠄳 years. Taking the maximum of multiple years’ data is valuable in ensuring that unstable councils prone to rebound of prevalence were not misclassified into the lower strata which improves the validity of the stratification and exposes more councils to aggressive control interventions. Statistical uncertainty is an important concept in risk mapping [43], but hard to interpret for many control programmes, and such a maximal-conservative use of data is one approach to a public health criterion avoiding 𠇍oing harm” [13].

The increasing availability of routine information from health facilities via DHIS2 offers an attractive scope for analyzing continuous epidemiological trends over time and monitoring service delivery at a frequency and level that is not possible through the national representative household surveys [44]. One of the most common criticisms for the use of HMIS data is the extent of the quality of the data reported through DHIS2, thereby leading to unreliable estimates of malaria risk [45]. However, as the reporting system in countries continues to improve, particularly following the launch of the High Burden to High Impact (HBHI) initiative that calls for improvements in HMIS system, the data will become increasingly more reliable. Recent evidence demonstrates the utility of these data, despite their inherent imperfections, for programme evaluations [46, 47].

There are obvious limitations to the use of routine data that could be improved with the use of new tools and better statistical handling of incomplete data. In the present approach, data from all health facilities were used, irrespective of their reporting rates. Additional file 1: Table S2 shows how the proportion of health facilities that can be included in the stratification varies depending on which threshold for reporting is applied. The influence on stratification when using only data from facilities with greater than 50% reporting rates is shown in Additional file 1: Figure S4. Applying a very strict criterion under which only data from facilities with complete reporting are included would mean that a small proportion of facilities could be included in the stratification. However, using a less stringent criterion, for example, including facilities with more than 50% reporting would increase the proportion of facilities that could be included in the stratification and was shown not to affect the overall strata allocation per council. Moreover, the arbitrary approach applied in setting appropriate cut-offs for classifying the routine indicators into the four risk groups questions the robustness of this approach. Defining accurate risk groups is crucial in ensuring that all councils are designated the correct strata.

Future work might include using all data with appropriate spatial interpolation techniques between missing months and missing reporting facilities [48] or consider the use of sentinel facility data with better reporting rates. Population distributions within councils are invariably uneven and assuming equivalent access to reporting facilities across a council could be improved with higher resolution population mapping, allowing for a more informed basis for facility-population catchments [49]. Furthermore, measures of incidence are influenced by a myriad of factors [50]. Novel techniques that adjust for treatment seeking behaviors have been developed and applied in malaria incidence estimation [51], however, these require complex models and simpler council-level adjustments are required for who seeks treatment from where [52]. Exploring the correlation matrices of the various routine indicators with each other and how they compare with community based prevalence is important in understanding the nature of the indicators in different transmission settings and defining robust and accurate thresholds for the classification.

Whilst the approach taken here has presumed equivalence between indicators, and a crude weighting applied to others (based on coverage), a more informed basis could be developed to maximize the relationships between indicators. In the absence of any formal guidelines to understand the representativeness, relatedness and appropriate cut-offs for individual strata, this is work planned over the next 3 years in mainland Tanzania. Meanwhile, the approach taken represents the most simplified means of handling multiple routine and survey composite data.

The stratification approach of mainland Tanzania served as a basis in guiding the malaria control programme in re-defining packages of interventions across the spectrum of malaria risk. No current guidelines exist as to which mix of interventions works best for which strata. In the absence of empirical evidence, using a data-driven approach guided by integration of impact modelling and expert recommendations, the country has developed the most suitable packages based on local context [12]. It is proposed to revise data inputs, approaches and strata every 3 years, as part of mid-term strategic reviews [18]. With increasing completeness of data, improved methodologies, and a changing impact of revised intervention, the process of stratification becomes dynamic.

Central health planning of malaria control in mainland Tanzania considers the council as the primary unit for resource allocation and policy. As the country moves towards implementing a targeted malaria control approach, a more granular stratification of malaria risk at sub-council level will become increasingly valuable in informing council health managers about their malaria situation. The wards will represent as important planning units especially when transmission intensity declines and stratification at this level will thereby support an evidence-based decentralized malaria control planning and implementation in mainland Tanzania.


Conclusiones

In conclusion, we found that TB diagnostic delay was common in urban Tanzania, possibly due to passive case detection practice. We also found that the use of medication prior to TB diagnosis was common, which potentially poses challenges in the rational use of medication. Since many patients repeatedly accessed health care services before being diagnosed with TB, our study re-emphasizes the need for improved diagnostic capacities, as well as training and re-training of health care workers to increase awareness and timely diagnosis of TB. Consequent systematic screening for TB at HCFs at any care level could further reduce the diagnostic delay to interrupt TB transmission in the community. To support the implementation of active case detection interventions, future research should focus on health-seeking behaviour and how it is affected by cost factors and by the role of socio-cultural and other community determinants [12, 48–50].



Comentarios:

  1. Roscoe

    Es competente y accesible, pero me parece que te perdiste muchos detalles, trata de revelarlos en futuras publicaciones.

  2. Everett

    En mi opinión, no tienes razón. Discutamos. Escríbeme en PM, hablaremos.



Escribe un mensaje