Mer

Hvordan gjøre MapInfo i stand til å redigere geografiske data fra PostGIS?


Jeg bruker MapInfo 10.5 for å lese geografiske data fra PostGIS 1.5.2. Etter en pg_dump / pg_restore til en annen PostGIS-database på en annen server prøver jeg det samme via en VPN-tunnel. Når jeg åpner en tabell får jeg beskjeden "Kartobjekter kan ikke redigeres" og da kan jeg ikke redigere geometriene. De andre attributtdataene kan redigeres.

Jeg har prøvd å lage databasen min og tabellene både for hånd og med easyloader med samme resultat. Samtidig når jeg gjenoppretter databasen på min lokale datamaskin, får jeg bare meldingen for en av tabellene.

Noen anelse om hva som kan forårsake dette problemet?

Hilsen Ulrik


Sannsynligvis et privilegieproblem. Du bør ta en titt på det innlegget, eller direkte det.

En annen interessant vei å gå ville være den!

Håper det hjelper!


Åpne GIS Consortium (OGC)

OGC er en konsensusbasert forening av offentlige og private organisasjoner for å oppfylle disse tre målene. Hensikten er å lage og administrere en bransjedekkende arkitektur for interoperabel geoprosessering. OGC ble grunnlagt i 1994 som en ideell medlemsorganisasjon for å løse mangelen på interoperabilitet mellom GIS-systemer og mellom disse systemene og vanlige databehandlingssystemer.

Ved å engasjere nøkkelaktører i GIS-bransjen, som programvareselskaper, offentlige etater, private virksomheter og akademia, bringer OGC standardisering av geografiske data som det allerede finnes i andre informasjonssystemer. Målet er å vedta utbredte teknologistandarder og forretningsprosesser i et forsøk på å støtte georefererte data i hele det globale samfunnet.

Andre grupper har sluttet seg til innsatsen for et åpent GIS-system. GIPSIE er en slik innsats. Et akronym for GIS Interoperability Project som stimulerer industrien i Europa, prosjektets mål er å stimulere europeiske GI-samfunn og involvering i den verdensomspennende åpne GIS-spesifikasjonsprosessen og dermed øke den europeiske GIS-industriens konkurranseevne.


Hvorfor TerraNOVA Int & # 8217l?

Våre medarbeidere, nyskapende teknologi og dristig visjon gjør oss til ledende innen geospatial teknologi. Med TerraNOVA Int & # 8217l kan du øke effektiviteten og hastigheten på beslutningsprosesser ved å gi romlig informasjon mulig på bakgrunn av en stadig skiftende og uforutsigbar markedsplass. Med vår programvare, data og demografiske løsninger kan du raskt, effektivt og effektivt visualisere forretningsinformasjonen din gjennom et geografisk mikroskop. Vi skiller oss fra konkurransen på grunn av:

  • Ekspertise i bransjen - over 26 år og teller!
  • Omfattende kunnskap og teknisk ekspertise om tilgjengelig programvare, data og demografiske løsninger fra markedsledende partnere.
  • Flere prisalternativer og en evne til å levere betydelig innflytelse på vegne av våre kunder med våre partnerleverandører.
  • En absolutt forpliktelse til våre kunder og deres suksess.

Ring oss i dag på (949) 292-4848 for å lære hvordan du tar selskapets geospatiale strategi til neste nivå nå!

Sjekk ut den siste versjonen av MapInfo Pro: v2019 er her!

MapInfo Pro v2019 utvider Location Intelligence:

Se forretningsdataene dine på kraftige nye måter

  • Oppdag trender skjult i regneark og diagrammer
  • Få ny forståelse av kundene og markedene dine
  • Utfør kraftig dataanalyse og beregninger
  • Lag egendefinerte kart og innhold for analyse

Bruk geografisk innsikt for å innovere forretningsprosesser

  • Administrer stedsbaserte eiendeler, personer og eiendom
  • Optimaliser service- og salgsområder for større effektivitet
  • Distribuer nettverk, infrastruktur og verktøy med tillit
  • Kartlegg ressurser, planlegg logistikk og forbered deg på kriser

Fungerer og spiller godt med eksisterende IT-infrastruktur

  • Designet og testet med Windows-operativsystemer
  • Importerer og eksporterer data i et bredt utvalg av formater
  • Lett tilpasset for å møte dine spesifikke behov

Nøkkelegenskaper

Datatilgang

MapInfo Pro® gir innebygd støtte for å få tilgang til og vise en rekke dataformater direkte. Dette betyr at du vil kunne se Microsoft Excel®-, Microsoft Access®- eller databasedata, for eksempel Oracle®, Microsoft® SQL Server, så vel som mange andre filformater, rett ut av esken. Du kan også se bilder i praktisk talt hvilket som helst format. Denne muligheten sikrer at MapInfo Pro passer direkte inn i din nåværende IT-struktur uten ekstra kostnad.

Dataoppretting og amp-redigering

MapInfo Pro tilbyr mange CAD-dataopprettings- og redigeringsverktøy, samt muligheten til å redigere tabelldataene dine, for eksempel verdier og navn. Dette betyr at du ikke trenger å bytte mellom applikasjoner. Gjør alle endringene for kart og data i ett program og spar tid og krefter.

Kartvisningstilbud er en av de store styrkene til MapInfo Pro. Du kan øyeblikkelig skygge / endre stil eller merke territorier (ved hjelp av hvilket som helst symbol, graderte symboler, diagrammer eller grafer), grenser, motorveier, fiberlinjer eller punkter basert på eventuelle tabelldataverdier gjennom en enkel veiviser. Du kan også samle verdier ved hjelp av statistiske funksjoner eller en hvilken som helst matematikkfunksjon for å knytte et symbol eller en farge til et punkt eller en region basert på en beregnet verdi. Skygge for eksempel salgsområdene basert på antall kunder. Trender basert på geografi avslører seg, mønstre blir tydelige og bedre beslutninger med innvirkning er nært forestående.

Data & amp kart publisering

Å dele resultatene dine i bransjeformater er ofte like kritisk som selve informasjonen. I dagens IT-miljø er behovet for å ha flere publiseringsalternativer avgjørende for meningsfull kommunikasjon mellom applikasjoner. MapInfo Pro tilbyr et utvalg av alternativer for dette formålet. Fra muligheten til å eksportere data til hvilket som helst format, til publisering av store kart med tegn og diagrammer, integreres MapInfo Pro sømløst på tvers av applikasjoner. I tillegg er MapInfo Pro nettaktivert. Publiser statiske eller interaktive kart gjennom brukervennlige veivisere. Del resultatene i et format som passer best til dine behov.


Leter du etter veldig lett GIS-programvare for å sette på en bærbar PC

Jeg er veldig kjent med ArcGIS og MapInfo, men har alltid kjørt dem på arbeidsdatamaskiner. Hjemmecomputeren min er en Pavilion dm1 Notebook, og jeg leter etter en letteste programvare som er i stand til å produsere et geologisk kart (egentlig bare skriver inn GPS-poeng og lager polyliner / polygoner). Eventuelle forslag er velkomne!

Til tross for hva sevanelevan har å si, vil jeg si at QGIS er det beste valget. Dens åpen kildekode og rask å laste ned, så det kan ikke skade å gi den et skudd. Det er gratis og etter min erfaring, mye raskere å åpne enn Arc. Noen prosesser er tregere, men jeg har veldig få klager.

Etter min erfaring kjører QGIS som skit på de fleste bærbare datamaskiner som ikke er veldig nye eller avanserte. På den bærbare (anstendige) bærbare datamaskinen min, til og med noen grunnleggende funksjoner får den til å fryse opp eller krasje. Jeg er alltid redd for å til og med klikke på noe mens QGIS prøver å behandle noe.

Annet enn noen veldig kompliserte prosesser, har jeg ingen problemer med å kjøre ArcGIS.

GeoDa er flott hvis du vil gjøre grunnleggende visualiseringer.

Jeg bruker QGIS for et ganske stort prosjekt på en 2,4 GHz i5 Mac med 4 GB minne. Fungerer bra det meste av tiden. Spar ofte.

Jeg bruker qgis på en siste spill-bærbare datamaskin uten problemer, der ArcGIS 10.x var for treg til å bruke.


Medisinsk GIS

Raske fremskritt innen datateknologi i løpet av siste halvdel av 1900-tallet førte til en enorm transformasjon av medisinsk geografi og gjorde moderne medisinsk GIS mulig. På slutten av 1960-tallet begynte flere datakartingsprogrammer å revolusjonere disiplinen, og katalyserte utviklingen av moderne automatiserte kartleggingsprosedyrer, som gjorde det mulig for informasjon å bli oppdatert og mer effektivt. Kart kunne nå genereres mye raskere og med større presisjon enn før, og sykdomsdiffusjon kunne lettere kartlegges og analyseres. "En tilnærming gjennom kunnskap om befolkningsbevegelsesmønstre gjør det mulig å studere kulturelle interaksjoner med miljøet uten forutinntatt oppdeling som ikke kommer fra andre steder eller kulturer". 6, s.393 Gjennom disse kartene ble en objektiv måte å se på geografiske og medisinske fakta mulig.

Tidlig på 1970-tallet førte til en ny bølge av analytiske tilnærminger, noe som gjorde hypotesetesting viktigere for feltet. I økende grad var forskere interessert i ikke bare å beskrive sykdommer og spredning av dem, men også hvordan menneskelig atferd og interaksjoner med miljøet påvirker hverandre. Med økningen av datastyrte statistiske pakker, kan mer komplekse modeller brukes til å analysere romlig informasjon.

På midten av 1980-tallet blomstret datamaskinkartleggingsteknologien, slik at flere ikke-romlige data, kalt "attributtdata", kunne kobles til romlige punktdata i digitale kart, noe som førte til fødselen av det moderne skrivebordsbaserte GIS. I tillegg til å kartlegge tettheter, kunne man nå bruke GIS til å teste statistisk om disse punktene hadde en tendens til å samle seg på visse steder, og om sykdomsmønstre var signifikant assosiert med andre aspekter av menneskelig interaksjon. Selv om slike statistiske foreninger ikke kan bestemme årsakssammenheng, er de ekstremt nyttige for å øke vår forståelse av sykdomsmønstre.

Et GIS kan defineres som et datasystem med kapasitet til å fange, lagre, analysere og vise geografisk referert informasjon. Med andre ord er det en informatikk for lagring og administrering av data som er identifisert i henhold til sted. GIS har blitt brukt på et bredt spekter av felt, inkludert natur-, sosial-, ingeniør- og spesielt medisinsk vitenskap på grunn av deres evne til å innlemme fysisk, biologisk, kulturell, demografisk eller økonomisk informasjon.

En av de første bemerkelsesverdige medisinske GIS-programvarene blir referert til som Geographic Analysis Machine (GAM), utviklet i 1987 av Openshaw og hans kolleger og brukt til å analysere plasseringer av leukemiklynger i 1983. Dette systemet “inneholdt 4 hovedkomponenter: (1 ) en romlig hypotesegenerator (2) en prosess for vurdering av betydning (3) en GIS for å håndtere forespørsler om henting av geodata og (4) et system for geografisk visning og etterbehandling av kart ”. 8, s.99 I artikkelen med tittelen Søke etter leukemiklynger ved hjelp av en maskin for geografisk analyse, 8 ble det utført en analyse for å teste om det å bo i nærheten av et kjernefysisk anlegg utgjorde en høyere risiko for barnekreft. Ved bruk av GAM var Openshaw i stand til å demonstrere klyngende effekter av leukemi og andre kreftformer. Han fant også at flere klynger identifisert i tidligere studier ikke var statistisk signifikante i modellen. Selv om GAM viste seg å være et veldig kraftig instrument, advarte Openshaw om at bruk av GAM alene ikke ville være nok til å identifisere årsakene til leukemi, og at flere "ikke-geografiske mikrostudier for å identifisere årsaksmidler involvert" måtte gjøres. 7, s.105 Til tross for disse begrensningene ga GAM et tidlig eksempel på hvor kraftige nye geografiske databehandlingsteknologier kan være når de brukes på virkelige folkehelseutfordringer.


War Memorial Community Mapping Project

Et prosjekt for å kartlegge soldatene, sjømennene og flymennene som er oppført på Bo'ness War Memorial. Dette kartet viser hvor de omkomne ble gravlagt og også hvor de ble minnet. Ofte blir enkeltpersoner nevnt på andre graver eller plaketter i minnehager eller i kirker.

I tillegg kartlegger systemet hvor de ble såret eller drept i aksjon med nøyaktighetsindikasjon. Mange kartleggingssystemer bruker et "X markerer punktet" selv når det er tvil om posisjonens faktiske nøyaktighet.

I tillegg har systemet en interaktiv tidslinjefunksjon. Seerne kan spille et ulykkeskart måned for måned over første verdenskrig.

Dette prosjektet er under utvikling. Flere data kommer snart. (Skrevet mai 2018 - innhold forventes hele vinteren 2018/2019).

Besøk Bo'ness War Memorial Website for å se utviklingen.


Interaktiv tidslinje for hendelser.
I løpet av noen få minutter kan brukerne oppgi spesifikk informasjon for kartmarkører - inkludert tid og dato.
Disse lenker til hovednettstedet med detaljert informasjon om markøren.
Og tillat besøkende å se en interaktiv tidslinje for hendelser. I dette tilfellet store krigsskader.

Kartet ditt kan ha sin egen datastruktur.
I dette eksemplet har et militært fokusert kart dødsdato, tjenestenummer etc.
Nøyaktighet brukes her til å lage sirkler i forskjellige størrelser som indikerer hvor sikker brukeren er på markørens nøyaktighet.
Hvis mer nøyaktig informasjon bestemmes (kanskje med GPS eller ekskursjon), kan nøyaktighetsstørrelsen reduseres.
Markører kan enkelt flyttes.

Stilig, kraftig og brukervennlig dataregistreringstabell.
Søk etter, kopier og slett databaserader fra nettleseren din. Ingen komplisert databaseoppføring eller vedlikehold.


Når du trener modellen din med mini-batch gradient nedstigning likt algoritme, vil du at batchene skal være forskjellige fra hverandre, men ikke for mye. Når gruppene er forskjellige, har læring fra noe litt annet utvalg den regulerende effekten, siden modellen må være fleksibel nok til å tilpasse seg de forskjellige gruppene. Når gruppene er for forskjellige, kan det ha problemer med å konvergere, siden det fra batch til batch kan trenge å gjøre drastiske endringer i parametrene. For å oppnå gode resultater blander vi dataene før vi deler inn i grupper, slik at splitting av de blandede dataene fører til å få tilfeldige prøver fra hele datasettet.

Når du lærer på hele data, er det ikke noe poeng i å stokke. Ved hvert trinn vil du bruke de samme operasjonene på hele datasettet, så det ville ikke ha noe å si. Du ville multiplisere alle prøvene med samme vekter, legge til samme skjevheter, transformere ved hjelp av samme aktiveringsfunksjon osv., Slik at rekkefølgen på prøvene ikke ville ha betydning. Til slutt vil du bruke en kostnadsfunksjon som vanligvis er en sum av tap over alle prøver, og det spiller ingen rolle i hvilken rekkefølge du tar summen.


Jeg tror du mener init.rc og ikke gjør det.

Men for å svare på spørsmålet ditt, ligger den filen i rotmappen /init.rc for å redigere den, trenger du root-tilgang og montering / rw, og til og med med det mister du endringene når du starter på nytt fordi den blir overskrevet av boot.img-innhold hver gang. , så du må pakke ut boot.img-innhold, rediger filen og gjenoppbygg bildet og blits det.

Den riktige måten å utføre kommandoer i starten er å bruke init.d-skript.

Kort fortalt hvis init.d-skript støttes, kaller init.rc en funksjon som søker etter brukerskript i /system/etc/init.d/ og utfører dem. Du kan legge et skript der og se om det blir utført, eller søke etter hvordan du aktiverer init.d-skript.

Rediger Leter etter kommandoen din, fant jeg ut at du bruker android på x86. I så fall ser det ut til at det er en init.sh i / system / etc / folder.

For å kunne redigere filer under / system må du montere den på nytt med en app som ES File Explorer eller kjører fra terminal som root:


Litteraturstudier i den digitale tidsalderen

& para 1 Legg igjen en kommentar til avsnitt 1 0 Vi er alle kjent med kart som geografiske verktøy. Tidligere har vi kanskje brukt et trykt atlas for å finne stedene i byene eller for å plotte ruter for å komme fra et sted til et annet. Faktisk, kart og veikart har blitt vanlige metaforer for ordningen og forholdet mellom ting (f.eks. "kartlegge konsekvensene") eller for veibeskrivelse ("Må jeg tegne et veikart for deg?" som en ironisk kommentar til hvordan du kan utføre en enkel oppgave). Nå kan vi godt gå online for å gjøre de samme tingene som vi pleide å gjøre med papirkart. MapQuest, Google Earth, og Bing Kart er like kjent som det gamle atlaset på sokkelen. Mindre vanlig, men fremdeles kjent for akademikere, er spesialiserte atlasser som kombinerer informasjon med kart, for eksempel historiske atlasser som dokumenterer kulturelle eller demografiske endringer (f.eks. Utvidelsen av det romerske imperiet på forskjellige tidspunkter) .1 Kart med ytterligere, ikke-geografisk informasjon er også tilgjengelig på datamaskiner, for eksempel de som viser værsystemer eller valgavkastning. Et geografisk informasjonssystem (GIS) knytter informasjon til kart ved hjelp av en datamaskin

& para 2 Legg igjen en kommentar til avsnitt 2 1 Til å begynne med et konkret eksempel på humaniora GIS, kan vi vurdere GIS utarbeidet for dokumentararkivet Salem Witch Trials. Figur 1 viser et kart over Salem Village som plotter hvor anklagerne og tiltalte bodde. Dette er imidlertid ikke noe statisk kart. Ved å klikke på tidslinjen nederst på kartet endres den plottede informasjonen. Når kartet er åpnet første gang, har det ikke plasseringer som er tegnet forskjellige dager, viser forskjellige personer som er relevante for dagen. Den første dagen på tidslinjen viser for eksempel en gruppe mennesker, inkludert Sarah Good, Sarah Osborn og Tituba, hvis arrestordrer ble utstedt på den datoen. Figur 1 viser et kart for dagen Martha Cory ble satt i fengsel, 21. mars 1692. Ved å klikke på navnet hennes vises en annen skjerm med lenker til hennes biografi, dokumenter som arrestordren og til og med bildet Giles og Martha Cory ved bordet, vist i figur 2. Den sentrale ideen illustrert av Salem Witch Trials GIS er bruken av et kart for å få tilgang til mange forskjellige typer informasjon. Stedet i samfunnet der en anklager eller en anklaget heks bodde, kan fortjene opprettelsen av et kart, men stedene kan også hjelpe til med å organisere informasjon relatert til hver person. Kart gir et grafisk middel for å knytte data, tekster og mer grafikk til de komplekse kulturelle matriser som vi forventer å finne i vår studie av humaniora.

& para 3 Legg igjen en kommentar til avsnitt 3 0
Figur 1. Hekseanklagelser i Salem Village, 21. mars 1692, fra stedet Salem Witch Trials.

& para 4 Legg igjen en kommentar til avsnitt 4 0
Figur 2. Et bilde av Martha Cory, anklaget for hekseri og fengslet 21. mars 1692, fra Salem Witch Trials.

& para 5 Legg igjen en kommentar til avsnitt 5 0 I løpet av de siste tiårene har det skjedd raske fremskritt parallelt med fremadgående datakraft for slike systemer. Noen ganger kan et GIS brukes til hovedsakelig kartografiske oppgaver, men i stadig større grad gir GIS-implementeringer brukere tilgang til informasjon som er lagret i databaser, ofte for å hjelpe dem med å ta beslutninger ved å behandle data i tilknytning til kart. Etter de nasjonale folketellingene i 2000 og 2010 måtte for eksempel stater opprette kongressdistrikter for å matche deres nye befolkningsfordeling, og GIS viste seg å være et avgjørende verktøy. I den kommersielle verdenen bruker planleggere ofte GIS for å bestemme hvor de skal finne en ny virksomhet, og se på befolkningsdata, trafikkmønstre og steder for etablerte virksomheter. GIS-verktøy kan også brukes til bildeforbedring, enten i analyse av geografiske satellittbilder eller piksler på andre bilder, siden de behandlede stedene kan være romlig relaterte og ikke nødvendigvis geografiske. I akademisk forskning kan GIS brukes til studier av økologi (f.eks. Dale), arkeologi (f.eks. Wheatley og Gillings) eller folkehelse (f.eks. Lawson). Enhver studie som knytter data av noe slag til geografiske eller romlige steder, vil tjene på å bruke GIS - inkludert språk- og litteraturstudier.

& para 6 Legg igjen en kommentar til avsnitt 6 0 Når vi velger å representere informasjon på et kart, er vi engasjert i vitenskapelig modellering (se Kretzschmar). Modeller er reelle og konkrete enheter, representasjoner atskilt fra virkeligheten som genererer dem. De er nyttige som erstatninger for ting eller fenomener som ikke kan observeres direkte fordi de er for store (værsystemer) eller for små (atomer) eller for ting som vi ønsker å manipulere og forstå uten å forstyrre kilden. Modeller trenger ikke være fysiske kopier, men kan bestå av formler eller andre bevisste uttalelser om fakta, slutning eller forhold som beskriver eller forutsier et aspekt av virkeligheten (som i økonometriske eller klimatiske modeller). Modellprodusenter må nødvendigvis bestemme attributtene som skal inkluderes og omfanget av representasjonen. Veikart kan bare ha de store motorveiene eller vise lokale gater. Værkart kan vise satellittbilder, radar eller isobarer og fronter som skjematiske linjer. Dermed må modellprodusenter være systematiske i å lage representasjonen (f.eks. Vise alle veiene for skalaen og området som er representert). Fremstillingen av en hvilken som helst modell er en bevisst handling fra produsenten, delvis en refleksjon av produsentens teoretiske grunnlag og antagelser om hva som er representert. Jo mer eksplisitt disse ideene blir formulert og gjort kjent, jo mer brukbar vil modellen være for andre enn produsenten - og omvendt.

& para 7 Legg igjen en kommentar til avsnitt 7 0 La oss nå bruke denne generelle behandlingen av modeller på språklige og litterære kart. En beskrivende modell av språkdata knytter bare dataene til lokasjoner uten å prøve å generalisere eller trekke konklusjoner, som i figur 3, et klassisk kart som viser hvordan folk intervjuet for Linguistic Atlas of New England uttalt byrå eller kommode som svar på et spørsmål om det store soverommet med skuffer (Kurath et al.). Figur 4 viser en mer skjematisk modell, generert online i et GIS fra Språklig atlas i Midt- og Sør-Atlanterhavsstatene (LAMSAS), som fortsatt er beskrivende fordi hvert symbol indikerer tilstedeværelsen eller fraværet av svaret kommode i LAMSAS database. Den hjemmelagde GIS-programvaren bruker Python-skript og produserer kart på få sekunder når brukerne ber om dem. De fleste GIS-applikasjoner innen språk- og litteraturstudier produserer beskrivende kart.

& para 8 Legg igjen en kommentar til avsnitt 8 0
Figur 3. Uttale av byrå eller kommode fra Linguistic Atlas of New England.

& para 9 Legg igjen en kommentar til avsnitt 9 0
Figur 4. En beskrivende oversikt over respondentenes bruk av kommode for å beskrive ”soveromsveske møbler” fra LAMSAS.

& para 10 Legg igjen en kommentar til avsnitt 10 0 En prediktiv modell vil derimot behandle dataene for å gjøre generaliseringer og trekke konklusjoner. Figur 5 bruker de samme dataene som figur 4, men inkluderer statistikk for tetthetsestimering for å gi en prediksjon om sannsynligheten for at responsen kommode kan ha blitt fremkalt hvor som helst i regionen på tidspunktet for undersøkelsen (i kvartiler, med de mørkeste rutene de mest sannsynlige stedene). GIS-programvare, i dette tilfellet MapInfo, ble brukt til å generere LAMSAS tetthetsestimeringskart. Et bibliotek med kart over tetthetsestimering er tilgjengelig på nettstedet, men beregningene og manipuleringene som kreves for å gjøre kartene er for kompliserte til at vi kan gjøre dem interaktive og umiddelbare som det enkle beskrivende plottet i figur 4. Mens prediktive anvendelser av GIS er mer vanlig innen samfunns- og naturvitenskap, der bruk av statistikk er en større del av forskningen, har de en økende rolle i humaniora.

& para 11 Legg igjen en kommentar til avsnitt 11 0
Figur 5. En estimering av tetthetsestimering av respondentenes bruk av kommode for å beskrive "soveromsveske møbler", fra LAMSAS.

& para 12 Legg igjen en kommentar til avsnitt 12 0 Både beskrivende og prediktive modeller er verdifulle verktøy i studiet av språk og litteratur. Likevel er det rom for forvirring mellom disse to polene. Tradisjonelle isoglosser kan se ut til å være beskrivende linjer som viser grensen for forekomst for noen språklige trekk, som i figur 6. I praksis har imidlertid isoglosses blitt brukt som prediktive verktøy, 3 fordi isoglossene har tillatt spredte forekomster på feil side. av isoglossen og dermed har gjort kvantitative forutsigelser om overvekt av funksjonen i det markerte området (som for trekantikonene i figur 6 se Kretzschmar). I slike tilfeller er ikke modellen så mye unøyaktig som den er basert på en uoppgitt antagelse. Helt ærlig prediktive modeller som brukes i datamaskinkartlegging av språkdata, bruker vanligvis teknikker for romlig statistikk for å etablere fordelingen av funksjoner blant et utvalg høyttalere og dermed estimere (og dermed forutsi) fordelingen av funksjoner i befolkningen mer generelt. GIS produserer ikke automatisk gode kart, men hvis utvikleren benytter en konsekvent, omfattende modell, kan den resulterende GIS lage gode kart automatisk.

& para 13 Legg igjen en kommentar til avsnitt 13 0
Figur 6. Et kart over Labovs nasjonale dialektgrenser, fra University of Pennsylvania’s Department of Linguistics.

& para 14 Legg igjen en kommentar til avsnitt 14 1 Det første trinnet for å utvikle et GIS er å geokode dataene som er, å tildele en plassering til den. For Litterært kart over AlabamaFor eksempel er hver Alabama-forfatter merket (eller kodet) i databasen med fylket der forfatteren hadde en Alabama-forbindelse. Når du klikker på et fylke på et kart over Alabama, får du en liste over forfattere som er knyttet til det, og forfatterens navn lenker til en forfatterinformasjonsside. I en annen form for geokoding, er Kansas City litterære kart, utarbeidet av Johnson County Library, har små nummererte ikoner på et kart over Kansas City. Ved å klikke på et ikon vises navnet på en forfatter og et verk, med en kort del assosiert med stedet, og lar brukerne sjekke tilgjengeligheten av boken i biblioteket. For Språklig atlasprosjekter plasseringen av høyttalersamfunn geokodet med bredde- og lengdegradskoordinater, en vanlig praksis for GIS som gjør det mulig å bruke en database med mange forskjellige typer kart, forutsatt at grunnkartet har registrering for breddegrad og lengdegrad (dvs. evnen til for å finne slike koordinater på kartet). Geokoding bruker altså forskjellige metoder for å knytte informasjon til bestemte steder på kart.

& para 15 Legg igjen en kommentar til avsnitt 15 0 GIS bruker to typer kartvisning, raster- og vektorkart. Rasterkart fungerer som en TV- eller dataskjerm ved å dele kartområdet i piksler eller i større identiske enheter (tessellasjoner) som helt okkuperer kartet. Data kan knyttes til hvilket som helst punkt på kartet, og det er mulig å vise kontinuerlig variasjon over hele regionen. Satellittbilder, som de på Google Earth, bruk piksler, som hver har sine egne fargeegenskaper. Annen informasjon kan også knyttes til hver piksel, for eksempel dens status som del av en stat eller annen politisk enhet eller status som en del av en innsjø, vei, bygning eller annen naturlig eller menneskeskapt funksjon på landet. En lignende effekt kan realiseres ved å bruke regnearkets rader og kolonner. Paulina Bounds har importert informasjon skannet fra papirkart tegnet av forskerne for å lage figur 7. Hver celle i regnearket viser antall fortrykte kart som hadde et merke (en del av en grenselinje, en del av et skyggelagt område), enten det var fortrykt eller tegnet på kartet av et forskningsfag. Den fortrykte grensen til Polen, representert på kartene med en linje, viser tydelig på regnearket på grunn av de tosifrede tallene i rasterskjermen. Regnearket viser også tydelig de fire områdene der forskerne trodde det var polske dialekter. Figur 5, LAMSASKartet for tetthetsestimering, bruker også en rastermodell der tre tusen små bokser, hver 0,2 breddegrad med 0,2 lengdegrad, dekker kartleggingsområdet. Sannsynligheten for å fremkalle kommode ble beregnet for hver boks basert på om responsen ble funnet på nærmeste nærliggende høyttalersteder, og resultatet av beregningen bestemte skyggelegging for boksen i kartvisningen. Regneark- og tetthetsestimeringskartene kan vise kontinuerlig variasjon på tvers av mønsteret til boksene som er pålagt undersøkelsesområdet, enten det er fra det opprinnelige rutenettet fra et regneark eller bevisst bruk av tessellering.

& para 16 Legg igjen en kommentar til avsnitt 16 0
Figur 7. Et bilde fra Paulina Bounds avhandling: dialektoppfatninger i Polen kartlagt med utmerke.

& para 17 Legg igjen en kommentar til avsnitt 17 0 Vektorkart er derimot sammensatt av bestemte punkter, linjer eller former på et kart. De Litterært kart over Alabama viser fylker, som hver er en form med sine egne grenser. Vi tenker oftest på kart som forskjellige typer gjenstander, for eksempel byer, veier eller stater. Et litterært kart over Manhattan (fig. 8) geokoder steder på et bygatekart og forbinder boksymbolene med korte passasjer fra et verk som er knyttet til det stedet. Noen ganger produseres vektorkart automatisk fra datalokasjoner, etter algoritme. Figur 9 er et kart over forekomsten av ordet takrenne som en variant respons i LAMSAS til kløft, eller "utvasket sted i et felt", i et annet hjemmelaget GIS, denne gangen programmert i Visual Basic. Hvis takrenne ble brukt i et samfunn, ble en linje representert som å nå ut mot hvert av sine nærmeste nabosamfunn. Hvis ingen nærliggende samfunn brukes takrenne, resultatet ser ut som en stjerne eller stjerne — men vektorteknikken gir oss en visuell ide om nettverk av nabosamfunn som bruker takrenne i Pennsylvania og West Virginia. Kart med isoglosser, som i figur 6, er prediktiv bruk av vektorteknikken.

& para 18 Legg igjen en kommentar til avsnitt 18 0
Figur 8. Et litterært kart over Manhattan, fra New York Times.

& para 19 Legg igjen en kommentar til avsnitt 19 0
Figur 9. Vector GIS for takrenne i LAMSAS.

& para 20 Legg igjen en kommentar til avsnitt 20 0 Det siste viktige GIS-konseptet er lag. Grafiske skjermbilder avhenger av ideen om overlegg, om å legge forskjellige lag med grafisk informasjon for å produsere et sammensatt bilde. Standard PC Windows- eller Mac-skjerm, for eksempel, overlegger brukervalgbare ikoner på en brukervalgbar bakgrunn og åpner deretter vinduer oppå hverandre. Datakartlegging bruker lagprinsippet for å etablere et grunnleggende kart og legge til brukervalgbare lag, som hver inneholder spesiell informasjon. Sekvensen av visninger i figur 10 illustrerer lagdelingsprosessen ved hjelp av skjermbilder tatt fra a LAMSAS GIS for å lage selvorganiserende kart (SOM eller nevrale nettverk) .4 Det første skjermbildet viser bare ruten som brukes til å legge til lag, den andre skjermbildet viser resultatet av å legge til det første laget, et basiskart over østlige stater. Det neste skjermbildet legger til fylkesgrensene for statene. Det endelige skjermbildet legger til en liten rute for plasseringen av hver LAMSAS samfunnet. Denne sekvensen viser at kartet som presenteres som en kompositt, faktisk er et sett med tre lag, hvorav hvert kan behandles på en eller annen måte for å skape en spesifikk visualisering.

& para 21 Legg igjen en kommentar til avsnitt 21 0



Figur 10. GIS-lag, sett på skjermbilder av a LAMSAS GIS.

& para 22 Legg igjen en kommentar til avsnitt 22 0 For å gjøre en grafisk skjerm interaktiv, kan informasjonen på lagene justeres etter program, for eksempel resultatet av en statistikk. SOM-prosessen bruker statistikk for å prøve å finne grupper av høyttalere med lignende svar i LAMSAS undersøkelse. Figur 11 viser SOM-utgang som identifiserte et sett med høyttalere, denne gangen med fylkesgrensene utelatt. Sett med høyttalere valgt i SOM-utgangen er representert med en lysere grå nyanse.

& para 23 Legg igjen en kommentar til avsnitt 23 0
Figur 11. Høyttalere fremhevet av statistisk behandling.

& para 24 Legg igjen en kommentar til avsnitt 24 0 Information on layers of the graphic display can also be accessed and may be used as a key to retrieve other information. In figure 12, for example, the information tool of the SOM GIS has been used to click on the westernmost community location in Virginia to display information from the LAMSAS database of speaker and interview characteristics. The layers of the map display are thus under the control of the developer and the user, available to be used in complex visualizations of complex data.

¶ 25 Leave a comment on paragraph 25 0
Figure 12. Retrieving information in the SOM GIS.

¶ 26 Leave a comment on paragraph 26 0 Management of the layered display can thus be used to create different visualizations of the data contained in databases, since that data is processed by statistics or other manipulations of the programmer and user. That is, the GIS system is not identical with any statistic or manipulation that might be programmed into it. There is not just one all-purpose system that provides the right or best or only statistics or manipulations needed by GIS developers and users developers must customize the sets of graphic tools GIS systems provide.

¶ 27 Leave a comment on paragraph 27 0 Data processing in GIS often consists of implementation of spatial statistics, commonly used by practitioners of technical geography. In the last twenty years statistical techniques for analysis of geographic patterns, such as point pattern analysis and spatial autocorrelation, have developed at a rapid rate: a recent search for “spatial” and “statistics” on Amazon recovered 3,815 relevant titles. Use of spatial statistics has been a regular feature of several different GIS implementations for LAMSAS.

¶ 28 Leave a comment on paragraph 28 0 There are two fundamental approaches to technical geography. First, it is possible statistically to analyze a geographic pattern under study to see if the pattern exhibits the property of complete spatial randomness (CSR). If a pattern is not spatially random, it may be possible to specify whether the pattern is more uniform than CSR (such as the location of the black-and-white squares of a chessboard) or more clustered than CSR (such as the occurrence of a high proportion of modern human populations in urban centers). It is possible to consider either the dispersion of locations with respect to the study area (a regular or clustered pattern across the whole study area) or the arrangement of locations only with respect to one another (a regular or clustered pattern in any part of the study area). The GIS illustrated in figure 6 is an example of spatial autocorrelation the join-count statistics indicate that the display is more clustered than CSR. Another approach to data processing in GIS involves the calculation of distances between different locations. In real geographic space, a familiar example is the calculation of the most direct route between two places on a map, as on driving directions from MapQuest. Distance can also be interpreted in ways other than miles or kilometers. Various statistics have been used to derive abstract, nongeographic distances for GIS applications, notably multidimensional scaling (MDS) or neural network analysis (as illustrated here with SOM in figure 8). In such analysis, the notion of similarity depends on complex mathematical calculations that position data points in abstract, nonrepresentational space. In such cases analysts must use care not to interpret results just in terms of a visualization in the two or three dimensions that they can immediately perceive but to take account of the mathematics that generate the visualization. Developers need to decide which statistical model or technique has the best fit for the particular project, but GIS systems do not require fancy statistics to create useful visualizations.

¶ 29 Leave a comment on paragraph 29 0 While GIS software is the current gold standard for computer mapping of literary or language (or any other) data, it is certainly possible to make computer maps with many different kinds of software. Perhaps the best-known full-featured commercial GIS systems come from Esri (ArcInfo, ArcView, MapObjects, and others) and MapInfo (MapInfo, MapBasic, and others). MapInfo was bought in 2007 by Pitney Bowes Atlas GIS, another commercial product formerly in wide use, was absorbed by Esri. One popular, well-supported, full-featured GIS package that is available as freeware is GRASS GIS.5 The learning curve is high for these products—there are full university courses, even sequences of courses, to teach their use—but they will do whatever the user needs to do. Technical geographers routinely write their own statistical programs to work with GIS packages, using programming languages such as Visual Basic or Python (as for the Linguistic Atlas Project). The well-known statistical program SAS offers its own GIS package. There are also many GIS programs that offer fewer features but may be easier to learn and use. Microsoft Map, for example, once distributed with the Office suite, is now the add-on Microsoft MapPoint. There is a much more limited mapping extension for Apache OpenOffice Calc (EuroOffice Chart Map). Google Earth og Bing Maps (formerly Microsoft Virtual Earth) are GIS systems on the Web that have some free services but require developers to purchase additional licensed software (Google Earth Pro, Bing Maps Platform) to make their own GIS applications. Educational and not-for-profit institutions may be able to get such licenses for free. One good example of a literary GIS that employs Google Earth is Mapping the Lakes: A Literary GIS, prepared at Lancaster University as a pilot project with funding from the British Academy.6 Another promising literary GIS site is Google Lit Trips, where contributors have offered their GIS annotations for literary works designed for readers with different educational levels the “lit trips” require that users download files for manipulation within Google Earth.7

¶ 30 Leave a comment on paragraph 30 0 Unfortunately, all these options either require or are facilitated by programming by the user. The mapping tools available on Linguistic Atlas Project, for example, have been painstakingly programmed as scripts that run on a server below the Web interface and are therefore not portable to other projects. Users will need to invest considerable time and resources in the preparation of GIS tools that really meet their needs. To that end, committed developers may benefit from learning a scripting language like Perl or Python or the high-level language with which to build applications in database packages like Access. The high-level languages offered by database packages are optimized for database management (for example, by use of Structured Query Language [SQL]), which allows users to focus more on analysis and less on foundational programming for how to get the data into a searchable structure. Even mapping data in spreadsheets requires time to associate the data in rows and columns with the mapping utility. In the absence of any user-friendly turn-key system for mapping language and literary data, users must be prepared to customize whatever software they use to display their results.

¶ 31 Leave a comment on paragraph 31 0 One low-tech option for a homemade GIS is to map data in fixed-character-based displays. Lee Pederson, when developing the mapping programs for the Linguistic Atlas of the Gulf States in the 1980s, did not have available the range of computer graphic resources that we now take for granted. He followed the example set by Alan Thomas in Areal Analysis of Dialect Data by Computer and created the graphic plotter grid (Pederson, “Graphic Plotter Grid”). Instead of plotting symbols on a base map, which required graphics software, Pederson made a grid using the regular character locations on the screen or print positions on the printout page. Figure 13 shows the fatwood og rich pine responses from the atlas question about the small pieces of wood that one uses to start a fire, kindling. The plotter grid makes a recognizable picture of the southern United States near the Gulf of Mexico. In the 1980s, computer monitors still primarily used fixed-width character displays (still an alternative to today’s more familiar proportional fonts) thus the computer screen or output to the printer could be thought of as a set of columns and rows of symbols, according to the raster model for a GIS. Pederson’s 70 x 34 grid of character locations provided 2,380 possible points. In the map, each location displayed or printed a dot or letter corresponding to one of the 911 speakers in the survey, and spaces were used to show places where there was no informant—such as the ocean or gaps in the less-dense pattern of interviewing in Florida and Texas. The completely filled eastern area of the region represents the dense interviewing there individual speakers were shown not at their exact location of residence but as close as the fixed spacing and density of speakers would allow. The arrangement is an elegant solution that does not require complex graphics handling to produce a picture for computer maps. Pederson made his fixed-character-based GIS displays interactive by means of several programs written in BASIC. Text handling and formatting is still easier today than working with computer graphics and thus is the better choice for beginning programmers in the humanities looking to make their own GIS applications.

¶ 32 Leave a comment on paragraph 32 0
Figure 13. Two words for kindling, from Pederson’s Linguistic Atlas of the Gulf States.

¶ 33 Leave a comment on paragraph 33 0 One of the most important functions for GIS programs is access to data for visualization. The Web offers good tools for this purpose. A fine example is The Map of Early Modern London, which allows the user to navigate the city and click on red stars to get information on a location. The initial map shows a grid (fig. 14), and one click takes the user into the city, where small stars indicate points of interest (fig. 15). A further click yields a descriptive passage (fig. 16).

¶ 34 Leave a comment on paragraph 34 0
Figure 14. The Map of Early Modern London.

¶ 35 Leave a comment on paragraph 35 0
Figure 15. The Map of Early Modern London, grid C3.

¶ 36 Leave a comment on paragraph 36 0
Figure 16. The Map of Early Modern London, Chancery description.

¶ 37 Leave a comment on paragraph 37 0 North Carolina Maps, at Carolina Digital Library, is another good example users can view historical maps of different parts of North Carolina, overlaid on their modern counterparts from Google Earth. The historical maps can be turned on and off or faded, so that users can see what has happened to the location in modern times in comparison to when the historical maps were made.

¶ 38 Leave a comment on paragraph 38 0 De Linguistic Atlas Project offers a suite of tools for access to data. The greatest degree of interactivity is available in the sections devoted to LAMSAS and to African American English and Gullah. Figure 17, for instance, shows a map of New York State with speaker locations identified each speaker label is clickable and retrieves information about the speaker, as shown in figure 18. Each speaker screen also has clickable parts, for the legends to the different categories of information and for retrieval of the responses offered by the particular speaker to different questions. If users begin with data in tables, whether about the speakers or about what they said, whether historical data for a cultural study or metadata for a linguistic survey, it is possible to turn a map display of the results on and off at will. The GIS provides opportunities for users to see what they want, as they require it.

¶ 39 Leave a comment on paragraph 39 0
Figure 17. Map of LAMSAS respondents in New York State.

¶ 40 Leave a comment on paragraph 40 0
Figure 18. Information retrieved by clicking on a speaker on a LAMSAS map.

¶ 41 Leave a comment on paragraph 41 0 Most of the Web functions illustrated here just take advantage of the native linking and display tools of HTML (i.e., the ability to call and open files, CSS for display), and there is no need to describe those. The data is linked from its native storage and formatted as needed for display. They are nonetheless GIS implementations, even without using special GIS software, because they associate information with geographic locations. It is possible to get the impression that computer maps of language and literary data ought to have complex graphic representations, but this need not be so. The worst kind of GIS for literary or linguistic study is the one that the analyst cannot make and so cannot use to look at or show information. The best sort of GIS is the one that the analyst can make and use, whether the maps are low-tech creations or layered graphic images in a commercial GIS. The real hallmark of GIS as a research tool is effective association of information with geographic locations, as the result of using a computer in the best way that the developer can manage. Spatial thinking may be a new way for humanists to imagine culture. Every project in the humanities works with cultural events or products that occurred or were made or talk about activity somewhere. Spatial location is the single aspect of humanities research that can tie together all the rich information from the complexities of culture that we need to talk about. We should be thinking about GIS as a means to help us make those connections.

Notes

¶ 42 Leave a comment on paragraph 42 0 1. Collections by Daniels, DeLyser, Entrikin, and Richardson and by Dear, Ketchum, Luria, and Richardson explore the importance of geography in the humanities.

¶ 43 Leave a comment on paragraph 43 0 2. According to Wikipedia, “The acronym GIS is sometimes used for ‘geographical information science’ or ‘geospatial information studies’ to refer to the academic discipline or career of working with geographic information systems” (“GIS”). In this essay, GIS is used with its mainstream definition, as set forth by Esri (the industry-leading maker of GIS software): “A geographic information system (GIS) integrates hardware, software, and data for capturing, managing, analyzing, and displaying all forms of geographically referenced information. GIS allows us to view, understand, question, interpret, and visualize data in many ways that reveal relationships, patterns, and trends in the form of maps, globes, reports, and charts. A GIS helps you answer questions and solve problems by looking at your data in a way that is quickly understood and easily shared” (“What Is GIS?”).

¶ 44 Leave a comment on paragraph 44 0 3. See, e.g., Kurath Kurath and McDavid. See also Labov, as an example of contemporary users of isoglosses.

¶ 45 Leave a comment on paragraph 45 0 4. This GIS is a program built with MapObjects, an Esri product that enables layering, and the C++ and Visual Basic programming languages.

¶ 47 Leave a comment on paragraph 47 0 6. The introduction to Mapping the Lakes offers this description of the site: “‘Mapping the Lakes’ maps out two textual accounts of journeys through the landscape of the Lake District: Thomas Gray’s tour of the region in the autumn of 1769 and Samuel Taylor Coleridge’s ‘circumcursion’ of the area in August 1802. This website offers GIS representations of these two accounts of place and suggests ways in which the mapping process opens up spatial thinking about these geo-specific texts” (“Introduction”).

¶ 48 Leave a comment on paragraph 48 1 7. As described on the Google Lit Trips site, “Google Lit Trips are free downloadable files that mark the journeys of characters from famous literature on the surface of Google Earth. At each location along the journey there are placemarks with pop-up windows containing a variety of resources including relevant media, thought provoking discussion starters, and links to supplementary information about ‘real world’ references made in that particular portion of the story” (Burg). While the original intent of Google Lit Trips is pedagogical, nothing prevents interested users from making a more scholarly presentation.

Works Cited

Bounds, Paulina. “Perception of Dialects in Poland.” Diss. U of Georgia, forthcoming.

Burg, Jerome. “About GLT.” Google Lit Trips. Google Lit Trips, n.d. Web. 11 Dec. 2012.

Dale, Mark R. T. Spatial Pattern Analysis in Plant Ecology. Cambridge: Cambridge UP, 1999. Print.

Daniels, Stephen, Dydia DeLyser, J. Nicholas Entrikin, and Douglas Richardson, eds. Envisioning Landscapes, Making Worlds: Geography and the Humanities. London: Routledge, 2011. Print.

Dear, Michael, Jim Ketchum, Sarah Luria, and Douglas Richardson, eds. GeoHumanities: Art, History, Text at the Edge of Place. London: Routledge, 2011. Print.

“GIS.” Wikipedia. Wikimedia, n.d. Web. 11 Dec. 2012.

“Introduction.” Mapping the Lakes: A Literary GIS. Lancaster U, n.d. Web. 11 Dec. 2012.

Kretzschmar, William A., Jr. “Isoglosses and Predictive Modeling.” American Speech 67 (1992): 227–49. Print.

Kurath, Hans. A Word Geography of the Eastern United States. Ann Arbor: U of Michigan P, 1949. Print.

Kurath, Hans, et al. Linguistic Atlas of New England. 3 vols. in 6. Providence: Brown U–Amer. Council of Learned Socs., 1939–43. Print.

Kurath, Hans, and Raven Ioor McDavid, Jr. The Pronunciation of English in the Atlantic States. 1961. Tuscaloosa: U of Alabama P, 1982. Print.

Labov, William. A National Map of the Regional Dialects of American English. Linguistics Laboratory, Dept. of Linguistics, U of Pennsylvania, 15 July 1997. Web. 11 Dec. 2012. <http://www.ling.upenn.edu/phono_atlas/NationalMap/NationalMap.html>.

Lawson, Andrew B. Statistical Methods in Spatial Epidemiology. New York: Wiley, 2001. Print.

Pederson, Lee. “A Graphic Plotter Grid.” Journal of English Linguistics 19 (1986): 25–41. Print.

——— , ed. Linguistic Atlas of the Gulf States. 7 vols. Athens: U of Georgia P, 1986–92. Print.

Thomas, Alan R. Areal Analysis of Dialect Data by Computer: A Welsh Example. Cardiff: U of Wales P, 1980. Print.

Wheatley, David, and Mark Gillings. Spatial Technology and Archaeology. London: Taylor, 2002. Print.


Se videoen: Загрузка рабочего набора MapInfo в PostGis (September 2021).