سیستم های پردازش داده و بارندگی جهانی ناسا از راه اندازی TRMM در سال 1997 تا ماموریت GPM در حال انجام، مسیری طولانی را طی کرده اند. درست قبل از نیمه شب زمان نور روز شرق در 15 ژوئن سال 2015، یک آتش بر فراز آسمان آفریقای مرکزی ظاهر شد، در ماداگاسکار پراکنده شد، و اقیانوس جنوبی هند سقوط کرد. این پایان آتشین آژانس اکتشاف هوافضای مشترک ناسا و ژاپن (JAXA) ماموریت اندازه گیری باران گرمسیری (TRMM) بود. بازگشت TRMM پس از گذشت بیش از 17 سال در مدار، همچنین پایان اولین ماموریت بزرگ ماهواره ای را به طور اختصاصی برای گردآوری داده های مربوط به بارش گرمسیری و سهم آن در گردش جهانی مشخص کرد.

جمع آوری داده های آغاز شده توسط TRMM با ماموریت مشترک اندازه گیری بارش جهانی NASA / JAXA - GPM که در فوریه 2014 آغاز شده است، ادامه دارد. از زمان راه اندازی TRMM در 1997 تا ماموریت GPM در حال انجام، داده های هیدروسنجی از راه دور با صورت بسیار دور تکامل یافته اند. این انعکاس نه تنها ابزار دقیق، بلکه درک بهتر از چرخه آب و چگونگی ارتباط این چرخه با انرژی، کربن و چرخه های دیگر در حال تکامل سیاره ما است.

یکی از جدیدترین برنامه های ارائه شده توسط Google،محیط Google Earth Engine، یک پلت فرم پیشرفته پردازش زمین شناسی مبتنی بر فضای ابری است که عمدتاً برای تجزیه و تحلیل داده های زیست محیطی در مقیاس سیاره ای طراحی شده است. این مجموعه ای از کاتالوگ چند پتایی از تصاویر ماهواره ای و مجموعه داده های مکانی را در اختیار کاربران قرار می دهد تا به کاربران امکان تجسم، دستکاری، ویرایش و ایجاد داده های مکانی را به روشی آسان و سریع ارائه دهند. این مجموعه طیف گسترده ای از ابزارهای دستکاری مکانی را در اختیار دانشمندان، محققان و توسعه دهندگان قرار می دهد تا تغییرات، روند نقشه ها و تعیین اختلافات در سطح زمین را تشخیص دهند.

بررسی اجمالی

نمایش پرونده های داده های GPM / TRMM HDF با استفاده از THOR

Orbit Viewer THOR ابزاری برای نمایش پرونده های داده ماهواره ای در بایگانی ماموریت اندازه گیری بارش باران گرمسیری (TRMM) است. THOR مخفف "ابزاری برای بررسی با وضوح بالا" است. این برنامه نقطه ای و کلیک در IDL است که بر روی لینوکس، مک OS X و ویندوز اجرا می شود. این شما را قادر می سازد تا روی نقشه ای از مشاهدات TRMM Earth با وضوح کامل ابزار نمایش داده شود. حتی اگر می خواهید با استفاده از برنامه های IDL خود، خواندن و تجزیه و تحلیل فایل های GPM HDF5 را انجام دهید، می تواند به بیننده داده های THOR نصب شود تا بررسی های سریع روی پرونده های HDF5 شما در حال تجزیه و تحلیل باشد.

شکل 1: به عنوان مثال نتایج جستجوی Mirador برای IMERG.

بررسی اجمالی:

داده های GPM IMERG را با استفاده از پایتون بخوانید.

این دستورالعمل نحوه خواندن داده ها از مجموعه داده IMERG ماموریت جهانی اندازه گیری بارش (GPM) با استفاده از پایتون را نشان می دهد.

بهترین شکل:

کاربر می خواهد داده های GPM IMERG را با استفاده از پایتون بخواند

با استفاده از Giovanny، نمودار یا نقشه ای از باران های باران را برای یک محدوده زمانی و موقعیت مکانی تهیه کنید

1. متغیر مورد علاقه را جستجو و انتخاب کنید

با استفاده از مرورگر وب مورد نظر خود به وب سایت Giovanni بروید:

IMERG را در قسمت Keyword وارد کنید و دکمه جستجو را فشار دهید. در صفحه وب نتیجه باید مانند شکل 1 زیر باشد.

STORM یک رابط دسترسی به اطلاعات عمومی مبتنی بر وب برای سیستم جهانی اندازه گیری بارش (GPM) سیستم پردازش بارش Mission PPS است. اهداف صفحات تجسم سه بعدی سه مورد است. هدف اول تهیه روشی برای تجسم نزدیک به داده های زمان واقعی به محض دسترسی در سرور ftp است. این کار هم از طریق صفحات GPM Near Real Viewer و هم در صفحه STORM Viewer (EV) / EV Mini حاصل می شود. دوم این است که به کاربران رابط سفارش داده STORM اجازه داده شود محصولات را در سه بعد قبل از سفارش مشاهده کنند. برای این منظور، STORM Virtual Globe - VG برای تکمیل تصاویر استاتیک و ابزار Online Review Review با وضوح بالا (THOR) ایجاد شده است. هدف نهایی این صفحات توجه هر دو به کار گروه PPS و وسعت داده های ماهواره GPM Core و ماهواره های پردازش شده توسط PPS است.

یکی از چالش های بزرگ بشر در قرن بیست و یکم با آن روبرو است، تهدید تغییرات جهانی آب و هوا به دلیل افزایش سطح دی اکسید کربن و سایر گازهای گلخانه ای موجود در جو است. آیا تهدید واقعی است؟ مدل های رایانه ای که شرایط آینده را پیش بینی می کنند با برخی از مدل های پیش بینی گرم یا کمی گرم شدن، با بعضی از روش های بسیار مهم تفاوت دارند، در حالی که برخی دیگر افزایش دما را پیش بینی می کنند که به طور قابل توجهی روش زندگی ما را تغییر می دهد. بدون داده های بیشتر و درک بهتر از سیستم فعلی آب و هوا، امید زیادی وجود ندارد که بتوانیم تفاوت های موجود بین مدل های فعلی خود را درک کنیم و هر دو طرف در بحث زیست محیطی همچنان به دنبال نظرات آنها باشند.

ماموریت جهانی اندازه گیری بارش (GPM) یک شبکه بین المللی ماهواره ها است که مشاهدات جهانی نسل بعدی باران و برف را ارائه می دهد. با تکیه بر موفقیت ماموریت اندازه گیری بارش باران گرمسیری (TRMM)، مراکز مفهومی GPM در استقرار ماهواره "هسته" حامل یک سیستم رادار / رادیومتر پیشرفته برای اندازه گیری میزان بارش از فضا و به عنوان یک استاندارد مرجع برای متحد سازی اندازه گیری بارش از مجموعه ماهواره های تحقیقاتی و عملیاتی. از طریق اندازه گیری های مناسب میزان بارش در سطح جهان، ماموریت GPM در پیشبرد درک ما از چرخه آب و انرژی زمین، پیش بینی حوادث شدید که باعث ایجاد خطرات طبیعی و بلایای طبیعی می شوند، بهبود می بخشد و قابلیت های فعلی را در استفاده از اطلاعات دقیق و به موقع بارش باران به طور مستقیم به دست می آورد. جامعه GPM که توسط ناسا و آژانس اکتشاف هوافضا ژاپن (JAXA) به عنوان جانشین جهانی TRMM آغاز شده است، کنسرسیومی از آژانس های فضایی بین المللی، از جمله مرکز National d'Études Spatiales - CNES، سازمان تحقیقات فضایی هند (ISRO) را تشکیل می دهد. اداره ملی اقیانوس و اتمسفر (NOAA)، سازمان اروپایی بهره برداری از ماهواره های هواشناسی (EUMETSAT) و دیگران. رصدخانه هسته GPM در تاریخ 27 فوریه 2014، ساعت 1:37 بعد از ظهر EST از مرکز فضایی Tanegashima، ژاپن آغاز به کار کرد. 

گزارش بحران های آب یکی از اهداف توسعه پایدار سازمان ملل متحد است و کاهش کیفیت و کمیت موجود در آب شیرین به عنوان یکی از ده جدی ترین ریسک اجتماعی توسط گزارش خطرات مجمع جهانی رتبه بندی شده است. رصدخانه BlueDot با استفاده از تصاویر ماهواره ای که از طریق برنامه داده های باز AWS و AWS Cloud موجود است، یک سیستم نظارت جهانی را برای همه ساختار های در معرض خطر ایجاد می کند. این نظارت یک حقیقت غم انگیز را نشان می دهد - از بین رفتن کل ساختار آب در آینده ای نه چندان دور است.

eo-Learn یک کتابخانه پایتون منبع باز است که به عنوان پلی بین ارتباط زمین مشاهده / سنجش از راه دور و اکوسیستم Python برای علم داده و یادگیری ماشین عمل می کند. ما در حال حاضر یک پست وبلاگ اختصاصی در اینجا داریم که شما را به خواندن تشویق می کنید. این کتابخانه از آرایه های بی شماری و هندسه های زیبا به منظور ذخیره و اداره داده های سنجش از دور استفاده می کند. هم اکنون در منبع GitHub ما موجود است و می توانید مستندات بیشتری را در صفحه ReadTheDocs بیابید.

آیا پروژه ای دارید که نیاز به انتخاب منطقه خاصی از مش یا شبکه دارد تا بتواند داده های لازم را برای آن منطقه به درستی جمع کند؟ به عنوان مثال، شاید شما نیاز به انتخاب عناصر مش در ناحیه یک پل داشته باشید تا عناصر اصلاح شوند. برای تحقق هر یک از این موارد، گزینه های مختلفی وجود دارد.

یک گزینه این است که با انتخاب سلول ها، عناصر یا گره های جداگانه، صفات را مستقیماً در یک شبکه یا شبکه از قبل ایجاد شده تغییر دهید. این می تواند در یک مش یا شبکه بزرگ بسیار وقت گیر باشد.

ابزارهای آبخیزداری و ردیابی پایین دست برای استفاده با حساب ArcGIS آنلاین برای سازمان ها رایگان هستند.

آبخیزداری و Trace Downstream ابزاری آنلاین هستند که در نقاط مختلف جهان نقاط زهکشی بالادستی یا مسیرهای جریان پایین دست را در عرض چند ثانیه ایجاد می کنند. این ابزارها بر اساس مجموعه داده های USGS و صندوق جهانی حیات وحش ساخته شده اند. در ایالات متحده آمریکا، این ابزارها از داده های ارتفاع با وضوح 10 و 30 متر از USGS استفاده می کنند. داده های ارتفاع با وضوح 90 متر از صندوق جهانی حیات وحش این ابزارها را در سایر کشورها امکان می دهد. لطفاً برای اطلاعات دقیق در مورد مناطق موجود، به نقشه مکان یاب مراجعه کنید.

اگر داده هایی در GMS، مدل SMS یا WMS دارید که باید با برنامه دیگری به اشتراک گذاشته شود، یکی از ساده ترین راه های به اشتراک گذاری این داده ها از طریق shapefiles است. GMS، مدل SMS و WMS همگی می توانند shapefiles را وارد و صادر کنند، هر چند تفاوت هایی بین آنها وجود دارد. این مقاله به برخی از این تفاوتها می پردازد.

آیا تا به حال فکر کرده اید که تفاوت بین طرح ریزی سیستم مختصات و بازتعریف مجدد آن چیست؟ آیا تا به حال برای تبدیل یک سیستم مختصات از یک نوع دیگر در GMS، مدل SMS یا WMS (به طور مشترک با عنوان XMS) نیاز داشته اید؟ استفاده از سیستم مختصات ها در WMS می تواند گیج کننده باشد، بنابراین موارد زیر باید توضیحات بیشتری را ارائه دهد.

مقدمه

بافت خاک یکی از ابزارهای طبقه‌بندی خاک است که در مطالعات آزمایشگاهی و میدانی برای تعیین نوع خاک بر پایه بافت فیزیکی آن به‌کار می‌رود. بافت خاک را می‌توان با روش‌های کیفی (مانند تعیین بافت بر پایه لمس آن) و کمّی (مانند روش هیدرومتر) تعیین کرد. بافت خاک در کشاورزی به منظور تعیین گیاه مناسب، پیش‌بینی پاسخ گیاه به شرایط محیطی و مدیریتی مانند خشک‌سالی و نیاز کلسیم اهمیت و کاربرد دارد. بافت خاک بر ذرات کوچک‌تر از ۲ میلی‌متر تمرکز دارد که شامل ماسه، سیلت و رس است. طبقه‌بندی خاک وزارت کشاورزی ایالات متحده آمریکا (USDA) و WRB شامل ۱۴ طبقه بافت خاک بوده ولی طبقه‌بندی UK-ADAS شامل ۱۱ طبقه بافت خاک است. این طبقه‌بندی‌ها بر پایه درصد ماسه، سیلت و رس موجود در خاک هستند.

HydroShare سیستمی است که توسط کنسرسیوم دانشگاه ها برای پیشرفت شرکت Hydrologic Science Inc یا CUAHSI اداره می شود که به کاربران این امکان را می دهد تا داده ها و مدل ها را در قالب های مختلف انعطاف پذیر به اشتراک بگذارند و منتشر کنند و این اطلاعات را به صورت قابل اعتماد، به حالت اشتراک و در دسترس قرار دهند. روش قابل کشف HydroShare شامل مخزنی برای داده ها و مدل ها و ابزارها (برنامه های وب) است که می تواند براساس محتوا در HydroShare عمل کند و دروازه ای را برای محاسبات با عملکرد بالا در اختیار کاربران قرار دهد.

یادگیری مدل سازی آب های زیرزمینی یک چالش برای پیچیدگی کدها، کمبود یا کمیاب بودن داده های پیزومتریک و کیفیت آب، ناهمگونی شرایط متخلخل و معدود منابع برای کشف مدل های کامل و کاربردی آب های زیرزمینی با شرایط مرزی متفاوت و سناریوهای پیش بینی شده است.

مدیرعامل شرکت آب منطقه‌ای همدان عنوان کرد:

مدیرعامل شرکت آب منطقه‌ای همدان گفت: پرونده بارش‌های استان همدان در سال آبی 98-97 با بارش 607 میلی‌متری بسته شد. "منصور ستوده" اظهار داشت: سال آبی 98-97، 607 میلی‌متر برف و باران در همدان بارید.

وی با اشاره به اینکه بارش استان در مدت مشابه سال گذشته 389 میلی‌متر و متوسط بلندمدت 345 میلی‌متر بوده است، افزود: بارش‌های امسال نسبت به مدت مشابه سال آبی گذشته 56 درصد و در مقایسه با متوسط بلندمدت 76 درصد افزایش داشته است.

StreamStats امکان دسترسی به ابزارهای تحلیلی مکانی را دارد که برای برنامه ریزی و مدیریت منابع آب و برای اهداف مهندسی و طراحی مفید هستند. رابط کاربری مبتنی بر نقشه می تواند برای مشخص سازی مناطق زهکشی، به دست آوردن مشخصات حوضه و تخمین آمار جریان و موارد دیگر استفاده شود. اطلاعات موجود از ایالت به ایالت دیگر متفاوت است.

در دوران مدرن سازمان ها و نهادها داده های زیادی را ثبت می کنند، و نرم افزار محاسباتی می تواند با تعداد زیادی از داده ها کار کنند، اما مطمئناً ما نتوانسته ایم داده ها را ذخیره کنیم. ما گزارش هایی را منتشر می کنیم، جدول ها و نقشه ها را ایجاد می کنیم، اما بیشتر از حفظ داده هایی که شخص دیگری می تواند آنرا بررسی کند و در مطالعه خود یا مجدداً تجزیه و تحلیل کند، بیشتر به ارائه نظرات و ارزیابی ها متمرکز شده ایم.