أكثر

قارن بين نقطتين مع تراكب نقطي واستبدل قيمة الخلية بالمتغير

قارن بين نقطتين مع تراكب نقطي واستبدل قيمة الخلية بالمتغير


أريد مقارنة 2 نقطية وعندما يكون هناك تغيير من 2 إلى 1 ، قم بإنشاء نقطية جديدة تحل محل الخلية التي تم اكتشاف التغيير فيها مع متغير التغيير.

## البحث عن الخلايا التي تحتوي على تغييرات من 2 إلى 1 اختبار <- (rasterT1 == 2 & rasterT2 == 1) التاريخ <- تاريخ الاختبار [الاختبار == ​​1 ،] <- تغيير

بشكل أساسي ، إذا كان rasterT1> rasterT2 ، قم بإضافة قيمة التغيير إلى تلك الخلية. مع النقطية الجديدة التي تسمى السنة باستخدام التراكب النقطي ، لكنني لست متأكدًا من كيفية تنفيذ ذلك.

إذا كنت بحاجة إلى مزيد من التفاصيل ، أعلمني.


يجب أن تكون عبارة "ifelse" البسيطة كافية في تقييم الشرط.

هنا نقوم بإنشاء متجهين عشوائيين من [1،2] ونطبق ifelse لتقييم حالة إذا كانت x = 2 و y = 1 ثم قم بتغيير (1) بخلاف ذلك بدون تغيير (0).

(x <- round (runif (10، 1، 2))) (y <- round (runif (10، 1، 2))) ifelse (x == 2 & y == 1، 1، 0)

نظرًا لأن هذا مجرد تقييم لمتجه أكبر من الآخر ، فيمكن للمرء فقط استخدام عامل تشغيل وإجبار النتيجة المنطقية على الرقم [0،1] المقابل لـ FALSE / TRUE.

كعدد (x> y)

يمكننا بعد ذلك توسيع تطبيق ifelse هذا إلى مكدس نقطي باستخدام التراكب. من الأفضل ترميز التغيير بقيمة فعلية بدلاً من حرف. ستحتوي البيانات النقطية الناتجة على القيم ، كما في المثال أعلاه ، 1 للتغيير و 0 بدون تغيير.

مكتبة (نقطية) fn <- system.file ("external / test.grd"، package = "raster") s <- stack (fn، fn) s [[1]] <- round (runif (ncell (s) ، 1، 2)) s [[2]] <- round (runif (ncell (s)، 1، 2)) s.change <- overlay (s [[1]]، s [[2]]، fun = الوظيفة (س ، ص) {ifelse (x == 2 & y == 1 ، 1 ، 0)})

إذا كان دائمًا عامل التشغيل "> أو <" ، فستكون الأمور أبسط بكثير. تشير الأقواس المزدوجة إلى نقطية معينة في المكدس.

قم بتغيير <- s [[1]]> s [[2]]

قم بإحضار البيانات النقطية إلى نفس المدى عن طريق ملء NA - in R

لدي العديد من النقطيات المحصودة بأشكال هندسية / مخططات تفصيلية مختلفة. خرائط الإنتاجية المكانية على وجه التحديد من عدة سنوات من نفس المجال ، ولكن المدى يختلف - لم تكن القياسات دائمًا الحقل بأكمله ، ولكن في بعض السنوات فقط جزء منه. أريد حساب القيمة المتوسطة لتلك الخرائط ودمجها في خط نقطي واحد متوسط ​​القيمة. ومع ذلك ، هذا يعني أنه ليس لكل بكسل في 5 طبقات / نقطية هناك قيمة. يمكنني قبول هذه القيم المفقودة لتكون NA ، لذلك سيتم حساب القيمة المتوسطة النهائية فقط من خلال دعنا نقول 3 خطوط نقطية لأجزاء من الحقل ، حيث لا تتداخل الخرائط.

فكرت في تمديد البيانات النقطية بـ "extension، ملء الأجزاء غير المتداخلة بقيم NA:

y & lt- ممتد (y ، شكل ، قيمة = NA) # الشكل هو شكل مستطيل يؤطر جميع البيانات النقطية لخريطة الإنتاج

هذا يعمل بشكل جيد ، لجميع النقطيين. لكنهم ما زالوا ليس لديهم نفس المدى. حتى إذا قمت بضبط المدى بواسطة setExtent () أو مدى () & lt- range () إلى حد ملف الشكل المستطيل أو حتى إلى أحد النقطيات الممتدة الأخرى ، ما زلت أحصل على:

خطأ في ComparRaster (x): عدد أو أعمدة مختلفة

..عندما أريد تكديسها واستخدام الكلس (ص ، متعة = متوسط.). تختلف نطاقات البيانات النقطية الأصلية عن إعادة تشكيلها. لكن لديهم نفس القرار و CRS.


يمكنك فقط استخدام min مع طبقتين نقطية.
لنبدأ بمثال قابل للتكرار:

نقوم الآن بحساب الحد الأدنى لكل خلية متداخلة داخل الطبقتين النقطيتين بسهولة شديدة باستخدام إحصائيات الخلية المنفذة:

علاوة على ذلك ، يمكنك أيضًا تطبيق إحصائيات مثل المتوسط ​​، والحد الأقصى ، وما إلى ذلك.

إذا فشلت الإحصائيات المنفذة بطريقة ما ، أو إذا كنت تريد استخدام الإحصائيات الخاصة بك ، يمكنك أيضًا الوصول مباشرة إلى البيانات لكل بكسل. وهذا يعني أنك تقوم أولاً بنسخ إحدى طبقات البيانات النقطية.


احسب: احسب

احسب القيم لكائن Raster * جديد من كائن Raster * آخر ، باستخدام صيغة.

إذا كانت x عبارة عن طبقة RasterLayer ، فإن المتعة عادةً ما تكون وظيفة يمكن أن تأخذ متجهًا واحدًا كمدخل ، وتعيد متجهًا من القيم بنفس الطول (مثل sqrt). إذا كانت x عبارة عن RasterStack أو RasterBrick ، ​​فيجب أن تعمل المتعة على متجه من القيم (متجه واحد لكل خلية). تقوم أداة calc بإرجاع RasterLayer إذا قام fun بإرجاع قيمة واحدة (على سبيل المثال ، مجموع) وإرجاع RasterBrick إذا قام fun بإرجاع أكثر من رقم واحد ، على سبيل المثال ، fun = quantile.

في كثير من الحالات ، يمكن تحقيق ما يمكن تحقيقه باستخدام الحساب ، باستخدام تدوين "الجبر النقطي" الأكثر سهولة (انظر طرق Arith). على سبيل المثال ، r & lt- r * 2 بدلاً من

r & lt- احسب (ص ، مرح = وظيفة (س) ، أو r & lt- مجموع (مجموعات) بدلاً من

r & lt- احسب (ق ، متعة = مجموع). ومع ذلك ، يجب أن يكون الحساب أسرع عند استخدام الصيغ المعقدة في مجموعات البيانات الكبيرة. باستخدام calc ، من الممكن تعيين اسم ملف الإخراج وتفضيلات نوع الملف.

انظر (تراكب) لاستخدام الوظائف التي تشير إلى طبقات معينة ، مثل (الوظيفة (أ ، ب ، ج) )


الاستشعار عن بعد و GIScience في الجيومورفولوجيا

إم جي سميث. م.جيلهاوزن ، في رسالة في الجيومورفولوجيا ، 2013

3.11.4.1 العرض

عادةً ما يتم عرض المخرجات النقطية للتضاريس وفحصها على وحدة عرض الفيديو (VDU) باستخدام النموذج الإضافي الأحمر والأخضر والأزرق (RGB) لخلط الألوان (الشكل 12). نظرًا لحساسية العين البشرية ، يسمح مكعب الألوان بمزج الألوان الأساسية الثلاثة بكثافة مختلفة لتوفير النطاق الكامل للألوان التي يمكن رؤيتها. لذلك من الممكن عرض ما يصل إلى ثلاث صور منفصلة لنفس المنطقة في وقت واحد ، عن طريق ترميز قيم البكسل كموقع إحداثيات ثلاثي الأبعاد داخل مكعب اللون. يُعرف هذا باسم "مركب الألوان الزائفة" (إلا إذا كان يمثل لون الكائن الفعلي كما تدركه العين البشرية وفي هذه الحالة يكون "مركب اللون الحقيقي"). تُستخدم هذه التقنية على نطاق واسع في الاستشعار عن بعد ، وتسمح ، ضمن التصور الجغرافي ، بالفحص التفاعلي لمجموعات بيانات التضاريس المتعددة.

الشكل 12. مكعب ألوان أحمر وأخضر وأزرق (RGB). يحدد المكعب كثافة كل لون أساسي ، مما يسمح بالتخطيط ثلاثي الأبعاد لجميع الألوان داخل المكعب. يوضح الخط الرمادي كيف يتم رسم الألوان لمقياس رمادي حيث يكون لكل مكون من مكونات RGB كثافة متساوية.

يقدم الشكل 13 مثالاً على كيفية استخدام مركب ذي ألوان زائفة لتفسير المناظر الطبيعية ، حيث يجمع بين زاوية الانحدار (الأحمر: 3 × 3 نواة) ، والانفتاح الطبوغرافي (الأخضر: 51 × 51 نواة) ، والانفتاح الطبوغرافي (الأزرق) : 501 × 501 نواة). تمثل الألوان المحمر انحدارًا عاليًا وانفتاحًا منخفضًا (على سبيل المثال ، عند منحدرات التلال شديدة الانحدار والمغلقة) ، بينما توضح الألوان المخضرة / الزرقاء المنحدرات المنخفضة والانفتاح العالي نسبيًا (على سبيل المثال ، في المناطق المسطحة والمفتوحة).

الشكل 13. تم إنشاء المركب ذي الألوان الزائفة باستخدام الانفتاح الطبوغرافي (الأخضر: 51 × 51 نواة) ، والانفتاح الطبوغرافي (الأزرق: 501 × 501 نواة) والمنحدر (الأحمر: 3 × 3 نواة). تمثل الألوان المحمر انحدارًا عاليًا وانفتاحًا منخفضًا والألوان المخضرة / المزرقة تصور المنحدرات المنخفضة والانفتاح العالي نسبيًا (على سبيل المثال ، في المناطق المسطحة والمفتوحة).


على الرغم من أن مجال قواعد البيانات المكانية يزيد عمره عن 40 عامًا ، إلا أن معظم نماذج البيانات المنطقية الحالية تركز بشكل كبير إما على الكائنات المكانية (نماذج البيانات المتجهة) أو الحقول المكانية (نماذج البيانات النقطية). علاوة على ذلك ، لا يزال يتم اقتراح هياكل الفهرس المكاني وخوارزميات الاستعلام لأحد الأساليب وقد تم تخصيص القليل من العمل البحثي لهياكل الفهرس وخوارزميات الاستعلام حيث يلزم كلا النوعين من المعلومات. ومع ذلك ، نظرًا للتوافر العالي الحالي لأنواع مختلفة من البيانات ، فمن الشائع جدًا في الوقت الحاضر أن تتطلب التطبيقات الاستعلام عن بيانات المتجهات والبيانات النقطية في نفس الوقت.

تقدم هذه الورقة طريقة لإجراء استعلام مكاني بين مجموعة بيانات متجه ممثلة باستخدام شجرة R ومجموعة بيانات نقطية ممثلة باستخدام بنية بيانات مضغوطة وفعالة من حيث المساحة تسمى ك 2- شجرة توفر مساحة الذاكرة الرئيسية. لذلك ، فإن الطريقة الموضحة في هذا البحث تحل مشكلتين: الأولى ، يمكن استخدامها لتقييم الاستعلامات بين البيانات المتجهة والنقطية دون الحاجة إلى تحويل إحدى مجموعات البيانات إلى نموذج البيانات الأخرى ، وثانيًا ، توفر مساحة الذاكرة الرئيسية ، وبالتالي الحصول على نظام أكثر قابلية للتوسع.


إستعمال

النقطية * كائن. عادةً ما يكون نوع متعدد الطبقات (RasterStack أو RasterBrick)

نموذج ملائم لأي فئة بها طريقة "توقع" (أو يمكنك توفير طريقة مماثلة لها مثل الوسيطة الممتعة. على سبيل المثال glm أو gam أو randomForest

حرف. اسم ملف الإخراج الاختياري

وظيفة. القيمة الافتراضية هي "توقع" ، ولكن يمكن استبدالها على سبيل المثال التنبؤ (حسب نوع النموذج) ، أو الوظيفة المخصصة الخاصة بك.

مدى الحد من التنبؤ بمنطقة فرعية لـ x

البيانات. يمكن استخدامه لإضافة ثابت لا يوجد له كائن نقطي لتنبؤات النموذج. مفيد بشكل خاص إذا كان الثابت عبارة عن قيمة عامل تشبه الحرف ولا يمكن حاليًا إنشاء RasterLayer

عدد صحيح. لتحديد العمود (الأعمدة) المراد استخدامها إذا كان يتوقع. يُرجع "النموذج" مصفوفة بأعمدة متعددة

منطقي. قم بإزالة الخلايا ذات القيم NA في المتنبئين قبل حل النموذج (وإرجاع قيمة NA لتلك الخلايا). يمنع هذا الخيار حدوث أخطاء في النماذج التي لا يمكنها معالجة قيم NA. في معظم الحالات الأخرى ، لن يؤثر ذلك على الإخراج. الاستثناء هو عند التنبؤ بنموذج أشجار الانحدار المعزز لأن هذه القيم المرتجعة المتوقعة حتى لو كانت بعض المتغيرات (أو كلها!) غير متوفرة


واجب المختبر

الرجاء استخدام صفحة الواجب لإكمال مهمتك وتحميلها إلى Stellar.


انشأ من قبل راج سينغ وجوزيف فيريرا.
معدل 1999-2008 بقلم جوزيف فيريرا وتوماس إتش جرايسون Jeeseong Chung , جينهوا تشاو ، Xiongjiu Liao ، Diao Mi ، Michael Flaxman ، و Yang Chen.
آخر تعديل: 24 أكتوبر 2010 بواسطة جو فيريرا.

عودة الى 11.520 الصفحة الرئيسية.
عودة الى صفحة CRON الرئيسية.


عمليات

بينما يتم تخصيص العديد من العمليات في نظم المعلومات الجغرافية الاحترافية & # 8217s ل
إنتاج خرائط احترافية المظهر ، مكرسة R الأساسية
المزيد من العمليات التحليلية.
يمكن تطبيق مجموعة من العمليات الحسابية على المصفوفات والمتجهات
للمساعدة في إعداد البيانات المكانية والإجابة على الأسئلة الإحصائية.

تنقيط

العملية الأولى هي تنقيط & # 8212 نقاط التآمر على خطوط المسح.
هذا سهل للغاية باستخدام عمليات الفهرسة في R
كما هو مبين أدناه.

الرسوم البيانية هي بناء أساسي لفحص
توزيعات القيم. في الرسم البياني للفئات في طبقة نقطية.
نسبة كبيرة من القيم هي 255. هذا بسبب استخدام القيمة
من 255 لتمثيل المحيط.

قناع

في النمذجة البيئية المتخصصة من البيانات المكانية
عادة ما يكون ضروريًا لإخفاء القيم غير ذات الصلة بالتحليل.
تتمثل إحدى طرق القيام بذلك في تعيين قيمة محددة في متجه قناع ، مثل الصفر والاستخدام
العمليات الحسابية لإبطال القيم في متجه آخر ، مثل الضرب
بنسبة صفر.

عند استخدام عمليات معالجة الصور ، يمكن تحقيق الإخفاء
مع عمليات الجمع أو الطرح.

على سبيل المثال ، في إجراء عملية اخفاء ، والاستفادة من المحدود
نطاق البايت المفرد في كل خلية باستخدام الأمر التالي ، إذا كانت المناطق
ليتم إخفاء القناع بقيمة 255 (أبيض) ثم يتم إخفاء جميع المناطق في الصورة ،
سيكون back.ppm القيمة 255 بعد العملية.

القرب

غالبًا ما يكون القرب علاقة مهمة لالتقاطها في البيئة
التحليلات. الالتفاف هو العملية التي نستخدم فيها القيم المجاورة لـ
تحديد قيمة الخلية المركزية. في R يمكن تطبيق مرشح على
تحقيق الالتواء في اتجاه واحد. يمكن للمصفوفة بعد ذلك
يتم نقلها لتطبيق المرشح في الاتجاهات الأخرى.

حزم معالجة الصور عادة ما يكون لها عملية تمهيدية
التي تحقق نفس الغرض. البرنامج في neppbm هو pnmsmooth
أو pnmconvol. تستخدم الأداة المساعدة pnmconvol ملف مصفوفة التفاف.
يتم تحديد هذا في netpbm
مع صورة pgm على النحو التالي. عرض المعلمات والارتفاع يحددان
أبعاد مصفوفة الالتواء hte.

اقتصاص

يشير الاقتصاص إلى قطع الأجزاء غير المرغوب فيها من مصفوفة ثنائية الأبعاد إلى
اترك الأجزاء اللازمة للتحليل. مثال Foe ، قد تكون الخريطة القارية
اقتصاصها لإزالة المنطقة المحيطة بمجموعة النقاط التي تحدث فيها الأنواع ، لذلك
لتطوير نماذج إقليمية أكثر تحديدًا.

يتم ذلك عن طريق pamcut في netpbm على النحو التالي:

يتمثل النهج في R في تطوير مجموعة من المؤشرات لكل خلية من الخلايا الموجودة في
المستطيل المطلوب مع أمر يسمى expand.grid. هذا مع ذلك
غير مناسب لمصفوفات البيانات الكبيرة.

التعميم أو تطوير النموذج

جميع النماذج هي في الأساس تعميمات ، أو تبسيط يتيح التعبير
من النظريات من الناحية الرياضية. على هذا النحو ، أحد أبسط أشكال التعميم
هو تصنيف ، أو تجميع ، حيث يتم فرز عدد كبير من العناصر غير المتشابهة إلى ملف أصغر
عدد الصناديق ، بناءً على تشابهها. بمجرد إنشاء مجموعة من الصناديق أو الفئات ،
وهناك أساس لتحديد سلة العناصر الجديدة التي يجب وضعها ، يمكن للعناصر الجديدة
يتم تصنيفها. بهذه الطريقة ، يمكن أن يكون التصنيف أو التجميع بمثابة تنبؤ
نموذج.

في R ، تسمى العملية الأساسية للتجميع كمين. في كمين، البيانات المراد تجميعها
مقسمة إلى ك مجموعات مثل هذا المبلغ
من المربعات من النقاط إلى مراكز المجموعة المخصصة يتم تصغيرها.
كحد أدنى ، جميع مراكز الكتلة في المتوسط
مجموعة نقاط البيانات مع نفس الفئة.

يتم استخدام عملية مماثلة في معالجة الصور تسمى تكميم اللون
أو تقليل اللون. سيؤدي تقليل عدد الألوان إلى ضغط حجم
صورة على حساب عدد الألوان. الأداة المساعدة في netpbm
لهذا الغرض يسمى ppmquant.

تنبؤ

يمكن تحقيق التنبؤ بكفاءة عالية مع تعيين الفهرس حيث
المتغير التابع هو بعد واحد.
تعيين الفهرس هو عملية أساسية أخرى لـ
ربط قيم مصفوفة بمجموعة أخرى من القيم.
يمكن استخدام هذه العملية لتطبيق نتائج النموذج ،
على سبيل المثال ، تغيير القيم في الخلايا من
القيمة الأصلية ، إلى احتمال لكل فئة محددة.

في معالجة الصور ، يُطلق على تعيين الفهرس تسمية لوحة الألوان ،
عملية يتم فيها استبدال الألوان الأصلية بمجموعة جديدة.
هنا يتم استخدام ملف لوح يحدد التعيين.

الأداة المساعدة في حزمة netpbm هي pamlookup ، يتم استدعاؤها مع صورة بتنسيق
جدول بحث لتعيين الألوان القديمة إلى الألوان الجديدة.

لاحظ أن هذه عملية فعالة للغاية مثل البيانات الموجودة في الصورة
لا يتغير ، فقط مجموعة صغيرة من القيم في لوحة الصورة.


جوزيف إيه إي ، فيليبس دكتور: إمكانية الوصول والاستخدام: وجهات نظر جغرافية حول تقديم الرعاية الصحية. 1984 ، Harper & amp Row Ltd ، لندن

Arcury TA، Gesler WM، Preisser JS، Sherman J، Spencer J، Perin J: تأثيرات الجغرافيا والسلوك المكاني على استخدام الرعاية الصحية بين سكان منطقة ريفية. بحوث الخدمات الصحية. 2005 ، 40: 135-156. 10.1111 / j.1475-6773.2005.00346.x.

كروملي إيك ، مكلافيرتي إس: نظم المعلومات الجغرافية والصحة العامة. 2002 ، مطبعة جيلفورد ، نيويورك

Guagliardo M: إمكانية الوصول المكاني للرعاية الأولية: المفاهيم والأساليب والتحديات. المجلة الدولية للصحة الجغرافية. 2004 ، 3 (3): 1-13.

McGuirk MA ، Porell FW: الأنماط المكانية لاستخدام المستشفى: تأثير المسافة والوقت. التحري. 1984 ، 21: 84-95.

شانون جي دبليو ، سكينر جي إل ، بشور آر إل: الوقت والمسافة: رحلة الرعاية الطبية. المجلة الدولية للخدمات الصحية. 1973 ، 3 (2): 237-244. 10.2190 / FK1K-H8L9-J008-GW65.

McLafferty SL: نظم المعلومات الجغرافية والرعاية الصحية. المراجعات السنوية في الصحة العامة. 2003 ، 24: 25-42. 10.1146 / annurev.publhealth.24.012902.141012.

Apparicio P، Abdelmajid M، Riva M، Shearmur R: مقارنة الأساليب البديلة لقياس إمكانية الوصول الجغرافي للخدمات الصحية الحضرية: أنواع المسافة وقضايا الخطأ التجميعي. المجلة الدولية للصحة الجغرافية. 2008 ، 7 (7): 1-14.

Haynes R ، Jones A ، Sauerzapf V ، Zhao H: التحقق من أوقات السفر إلى المستشفى المقدرة بواسطة GIS. المجلة الدولية للصحة الجغرافية. 2006 ، 5 (40): 1-8.

Phibbs CS ، Luft HS: ارتباط وقت السفر على الطرق مقابل مسافة الخط المستقيم. أبحاث ومراجعة الرعاية الطبية. 1995 ، 52 (4): 532-542. 10.1177 / 107755879505200406.

Jones SG ، Ashby AJ ، Momin SR ، Naidoo A: الآثار المكانية المرتبطة باستخدام قياسات المسافة الإقليدية وحساب النقط الوسطى الجغرافي في أبحاث الرعاية الصحية. بحوث الخدمات الصحية. 2010 ، 45: 316-327. 10.1111 / j.1475-6773.2009.01044.x.

Couclelis H: يتلاعب الناس بالأشياء (لكن يزرعون الحقول): ما وراء الجدل النقطي المتجه في نظم المعلومات الجغرافية. نظريات وطرق الاستدلال المكاني الزماني في الفضاء الجغرافي ، المجلد 639 من ملاحظات المحاضرة في علوم الكمبيوتر. حرره: فرانك إيه في ، كامباري الأول ، فورمينتيني يو 1992 ، سبرينغر ، برلين / هايدلبرغ ، 65-77.

van Bemmelen J، Quak W، van Hekken M، van Oosterom P: Vector مقابل الخوارزميات المستندة إلى البيانات النقطية لتخطيط الحركة عبر البلاد. Proceedings Auto-Carto ، المجلد 11. 1993 ، 304-317.

Goodchild MF، Yuan M، Cova TJ: نحو نظرية عامة للتمثيل الجغرافي في نظم المعلومات الجغرافية. المجلة الدولية لعلوم المعلومات الجغرافية. 2007 ، 21 (3): 239-260. 10.1080 / 13658810600965271.

Aday LA، Andersen R: إطار عمل لدراسة الوصول إلى الرعاية الطبية. بحوث الخدمات الصحية. 1974 ، 9 (3): 208-220.

Penchansky R ، Thomas JW: مفهوم الوصول: التعريف والعلاقة برضا المستهلك. رعاية طبية. 1981 ، 19 (2): 127-140. 10.1097 / 00005650-198102000-00001.

خان أ. أ: نهج متكامل لقياس الوصول المكاني المحتمل إلى خدمات الرعاية الصحية. علوم التخطيط الاجتماعي والاقتصادي. 1992 ، 26 (4): 275-287. 10.1016 / 0038-0121 (92) 90004-O.

هيغز جي: مراجعة أدبية لاستخدام التدابير المستندة إلى نظم المعلومات الجغرافية للوصول إلى خدمات الرعاية الصحية. منهجية بحث الخدمات والنتائج الصحية. 2004 ، 5 (2): 119-139. 10.1007 / s10742-005-4304-7.

هيغز جي: دور نظم المعلومات الجغرافية لدراسات الاستخدام الصحي: مراجعة الأدبيات. منهجية بحث الخدمات والنتائج الصحية. 2009 ، 9 (2): 84-99. 10.1007 / s10742-009-0046-2.

Martin D ، Wrigley H ، Barnett S ، Roderick P: زيادة تطور قياس الوصول في دراسة الرعاية الصحية الريفية. الصحة و أمبير. 2002 ، 8: 3-13. 10.1016 / S1353-8292 (01) 00031-4.

Pedigo AS ، Odoi A: التحقيق في التفاوتات في الوصول الجغرافي إلى السكتة الدماغية الطارئة ورعاية احتشاء عضلة القلب في شرق ولاية تينيسي باستخدام نظم المعلومات الجغرافية وتحليل الشبكة. حوليات علم الأوبئة. 2010 ، 20 (12): 924-930. 10.1016 / j.annepidem.2010.06.013.

Shahid R، Bertazzon S، Knudtson M، Ghali W: مقارنة مقاييس المسافة في النمذجة التحليلية المكانية لتخطيط الخدمات الصحية. أبحاث الخدمات الصحية BMC. 2009 ، 9 (200): 1-14.

Witlox F: تقييم موثوقية بيانات المسافة المبلغ عنها في تحليل سلوك السفر الحضري. مجلة جغرافية النقل. 2007 ، 15 (3): 172-183. 10.1016 / j.jtrangeo.2006.02.012.

Longley PA ، Goodchild M ، Maguire DJ ، Rhind DW: نظم المعلومات الجغرافية والعلوم. 2010 ، وايلي ، تشيتشستر

Dai D: الفصل العنصري بين السود ، والتفاوتات في الوصول المكاني إلى مرافق الرعاية الصحية ، وتشخيص سرطان الثدي في مرحلة متأخرة في العاصمة ديترويت. الصحة و أمبير. 2010 ، 16 (5): 1038-1052. 10.1016 / j.healthplace.2010.06.012.

Schuurman N ، Berube M ، Crooks VA: قياس الوصول المكاني المحتمل لأطباء الرعاية الصحية الأولية باستخدام نموذج الجاذبية المعدل. الجغرافي الكندي. 2010 ، 54: 29-45. 10.1111 / j.1541-0064.2009.00301.x.

Wan N، Zhan FB، Zou B، Chow E: نهج تقييم الوصول المكاني النسبي لتحليل الوصول المكاني المحتمل إلى خدمات سرطان القولون والمستقيم في تكساس. الجغرافيا التطبيقية. 2011 ، 32 (2): 291-299.

كوان إم بي ، هونج إكس دي: تشكيل مجموعة الاختيار القائمة على القيود القائمة على الشبكة باستخدام نظم المعلومات الجغرافية. النظم الجغرافية. 1998 ، 5: 139-162.

Lopez-Quilez A ، Munoz F: الحوسبة الجيوإحصائية للخرائط الصوتية في وجود حواجز. النمذجة الرياضية والحاسوبية. 2009 ، 50 (5-6): 929-938. 10.1016 / j.mcm.2009.05.021.

Messina JP و Shortridge AM و Groop RE و Varnakovida P و Finn MJ: تقييم الوصول إلى مستشفى المجتمع المحلي في ميشيغان: الأساليب المكانية لدعم القرار. المجلة الدولية للصحة الجغرافية. 2006 ، 5: 1-18. 10.1186 / 1476-072X-5-1.

Ray N، Ebener S: AccessMod 3.0: حساب التغطية الجغرافية وإمكانية الوصول إلى خدمات الرعاية الصحية باستخدام حركة متباينة الخواص للمرضى. المجلة الدولية للصحة الجغرافية. 2008 ، 7: 1-17. 10.1186 / 1476-072X-7-1.

Tanser F، Gijsbertsen B، Herbst K: نمذجة وفهم إمكانية الوصول إلى الرعاية الصحية الأولية واستخدامها في المناطق الريفية بجنوب إفريقيا: استكشاف باستخدام نظام المعلومات الجغرافية. العلوم الاجتماعية والطب. 2006 ، 63 (3): 691-705. 10.1016 / j.socscimed.2006.01.015.

Sander HA و Ghosh D و van Riper D و Manson SM: كيف تقيس المسافة في النماذج المكانية؟ مثال على استخدام تقييم المساحات المفتوحة. البيئة والتخطيط ب: التخطيط والتصميم. 2010 ، 37 (5): 874-894. 10.1068 / ب 35126.

Upchurch C ، Kuby M ، Zoldak M ، Barranda A: استخدام نظم المعلومات الجغرافية لإنشاء مناطق خدمة حصرية للطرفين تربط السفر داخل وخارج الشبكة. مجلة جغرافية النقل. 2004 ، 12: 23-33. 10.1016 / j.jtrangeo.2003.10.001.

قسم صحة المجتمع في ميتشجن: شهادة معايير مراجعة الحاجة لأسرة المستشفيات. 2009 ، [www.michigan.gov/documents/mdch/HB_Standards_189311_7.pdf] ،

Birkmeyer JD، Siewers AE، Marth NJ، Goodman DC: أقلمة الجراحة عالية الخطورة وانعكاساتها على أوقات سفر المريض. مجلة الجمعية الطبية الأمريكية. 2003 ، 290 (20): 2703-2708. 10.1001 / جامع.290.20.2703.

Nallamothu BK، Bates ER، Wang Y، Bradley EH، Krumholz HM: أوقات القيادة والمسافات إلى المستشفيات مع التدخل التاجي عن طريق الجلد في الولايات المتحدة: الآثار المترتبة على الفرز قبل دخول المستشفى للمرضى المصابين باحتشاء عضلة القلب بارتفاع ST. الدوران. 2006 ، 113 (9): 1189-1195. 10.1161 / CIRCULATIONAHA.105.596346.

Berke E، Shi X: حساب وقت السفر عندما يكون العنوان الدقيق غير معروف: مقارنة بين طرق تقريب الرمز البريدي للنقطة والمضلع. المجلة الدولية للصحة الجغرافية. 2009 ، 8 (23): 1-9.

مكتب ميشيغان لتخطيط السلامة على الطرق السريعة: إنشاء حدود واقعية للسرعة. تقنية. ممثل OHSP 894، Lansing، MI

Wang F، Xu Y: تقدير مصفوفة وقت السفر في O-D بواسطة Google Maps API: التنفيذ والمزايا والآثار. حوليات نظم المعلومات الجغرافية. 2011 ، 17 (4): 199-209.

السعر م: المنحدرات والمنعطفات الحادة والسرعة. ArcUser. 2008 ، (ربيع): 50-55

السعر م: إقناع الرئيس. ArcUser. 2009 ، (ربيع): 50-54

Schuurman N ، Fiedler R ، Grzybowski S ، Grund D: تحديد مستجمعات المستشفيات المنطقية للمناطق غير الحضرية بناءً على وقت السفر. المجلة الدولية للصحة الجغرافية. 2006 ، 5 (43): 1-8.

JR الحالي ، Schilling DA: تحليل الأخطاء بسبب تجميع بيانات الطلب في مشاكل موقع التغطية والتغطية القصوى. التحليل الجغرافي. 1990 ، 22 (2): 116-126.


شاهد الفيديو: الظل الناتج عن مصدر ضوء غير نقطي