Suite

Rendre le décalage spatial variable dans ArcGIS Desktop ?

Rendre le décalage spatial variable dans ArcGIS Desktop ?


Comment créer une variable dans ArcGIS 10 appelée « décalage spatial » ?

J'essaie de configurer cette variable dans le SIG pour une utilisation dans un modèle de régression.


Logiciel

ArcGIS Desktop et ArcGIS Pro sont désormais disponibles en téléchargement pour tout étudiant, membre du personnel, professeur ou affilié parrainé de Stanford (avec un ID SUnet valide), et nous simplifions le processus d'installation et d'autorisation du logiciel.

Le Stanford Geospatial Center gère un ensemble de fichiers batch d'installation qui peuvent être utilisés pour automatiser le processus d'installation et d'autorisation d'ArcGIS Desktop et ArcGIS Pro. Vous pouvez télécharger ces programmes d'installation en vous connectant à Box.com à l'aide de vos informations d'identification Stanford et en vous rendant sur : https://stanford.box.com/v/EsriSoftwareInstallers.

Les utilisateurs de Windows 64 bits doivent pouvoir :

  1. Téléchargez les fichiers d'installation compressés pour le logiciel souhaité (ArcGIS Desktop et Pro sont actuellement disponibles).
  2. Décompressez les programmes d'installation sur la machine sur laquelle vous souhaitez installer (Clic droit>Extraire…).
  3. Naviguez dans le dossier décompressé, faites un clic droit sur le fichier *.bat et exécutez
  4. L'installation prend généralement plusieurs minutes et devrait se poursuivre sans surveillance.

Les étudiants intéressés par l'utilisation du logiciel Esri sur un Mac doivent contacter Student Tech Services à Lathrop (https://thehub.stanford.edu/), pour obtenir de l'aide pour obtenir et installer une machine virtuelle Windows OS sur leur appareil. Les professeurs et le personnel devront contacter leur personnel de support technique respectif pour obtenir de l'aide sur la virtualisation Windows. Une fois que vous avez une machine virtuelle Windows fonctionnelle, les programmes d'installation et les instructions ci-dessus devraient fonctionner.

Si vous avez besoin de versions du logiciel Esri, autres que la version la plus récente, n'hésitez pas à contacter [email protected] avec votre demande.

Remarque : pour l'installation sur les ordinateurs affiliés à Stanford uniquement et uniquement pour les utilisateurs qui possèdent un identifiant SUNet valide. Les logiciels et les données fournis dans le cadre de cet accord doivent être utilisés uniquement à des fins d'instruction, de recherche et d'administration. L'utilisation des programmes sous licence à des fins lucratives, privées ou à d'autres fins commerciales est interdite.

https://qgis.org/en/site/forusers/download.html
(Le SGC suggère d'installer la version Long-Term Release (LTR))

Un système d'information géographique gratuit et open source. Créez, modifiez, visualisez, analysez et publiez des informations géospatiales sur Windows, Mac, Linux et Android. QGIS est devenu une plate-forme SIG de bureau complète au cours des dernières années et constitue une alternative parfaite à ArcGIS pour ceux qui n'utilisent pas Windows ou qui souhaitent utiliser un logiciel Free&Open Source.


Modèles de mappage

  • Changement de population
  • Migration
  • Développement urbain
  • courants océaniques
  • Vote et élections

Analyse du problème

  • La pollution de l'air
  • Analyse Logistique
  • Chômage
  • Changement d'affectation des terres
  • Taux de maladie
  • Incidence des dangers

Optimisation de l'emplacement

Mise en œuvre et présentation

  • Logiciel SIG
  • La modélisation
  • Organisation
  • Symbolisation
  • Utilisation de la couleur

Méthodes

Données de prévalence du VIH et tendances temporelles aux échelles nationale, régionale et urbaine/rurale

Les données sur le VIH/SIDA provenaient des taux moyens de prévalence du VIH chez les femmes enceintes fréquentant un réseau longitudinalement riche de 19 cliniques prénatales (CPN) où la surveillance du VIH a été menée de 1994 à 2010. En 2007, le réseau a presque triplé à 54 CPN alors que en conservant les 19 originaux, permettant une continuité et une analyse spatio-temporelle (Figure 1). Les données comprenaient l'emplacement (coordonnées de latitude et de longitude) des ANC, permettant leur cartographie. La fréquence de collecte des données sur le VIH était annuelle de 1994 à 1999 et par la suite en grande partie biennale. Bien que des informations démographiques limitées soient également collectées, seule la prévalence du VIH était disponible pour les auteurs pour toutes les années, provenant de la société américaine Centra Technology Inc. (1994-2003) et des rapports de surveillance du VIH/syphilis produits par la Commission nationale du sida du Malawi, NAC [13 , 35, 36]. Le Malawi utilise des méthodes et des modèles d'échantillonnage, de dépistage du VIH et d'analyse de données standard recommandés par le Programme commun des Nations Unies sur le VIH/sida (ONUSIDA) et l'Organisation mondiale de la santé (OMS) (par exemple, [37, 38]). d Malgré les limites connues de ces estimations sentinelles de la prévalence du VIH [18, 39], elles restent la principale source de données sur le VIH au Malawi et dans d'autres pays africains, et le seul enregistrement longitudinal pour l'analyse des données spatio-temporelles. les tendances ciblés dans cette étude sans projeter sur la population générale ni générer de prédictions. e

Dépendance spatiale de la prévalence du VIH, interpolation spatiale et tendances spatio-temporelles

Premièrement, nous avons tracé les taux de prévalence du VIH pour les femmes enceintes de 15 à 49 ans [13, 17] de 1995 à 2010) pour fournir une perspective large, multi-scalaire et spatio-temporelle des épidémies de VIH aux échelles nationale, régionale, urbaine et rurale. Ensuite, des outils SIG ont été utilisés pour 1) tester empiriquement la dépendance spatiale de la prévalence du VIH au niveau national, 2) produire une surface continue de la prévalence du VIH à une résolution spatiale de 1 × 1 km pour la visualisation et la génération d'estimations de la prévalence au niveau du district pour les clusters/hotspot et la régression une analyse. L'analyse SIG a été réalisée avec AcrGIS desktop 10.0 (Redlands, CA : Environmental Systems Research Institute, Inc., 1999).

La présence et la nature de l'autocorrélation spatiale (ou dépendance) du VIH ont été évaluées empiriquement pour chacune des 17 années de données disponibles allant de 1994 à 2010 pour les 19 ANC d'origine, en utilisant la statistique globale de Moran I [40]. La présence d'une autocorrélation spatiale peut suggérer un clustering du VIH, parfois révélateur d'une propagation expansionniste hiérarchique dans les zones urbaines et à travers les quartiers [41]. Le I de Moran est basé sur la première loi de géographie de Waldo Tobler : « tout est lié à tout le reste, mais les choses proches sont plus liées que les choses éloignées » [42]. Si cette loi s'applique, les taux de prévalence du VIH devraient être similaires parmi les districts voisins que parmi les non-voisins. Le I de Moran teste l'hypothèse nulle selon laquelle les valeurs mesurées à un endroit sont indépendantes des valeurs à d'autres endroits (c'est-à-dire que la prévalence du VIH est dispersée de manière aléatoire). Sa valeur varie de -1 à 1. Les valeurs positives indiquent la présence d'une autocorrélation spatiale, zéro signifie un caractère aléatoire spatial total et les valeurs négatives indiquent des valeurs dissemblables regroupées les unes à côté des autres. Un I de Moran statistiquement significatif (p < 0.05) conduit au rejet de l'hypothèse nulle et indique la présence d'une autocorrélation spatiale. Le I global de Moran est calculé comme suit :

où N est le nombre d'unités spatiales (ANC sentinelles), Xje est la valeur mesurée pour la caractéristique I (jusqu'à N), Xj est la valeur mesurée pour un point voisin j (jusqu'à N-1), et Wje représente une mesure de pondération de l'influence de la caractéristique voisine j sur la valeur mesurée en I dérivée de la matrice de pondération spatiale normalisée en ligne.

Afin de produire des surfaces lisses de la prévalence du VIH pour la visualisation et la génération de données au niveau du district, la méthode d'interpolation spatiale pondérée par la distance inverse (IDW) a été utilisée pour les années sélectionnées (1994, 1996, 1999, 2001, 2003, 2005, 2007 et 2010). ). Ces années ont été choisies pour la continuité de la tendance tout en incluant des années de prévalence du VIH positivement autocorrélée (justifiant en partie l'utilisation de l'IDW) et les premières années (1996, 1999, 2001) d'autocorrélation non significative et/ou négative qui éclairent néanmoins des schémas spatio-temporels. Les méthodes d'interpolation spatiale appliquent des modèles mathématiques aux valeurs ponctuelles mesurées d'une variable continue à des emplacements connus pour prédire des valeurs à des emplacements qui n'ont pas de valeurs, créant ainsi une surface continue [43, 44]. Pour prédire les valeurs, les méthodes d'interpolation utilisent généralement des poids basés sur la distance qui attribuent plus d'influence aux valeurs mesurées les plus proches d'un emplacement non mesuré qu'aux valeurs mesurées situées plus loin. Déterministe les interpolateurs, y compris IDW, utilisent des poids basés uniquement sur la distance entre les points mesurés et non mesurés tandis que géostatistique (ou stochastique, par exemple, le krigeage) utilisent des poids sophistiqués combinant la distance avec des modèles statistiques probabilistes de la variation spatiale entre les points mesurés. IDW a produit des prévisions stables et raisonnablement fiables pour les comparaisons interannuelles avec la petite taille de l'échantillon (à partir de 19 ANC). Il a été utilisé de manière fiable avec des échantillons de petite à moyenne taille dans les études sur le VIH [2, 23], parfois préféré au krigeage (potentiellement supérieur) dont les performances souffrent souvent plus avec de petits échantillons en raison des exigences de distribution de probabilité [44, 45]. Avec IDW, nous avons utilisé un paramètre variable de 6 à 10 points pour prédire les valeurs à chaque emplacement inconnu sur la base de tests itératifs afin de minimiser l'erreur moyenne et l'erreur quadratique moyenne (RMSE). Nous avons ensuite utilisé des outils SIG pour extraire les estimations du VIH pour les 31 « districts » (27 des 28 districts du Malawi et quatre villes principales de Blantyre, Lilongwe, Zomba et Mzuzu, figure 1) en faisant la moyenne des valeurs de prévalence dans les cellules spatiales constitutives de 1 × 1 km.

Variation spatio-temporelle locale de la prévalence du VIH et analyse des grappes/« points chauds »

Deux mesures locales d'association spatiale ont été utilisées dans ArcGIS 10.0 pour indiquer « où se trouvent les grappes ou les valeurs aberrantes » et « quel type de corrélation spatiale est le plus important » [46]. Le I [46] d'Anselin Local Moran nous a permis de détecter les noyaux de grappes/valeurs aberrantes de districts avec des valeurs extrêmes de prévalence du VIH inexpliquées par une variation aléatoire, et de les classer en points chauds (valeurs élevées à côté de hautes, HH), « points froids » (valeurs faibles à côté à faible, LL) et les valeurs aberrantes spatiales (élevé parmi faible, HL ou vice versa, LH). L'I de Moran local teste la même hypothèse nulle d'absence de dépendance spatiale (pour les entités surfaciques) lorsque sa valeur attendue est -1/(N - 1). Il a été utilisé dans des études pour identifier les points chauds du VIH [15, 18, 23]. De plus, la statistique Getis-Ord locale, Gi* a été utilisé pour fournir des informations supplémentaires indiquant l'intensité et la stabilité des clusters de points chauds/points froids [47, 48]. La signification statistique d'un Z-score attribué à chaque district a identifié la présence et l'intensité de grappes locales de points chauds et de points froids de prévalence du VIH dans un rayon de 80 km, par rapport à l'hypothèse d'aléatoire spatial. Cette distance fixe, identifiée itérativement comme maximisant l'autocorrélation (I de Moran global) et maintenant la stabilité au fil des années [44], a défini la recherche de quartier pour un quartier particulier, y compris pour l'analyse avec l'I de Moran local d'Anselin. L'indice Getis-OrdGi* est calculé comme suit :

X j est la prévalence du VIH pour le district j, w je, j est le poids spatial entre les quartiers je et j, m est le nombre total de districts (31), et

Analyse de régression et facteurs indicatifs de la prévalence du VIH pour 2010

Afin d'identifier et d'illustrer le lien potentiel entre les facteurs indicatifs de la variation spatiale observée de la prévalence du VIH et des groupes de districts particuliers de points chauds/points froids, nous avons effectué une analyse de régression multiple de la prévalence du VIH pour 2010 uniquement, puis cartographié la distribution spatiale et le regroupement de facteurs sélectionnés. . La prévalence du VIH par district parmi les femmes enceintes fréquentant les CPN, la variable dépendante, a été estimée à l'aide du SIG comme expliqué précédemment pour l'analyse en grappes, mais en utilisant les dernières données sentinelles sur le VIH (2010) des 54 CPN (au lieu de 19). L'année 2010 correspondait également de près aux dates des facteurs explicatifs disponibles.

Des variables indépendantes ont été choisies sur la base de la littérature (section historique) et de la disponibilité au niveau du district. Les principales sources de variables indépendantes étaient les enquêtes nationales menées par l'Office national des statistiques du Malawi (NSO) et les données générées par le SIG. Les enquêtes comprenaient le recensement de 1998, l'enquête de suivi du bien-être de 2011 (WMS) et l'enquête de santé intégrée de 2010/2011, IHS3 [49-51]. Les variables comprenaient des variables sociodémographiques (par exemple, l'éducation, la pauvreté/la richesse/la consommation, la densité et la mobilité de la population, l'emploi, souvent par âge/sexe), la sensibilisation au VIH et le comportement (valeur et utilisation des préservatifs, dépistage du VIH autodéclaré en 2010 ou jamais) , et l'écart entre la sensibilisation et le comportement sur le dépistage du VIH). La prévalence de la syphilis pour 2010 était la seule variable sociobiologique utilisée dont nous disposions [13]. Des variables géographiques ont également été utilisées pour traiter les facteurs sous-jacents liés à l'accès aux commodités/services liés au VIH (distance/temps jusqu'aux routes, transports publics et établissements de santé), la mobilité et l'exposition à des risques plus élevés (proximité des villes) et l'altitude, provenant de enquêtes ou générés à l'aide d'un traitement SIG (tableau 1). Le pool de départ des variables indépendantes était de 37. Elles ne sont pas nécessairement les plus importantes pour expliquer la variation de la prévalence du VIH, mais le processus de dépistage statistique à plusieurs étapes qui a suivi dans l'analyse de corrélation et, plus tard, l'analyse de régression par étapes les a réduits à certains facteurs significatifs qui reflètent adéquatement ont observé des variations spatiales chez les femmes enceintes dans les 31 districts du Malawi. Toutes les données utilisées dans cette étude sont des données secondaires agrégées accessibles au public (voir le tableau 1) qui ne contiennent aucune information personnelle ou information d'identification pouvant être liée à des individus ou à des communautés particuliers. Par conséquent, il n'y avait pas de problèmes éthiques importants, ni d'approbation (ou d'autorisation) nécessaire pour utiliser les données. Toutes les sources, cependant, ont été reconnues.

Une analyse de corrélation avec la prévalence du VIH a été utilisée pour cribler le pool de variables initial, produisant les 18 variables statistiquement significatives (p 0,10) répertoriées dans le tableau 1 (la liste complète est disponible sur demande). Nous avons utilisé une analyse de corrélation supplémentaire entre les 18 pour réduire les variables significatives à 13 (noms de variables marqués de l'exposant une dans le tableau 1) en supprimant les variables fortement corrélées (généralement r > 0,7, p 0,05). Par exemple, la distance moyenne aux établissements de santé a été supprimée car elle était fortement corrélée (r = 0,784, p = 0,000) avec la distance aux routes principales mais légèrement moins corrélée avec la prévalence du VIH. Nous avons entré les 13 variables indépendantes dans SPSS 20.0 (IBM SPSS Statistics pour Windows, version 20.0. Armonk, NY : IBM Corp.) pour une régression multiple en utilisant une entrée progressive après les avoir standardisées aux valeurs Z pour stabiliser la variabilité et réduire la multi-colinéarité résiduelle observée. . Plusieurs diagnostics de colinéarité et statistiques de signification partielle ont été utilisés pour limiter davantage les problèmes de multicolinéarité et pour choisir un « meilleur » modèle parmi les quatre produits.

Les variables du « meilleur » modèle devaient avoir un facteur d'inflation de la variance (VIF) inférieur à 2, un indice de condition inférieur à 30 et des valeurs de tolérance supérieures à 0,5 pour signifier une colinéarité non significative. Des diagnostics supplémentaires sur le « meilleur » modèle ont confirmé que la multi-colinéarité et l'hétéroscédasticité n'étaient pas des problèmes importants. L'analyse et la cartographie des clusters/points chauds ont été effectuées sur les variables du « meilleur » modèle et une analyse de corrélation auxiliaire utilisée pour expliquer les observations.

L'accent étroit du deuxième objectif de l'étude sur l'identification et la cartographie des modèles spatiaux des facteurs explicatifs indicatifs de la prévalence du VIH, plutôt que sur la production de modèles prédictifs, et leur base sur la littérature, devraient atténuer les inquiétudes concernant les méthodes automatisées de sélection de variables [52]. Pour les mêmes raisons, nous avons maintenu un modèle simple des moindres carrés ordinaires (MCO). Des diagnostics spatiaux supplémentaires sur le « meilleur » modèle OLS à l'aide du logiciel de statistiques spatiales GEODA (GeoDa Center for Geospatial Analysis and Computation, Arizona State University) ont confirmé la violation attendue de l'hypothèse d'indépendance OLS étant donné la dépendance spatiale importante. Bien que le modèle de décalage spatial correctif [51, 53] et significatif de ses coefficients autocorrélatifs et des coefficients de variables individuelles soient généralement une amélioration par rapport au modèle OLS, à l'exception d'une légère baisse de la significativité d'une variable, il n'a pas suffisamment modifié l'essentiel du Modèle OLS. Ainsi, nous ne rapportons que les résultats du modèle OLS aux fins de cette étude.


Étude sur le déséquilibre spatial et les déterminants du développement du commerce électronique dans le Zhejiang, en Chine

En tant que région de commerce électronique de renommée mondiale et bien développée, le développement du commerce électronique dans la province du Zhejiang a toujours attiré l'attention des gens. Sur la base de données relatives aux transactions de commerce électronique accessibles au public, de données géographiques de base et de données de développement économique et social régional, nous utilisons le coefficient de Gini pour mesurer le déséquilibre du développement du commerce électronique dans la province du Zhejiang au cours de la période 2017-2019. À l'aide d'outils d'analyse spatiale dans ArcGIS Desktop, la méthode d'analyse des grappes et des valeurs aberrantes est utilisée pour étudier le modèle spatial du développement du commerce électronique dans la province à l'échelle du district ou du comté. Pour explorer quantitativement les causes de l'agrégation spatiale et du déséquilibre du commerce électronique dans la province du Zhejiang, l'article propose un modèle de régression géographique pondérée (GWR) avec 15 indicateurs liés au développement économique et social. L'analyse du GWR et des moindres carrés ordinaires (OLS) indique que 5 des 15 indicateurs sélectionnés sont étroitement liés au développement du développement du commerce électronique régional dans le Zhejiang, en Chine.

1. Introduction

En tant que plus grand marché de commerce électronique au monde, le commerce électronique chinois a maintenu un développement rapide pendant de nombreuses années. Selon le rapport sur le développement du commerce électronique en Chine, le volume du commerce électronique en Chine a atteint 34 81 000 milliards de yuans, dont les ventes au détail en ligne ont atteint 10 630 milliards de yuans, soit une croissance annuelle de 16,5 %. Les ventes au détail en ligne de biens physiques ont atteint 8 520 milliards de yuans, soit 20,7% du total des ventes au détail de biens de consommation. Le nombre d'employés du commerce électronique a atteint 51 256 500 (http://www.chinanews.com/cj/2020/06-30/9225677.shtml). Avec l'expansion continue des champs d'application et la profondeur d'application du commerce électronique, diverses régions ont introduit des politiques visant à promouvoir le développement du commerce électronique local et amélioré les systèmes de services tels que la certification de crédit, la garantie de paiement et la promotion de la marque, le mécanisme de formation pour talents scientifiques et technologiques, et développement de la distribution logistique. Le développement du commerce électronique a créé de nombreuses opportunités d'emploi pour les résidents urbains et ruraux et est devenu l'un des principaux moteurs d'une croissance économique soutenue. Par conséquent, les caractéristiques de distribution spatiale du commerce électronique peuvent refléter dans une large mesure le développement de l'économie chinoise et des technologies de l'information.

En raison de l'accumulation de nombreux facteurs liés au développement économique et social, la répartition spatiale du niveau de développement du commerce électronique en Chine est évidemment différente. Sous quatre aspects, le niveau de développement, le potentiel de croissance, la pénétration des applications et l'environnement de support, le rapport sur l'indice de développement du commerce électronique de la Chine (2018) (http://www.cac.gov.cn/2019-05/29/c_1124554997.htm ) a évalué de manière exhaustive le niveau de développement du commerce électronique dans chaque province de Chine. Selon le rapport, l'intégration du commerce électronique et de l'économie traditionnelle s'approfondit et les caractéristiques de l'agglomération spatiale horizontale du développement du commerce électronique sont évidentes. En 2018, la province du Guangdong, la province du Zhejiang, la ville de Pékin, la ville de Shanghai et la province du Jiangsu sont les cinq principaux détaillants en ligne à l'échelle de la province (municipalité relevant directement du gouvernement central), représentant 72,3% des ventes au détail en ligne de la Chine [1]. Le développement global du commerce électronique à l'échelle de la province est fondamentalement « fort à l'est et faible à l'ouest », et l'effet de grappe est en train d'émerger. Les caractéristiques de répartition spatiale du développement du commerce électronique reflètent également dans une large mesure le déséquilibre du développement économique et social régional.

La province du Zhejiang se classe au deuxième rang des ventes au détail en ligne en Chine. Pendant ce temps, la ville de Hangzhou (la capitale provinciale de la province du Zhejiang) abrite le super géant mondial du commerce électronique Alibaba Group (https://www.alibaba.com/). Actuellement, parmi les plateformes de commerce électronique chinoises, TMALL, détenue par le groupe Alibaba, occupe la première place sur le marché de la vente au détail en ligne avec une part de 57,7%, ce qui a un effet moteur évident sur l'économie traditionnelle. La province du Zhejiang soutient le développement de nouvelles formes d'entreprise, telles que le nouveau magasin de vente au détail Super Species d'Alibaba, NetEase Koala et les magasins d'expérience NetEase, et aide Hangzhou à construire une nouvelle ville de référence pour le commerce de détail. En promouvant vigoureusement le développement du commerce électronique au niveau du comté, la province du Zhejiang a construit 1 253 villages de commerce électronique, plus de 4 500 centres de services publics de commerce électronique au niveau du comté et des stations-service de commerce électronique au niveau des villages. L'analyse du modèle de distribution spatiale et de ses facteurs d'influence du niveau de développement du commerce électronique du point de vue de la région du comté est significative pour promouvoir le développement du commerce électronique dans les régions du comté.

Dans le contexte du développement en profondeur d'Internet, le développement régional est progressivement intégré et le rayonnement énergétique du développement régional de la ville centrale est progressivement transféré à l'espace du district et du comté, et la région du comté est devenue un nœud important du développement du réseau. L'analyse de la connexion spatiale des facteurs de développement économique et social du comté peut mieux s'adapter à l'évolution de la demande du développement de l'industrie des services modernes dans la nouvelle ère.

Par conséquent, cet article explore le déséquilibre du développement du commerce électronique à l'échelle provinciale et municipale. Parallèlement, il étudie la relation entre le développement économique et social et le schéma spatial du développement du commerce électronique à l'échelle du district ou du comté. On espère que l'étude pourra fournir un soutien théorique et une base scientifique pour le développement collaboratif du commerce électronique et d'autres industries connexes dans l'exploration au niveau du comté. Les principales contributions de cet article résident dans les trois aspects suivants : (1) Nous mesurons quantitativement le déséquilibre du développement régional du commerce électronique dans le Zhejiang, en Chine. En nous référant aux mesures de l'écart de revenu largement utilisées à l'échelle internationale entre les résidents de pays ou de régions, nous calculons le coefficient de Gini sur la base des ventes au détail en ligne à la fois à l'échelle de la ville et à l'échelle du district ou du comté. (2) Nous utilisons une perspective géographique pour étudier le modèle spatial du développement du commerce électronique dans le Zhejiang, en Chine. Sur la base des données de développement du commerce électronique accessibles au public et des données d'informations géographiques de base, nous utilisons la technologie SIG et des outils d'analyse statistique spatiale dans le logiciel ArcGIS pour étudier le modèle d'agrégation spatiale des ventes au détail en ligne à l'échelle du district ou du comté. (3) Nous tentons d'explorer les raisons de la distribution spatiale des ventes au détail en ligne dans le Zhejiang, en Chine. En se référant aux recherches existantes, nous établissons un modèle de régression géographique pondérée (GWR) pour expliquer la relation entre le développement régional du commerce électronique et le développement économique et social. Pour vérifier l'adéquation du modèle proposé, nous utilisons une analyse d'autocorrélation spatiale, une analyse de régression géographique pondérée, etc.

2. Revue de la littérature

Ces dernières années, l'essor du commerce électronique a attiré l'attention de nombreux chercheurs sur l'impact de ce type de modèle de transaction en ligne. Ils constatent que le besoin de magasins de détail et d'installations dans les noyaux commerciaux est quelque peu remis en cause dans le scénario de commerce électronique : le besoin de déplacements vers les centres commerciaux animés du centre-ville diminue rapidement et les supermarchés, magasins, etc. sont de plus en plus remplacés par des entrepôts, des points de vente au détail. , ou d'autres types d'installations de stockage éloignées des villes du centre-ville [2]. Pour accomplir des transactions basées sur le cyberespace virtuel, cela nécessite une reconstruction des chaînes d'approvisionnement industrielles et des systèmes logistiques en amont, intermédiaire et en aval du point de vue des consommateurs [3, 4]. Accompagnées par la croissance rapide du marché mondial du commerce électronique, les villes du monde entier connaissent un changement opérationnel de la physicalité à la virtualité, et le modèle de l'urbanisme, de la production d'entreprise et des modes de vente et de développement économique et social évolue également en conséquence [5 ].

En tant qu'élément important de l'économie de l'information, le commerce électronique revêt une importance particulière en Chine et a joué un rôle très important dans l'amélioration de la vie des gens. Outre les progrès réalisés dans l'utilisation du commerce électronique parmi les particuliers, il est également important et significatif de comprendre l'étendue et l'importance des différences entre les régions géographiques [6, 7]. Il existe de nombreux indicateurs publiés pour mesurer le niveau d'accès et d'utilisation des technologies de l'information et de la communication (TIC), tels que l'indice de développement des TIC publié par l'Union internationale des télécommunications [8], le Digital Economy and Society Index [9] annoncé par la Commission européenne en 2017, et le Networked Readiness Index [10] rapporté par le Forum économique mondial en 2017. Cependant, tous ces indicateurs ont été développés à l'échelle du pays.

Dès 2002, la méthode économétrique spatiale a été utilisée pour explorer la diffusion du commerce électronique dans divers pays et l'impact de l'environnement politique sur la trajectoire de développement du commerce électronique [11]. De nombreuses études se concentrent sur la compétitivité régionale du commerce électronique et l'impact du commerce électronique sur le développement économique local sur la base d'indices publiés irrégulièrement par de nombreuses entreprises de commerce électronique bien connues telles que le groupe Alibaba (https://www.alibabagroup.com/en /global/home) et Jingdong Group (https://corporate.jd.com/home). AliResearch (http://www.aliresearch.com/) a été le premier institut de recherche à publier un indice de développement du commerce électronique d'Alibaba (eEDI) à l'échelle nationale en utilisant le nombre de vendeurs, le nombre d'acheteurs et le volume des transactions de commerce électronique sur Taobao. (http://www.taobao.com/) et TMall (http://www.tmall.com/) en 2015. L'eEDI est la moyenne pondérée de l'indice des entreprises Internet et de l'indice des achats en ligne. La valeur de l'eEDI varie de 0 à 100, et plus la valeur est élevée, plus le niveau de développement du commerce électronique régional est élevé. En outre, certaines universités et instituts de recherche bien connus, tels que le Laboratoire national d'ingénierie pour la technologie des transactions de commerce électronique de l'Université Tsinghua et l'Académie chinoise des sciences sociales, publient conjointement le rapport sur l'indice de développement du commerce électronique en Chine (http: //necc.nufe.edu.cn/) chaque année. Il existe de nombreuses études existantes qui utilisent l'eEDI ou l'indice de développement du commerce électronique en Chine (y compris l'indice de taille, l'indice de croissance et l'indice de pénétration) et l'indice de soutien pour évaluer le niveau de développement du commerce électronique régional [12-14]. Cependant, seules les méthodes de calcul de l'eEDI et du China E-Commerce Development Index sont divulguées, et les données brutes qui les génèrent sont totalement indisponibles. L'autorité de ces indicateurs régionaux d'évaluation des inégalités ou des déséquilibres de développement du commerce électronique doit également être encore améliorée.

Il existe un axe de recherche sur les facteurs affectant le développement du commerce électronique régional au niveau provincial et au niveau des villes. Des études montrent qu'il existe une agrégation spatiale évidente dans le développement du commerce électronique en Chine : le niveau de commerce électronique dans les zones côtières orientales est supérieur à celui des zones intérieures occidentales. , la province du Jiangsu, la province du Fujian, etc. les zones d'agrégation spatiale faible-faible sont principalement situées dans la région autonome du Tibet, la province du Gansu, la province du Qinghai, etc. [15–17]. La différence spatiale du niveau de développement du commerce électronique entre les provinces et les régions ne change pas évidemment en Chine, et elle montre une tendance de développement à la réduction du gradient et à la distribution échelonnée de la côte est vers l'intérieur [17]. En outre, la méthode des moindres carrés, le modèle de décalage spatial, le modèle d'erreur spatiale et l'analyse de régression géographique basée sur l'eEDI montrent que les déterminants du développement du commerce électronique au niveau du comté comprennent le solde des dépôts d'épargne des résidents urbains et ruraux, le taux d'urbanisation, PIB par habitant, proportion des industries non agricoles, revenu disponible des résidents urbains, des utilisateurs de téléphones portables, des utilisateurs d'Internet et des utilisateurs de téléphones fixes [16, 18-20].

Dans l'ensemble, la recherche sur le modèle de distribution spatiale du commerce électronique est principalement menée à l'échelle nationale ou provinciale, mais elle n'a pas l'échelle des études sur les villes et les comtés ou les villes au niveau des comtés en Chine. Bien que de nombreuses études sélectionnent le nombre de magasins de consommateur à consommateur (C2C) [21] ou le nombre de villes Taobao et de villages Taobao [22] pour établir un système régional d'évaluation du niveau de développement du commerce électronique, elles n'utilisent que les données C2C d'Alibaba. et une grande partie des données ne sont pas accessibles au public ou ne sont pas régulièrement publiées.

Dans cet article, nous tentons d'analyser plus en détail le modèle de distribution spatiale du niveau de développement régional du commerce électronique dans le Zhejiang, en Chine, du point de vue de l'échelle du comté ou du district, sur la base de données statistiques disponibles et publiées régulièrement. En outre, nous nous concentrons sur l'application de méthodes d'analyse statistique spatiale pour explorer la relation entre le modèle de développement régional du commerce électronique et certains facteurs de développement économique et social. Nous espérons que les résultats de la recherche pourront fournir des références significatives au processus d'élaboration des politiques régionales pour promouvoir le commerce électronique et le développement social et économique.

3. Zone d'étude et sources de données

3.1. Zone d'étude

La province du Zhejiang est située dans la zone centrale de la zone économique du delta du fleuve Yangtze en Chine, et elle est délimitée par la longitude est 118°01′–123°10′ et la latitude nord 27°02′–31°11′, avec une superficie de 105 500 kilomètres carrés (comme le montre la figure 1). À la fin de 2019, la province comptait 11 villes sous sa juridiction (dont deux villes infraprovinciales), 20 villes de comté, 32 comtés, un comté autonome et 37 districts municipaux. La province du Zhejiang s'incline du sud-ouest au nord-est avec un terrain compliqué, elle a un climat de mousson humide et les conditions naturelles sont supérieures. La population résidente totale de la province était de 58,5 millions à la fin de 2019 et 1,13 million de plus que l'année précédente.


OH. Vous travaillez avec eux. Mais tu n'es pas esri na.
MDR. Je rigole.
C'est super

La Commission nigériane de réglementation de l'électricité (NERC) a salué les efforts déployés jusqu'à présent par la Enugu Electricity Distribution Company (EEDC) dans l'exécution de son recensement des actifs et des clients, la décrivant "comme une référence que d'autres discothèques devront imiter".
Cette mention élogieuse a été transmise dans une lettre signée par le directeur général, Consumer Affairs, NERC, le Dr Anthony Akah, après la présentation d'EEDC sur les progrès de son dénombrement des clients en cours par le directeur SIG, EEDC, M. Uche Anyalewechi, au bureau de la commission à Abuja, récemment.
En tant qu'exigence légale de la NERC, EEDC a depuis commencé ce projet, en utilisant la technologie du système d'information géographique (SIG), qui lui permet de cartographier efficacement l'ensemble de son système de réseau électrique en mettant à jour sa base de données et en capturant également tous les actifs électriques au sein de son réseau, avec chaque partie de l'infrastructure inscrite sur la carte. The project is also expected to improve decision making in its operations.
The exercise, which is of immense benefit to both EEDC and its customers is aimed at facilitating comprehensive metering of all electricity customers easy identification of all electrical assets and their state identification of all existing customers adequate planning for potential customers and network expansion.
Others include improved power supply and quick response to faults effective power distribution and monitoring through remote sensing prompt identification of damaged and non-functional equipment for replacement, as well as improved customer service delivery.
The exercise, which effectively commenced early last year with Enugu as the pilot, will soon be extended to other states within EEDC’s franchise areas.
“Customers are therefore encouraged to cooperate with our enumerators when they visit their homes, and also avail them with the necessary information needed to make this project a success,” he said.

Mrokaykay:
The Nigerian Electricity Regulatory Commission (NERC) has commended the effort so far made by the Enugu Electricity Distribution Company (EEDC) in executing its asset and customer enumeration, describing it “as a benchmark which other Discos will be required to emulate.”
This commendation was conveyed in a letter signed by the General Manager, Consumer Affairs, NERC, Dr. Anthony Akah, after EEDC’s presentation on the progress of its ongoing customer enumeration by Manager GIS, EEDC, Mr. Uche Anyalewechi, at the commission’s office in Abuja, recently.
As a statutory requirement by NERC, EEDC has since commenced this project, using Geographical Information System (GIS) technology, which allows it to efficiently map its entire electrical network system by updating its database and also capturing all electrical assets within its network, with each part of the infrastructure registered on the map. The project is also expected to improve decision making in its operations.
The exercise, which is of immense benefit to both EEDC and its customers is aimed at facilitating comprehensive metering of all electricity customers easy identification of all electrical assets and their state identification of all existing customers adequate planning for potential customers and network expansion.
Others include improved power supply and quick response to faults effective power distribution and monitoring through remote sensing prompt identification of damaged and non-functional equipment for replacement, as well as improved customer service delivery.
The exercise, which effectively commenced early last year with Enugu as the pilot, will soon be extended to other states within EEDC’s franchise areas.
“Customers are therefore encouraged to cooperate with our enumerators when they visit their homes, and also avail them with the necessary information needed to make this project a success,” he said.

There are quite high number of areas you can apply that for exam, location of facility within you construction site eg utility area.

You can also create a network of facility connectivity with GIS showing the best and cost effective route in linking of utility to various area of your site eg gas, sewage etc

You can create a geodatabase of existing facilities showing giving some details about them whc ease easy management of your facilities

Good day all,
I am a civil engineer by profession and would love to learn ArcGis, and any other GIS software.

I reside in Lagos currently. please if I can get a teacher here I would appreciate. u can send me a private message or chat me up Wt 08060467945

Check this out..
Gombe state has made remarkable improvement in education over the years here is a story map showing on the locations of elementary schools in Gombe State..

Génial! please we need to discuss something, this is my email address: [email protected] Please Send me a message

Nice one. Am a Geologist. I did my own GIS training in GISKONSULTS Ibadan.

What am yet understand is how to use Geodatabase.

mathinips:
Nice one. Am a Geologist. I did my own GIS training in GISKONSULTS Ibadan.

What am yet understand is how to use Geodatabase.

I am a geographer (specialist in cartography aka mapmaking) so I think I am in a good position to answer yoir question.

Every map has a scale but not every map has written or drawn scale attached to it.

downloaded a whole bunch of tutorials.

the plan is to start with QGIS, then move on to ArcGIS once I grab the whole concept.

I also plan on learning basic Python so as to facilitate automation.

well here goes nothing , if I perish, I perish.


Adesina, H. O. 1984. Identification of the cholera diffusion process in Ibadan, 1971.Sciences sociales et médecine 18:429–440.

Aldrich, J., and F. Nelson. 1984. Linear probability, logit, and probit models. Sage Publications, Beverly Hills, California.

Barth, F. 1956. Ecologic relationships of ethnic groups in Swat, North Pakistan.American Anthropologist 58:1079–1089.

Boserup, E. 1965. The conditions of agricultural growth: The economics of agrarian change under population pressure. Aldine Publishing, Chicago.

Cliff, A. D. 1968. The neighborhood effect of the diffusion of innovations.Institute of British Geographers, Papers 44:75–84.

Cliff, A., P. Haggett, J. Ord, K. Bassett, and R. Davies. 1975. Elements of spatial structure. Cambridge University Press, Cambridge.

Conklin, H. C. 1957. Hanunoo agriculture: A report on an integral system of shifting cultivation in the Philippines. FAO Forestry Division Paper No. 12, Rome. (Reprinted by Elliot's Books, Northford, Connecticut, 1975.)

Conklin, H. C. 1976. Ethnographic semantic analysis of Ifugao landform categories. Pages 33–59dans G. Moore and R. Gooledge (eds.), Environmental Knowing: Theories, Research, and Methods. Dowden, Hutchison and Ross, Stroudsburg, Pennsylvania.

Conklin, H. C. 1980. Ethnographic atlas of Ifugao: A study of environment, culture, and society in northern Luzon. Yale University Press, New Haven.

Crocombe, R. 1974. An approach to the analysis of land tenure systems. Pages 1–17dans H. P. Lungsgaarde (ed.), Land tenure in Oceania. University Press of Hawaii, Honolulu.

Greene, W. 1990. LIMDEP User's Guide. Econometric Software, New York.

Haggett, P. 1976. Hybridizing alternative models of an epidemic diffusion process.Economic Geographer 52:136–146.

Kmenta, J. 1971. Elements of econometrics. Macmillan, New York.

Kunstadter, P., and E. C. Chapman. 1978. Problems of shifting cultivation and economic development in northern Thailand. Pages 3–23dans P. Kunstadter, E. C. Chapman, and S. Sabhasri (eds.), Farmers in the forest: Economic development and marginal agriculture in northern Thailand. University Press of Hawaii, Honolulu.

Odland, J. 1988. Spatial autocorrelation. Sage Publications, Beverly Hills, California.

Pindyck, R., and D. Rubinfeld. 1981. Econometric models and economic forecasts. McGraw-Hill, New York.

Rappaport, R. A. 1969. Ritual regulation of environmental relations among a New Guinea people. Pages 181–201dans A. P. Vayda (ed.), Environment and cultural behavior: Ecological studies in cultural anthropology. Natural History Press, Garden City, New York.

Robinson, P. 1982a. Analysis of time series from mixed distributions.Annals of Statistics 10(3):915–925.

Robinson, P. 1982b. On the asymptotic properties of estimators of models containing limited dependent variables.Econometrica 50(1):27–41.

Romm, J., R. Tuazon, and W. Courtland. 1987a. Public subsidy and private forestry investment: Analyzing the selectivity and leverage of a common policy form.Land Economics 63(2):153–166.

Romm, J., R. Tuazon, and W. Courtland. 1987b. Relating forestry investment to the characteristics of nonindustrial private forestland owners in northern California.Forest Science 33(1):197–209.

Yarnasarn, S. 1990. Agricultural land use patterns in the upland area of northern Thailand. Paper presented at the Workshop on Rural Sustainability, East-West Center, Honolulu, Hawaii.

Yost, R. S., B. B. Trangmar, J. P. Ndiaye, and N. Yoshida. 1989. Geostatistical programs for PC-DOS and MS-DOS: User's guide, Part I. Semivariograms. Research Extension Series 108. College of Tropical Agriculture and Human Resources, University of Hawaii, Honolulu.


Bachelor's programs

Professors L. Benton-Short (Chair), E. Chacko, M.D. Price, N. Shiklomanov

Associate ProfessorsM. Atia, R. Engstrom, M. Keeley, M. Mann, D. Rain, D. Streletskiy

Assistant ProfessorsG. Allington, D. Cullen, B. Hurley, A. Luthra, M. Kansanga

Professorial Lecturers R. Hinton, S. Johnson, W. Reisser, S. Sklar, D. Squire


CL: What role can GIS data play in making mining operations more sustainable and environmentally responsible?

WL: The global mining community is becoming ever more focused on sustainability and social responsibility and are increasingly looking to use Esri technology to actively monitor the environmental impacts that may be caused by their activities. Environmental scientists use GIS to collect, analyse and map data about soils, vegetation, surface/groundwater hydrology and cultural resources.

GIS give miners and explorers powerful tools to integrate multidisciplinary data to enable the geographic advantage and ensure health, safety and environment program compliance by leveraging industry best practices, monitoring and reporting activities and incidents, and adhering to corporate and government laws and regulations.


Plotting X/Y Coordinates

You can plot your data that has coordinate information (latitude/longitude or any other coordinate system) into ArcGIS. The program plots the locations as points on your map. Online help.

VERY IMPORTANT: In the Add XY dialog box, look at the coordinate system that ArcGIS is assuming your data is in before you click through to create your points. The default will be whatever your data frame is in. For instance, if your data frame uses NAD83 State Plane North Carolina Feet, then ArcGIS assumes your tabular coordinates are in feet, not degrees. If these are really Longitude (X) and Latitude (Y) coordinates in degrees, you must change your coordinate system to unprojected (geographic) coordinates, typically WGS84 (the last choice under Geographic. World).


Voir la vidéo: STM ja THL koronatilannekatsaus