Más

CPU para procesar datos LIDAR usando ArcGIS for Desktop?

CPU para procesar datos LIDAR usando ArcGIS for Desktop?


Estoy buscando construir una computadora para procesar datos en ArcGIS 10.2.2.

El uso principal será rasterizar 10-100 GB de datos LIDAR.

Sin embargo, no tengo claro las capacidades de ArcGIS 10.2.2 para utilizar Hyper-Threading y múltiples núcleos. En iteraciones anteriores de ArcGIS, recuerdo que solo algunas herramientas de geoprocesamiento podían utilizar esta capacidad computacional adicional. Por lo tanto, estoy tratando de decidir entre el Intel Core i5-4690K y el i7-4690K.

¿Alguien tiene alguna experiencia con estos procesadores y ArcGIS 10.2.2? Aún mejor, ¿alguien tiene experiencia con estos núcleos para el procesamiento de datos LIDAR?


Lidar y GIS se acercan más

Lidar es una fuente importante de información geográfica, sin embargo, sus voluminosos conjuntos de datos y sus características, que son diferentes a las de los datos de imágenes o vectoriales, históricamente lo han hecho menos accesible para los usuarios de SIG. Esri y RIEGL están trabajando juntos para mejorar la situación, con la ayuda de Ron Behrendt, director gerente de Behron LLC, una consultora geoespacial con sede en Whitefish, Montana. Revista LIDAR le pidió a Ron que dijera más sobre su trabajo.

LIDAR Mag: Nos gustaría discutir su trabajo para RIEGL y Esri. Cuéntenos cómo empezó esto.

Ron Behrendt (RB): Me concentro en proporcionar a los clientes que deseen utilizar tecnologías de teledetección (imágenes, lidar, radar, etc.) como fuentes de información gestionadas y analizadas en un SIG. Briné servicios de consultoría a Esri de 2011 a 2016, asistí con sus nuevas capacidades lidar de ArcGIS y trabajé con los usuarios de Esri para ayudarlos a comprender mejor y beneficiarse de esta nueva funcionalidad. Durante este esfuerzo, se hizo evidente que una interfaz de cliente mejorada entre los sensores lidar y la plataforma ArcGIS proporcionaría numerosos beneficios al usuario final, incluida una mayor eficiencia, una mejor gestión de datos y la capacidad de aprovechar las nuevas capacidades 3D Web GIS de Esri. RIEGL fue rápido en ver los beneficios potenciales para su base de clientes y en 2017 me trajo para ayudar a evaluar la oportunidad de integrar sensores lidar más de cerca con GIS, explorar opciones técnicas y ayudar a desarrollar prototipos de flujos de trabajo que podrían usarse para estudios de mercado.

LM: Cuéntenos sobre el software que está desarrollando y la diferencia que supondrá para los usuarios de RIEGL sensores y / o software de Esri.

RB: RIEGL actualmente está desarrollando el producto de software RiMAP, que está diseñado para transferir sin problemas el contenido de un RIEGL escanee el proyecto a ArcGIS Pro de Esri para que los datos se puedan utilizar por completo para aplicaciones GIS de escritorio y web. La belleza de esto es que la mayoría de estos proyectos tienen lidar e imágenes. En términos de nubes de puntos, la RIEGL RDB (RIEGL Base de datos), que se crea y se completa como resultado de realizar el procesamiento posterior a la captura con RIEGLEl software RiPROCESS se incorpora a ArcGIS Pro para análisis inmediato. Las imágenes co-registradas están disponibles como datasets de mosaico o el nuevo tipo de imágenes orientadas, así como trayectorias y algunos metadatos valiosos. Uno de los beneficios de RiMAP y sus capacidades de datos es que ha creado la capacidad de aprovechar toda la funcionalidad de ArcGIS para almacenar y administrar los datos, una tarea que se ha vuelto cada vez más importante a medida que los usuarios capturan más y más LIDAR, incluidos los dispositivos aéreos (tripulados y no tripulados). ) y móvil.

LM: ¿Qué etapa ha alcanzado el software? ¿Está listo para ser lanzado, o en alfa o beta?

RB: El software RiMAP se encuentra actualmente en desarrollo y las pruebas internas están programadas para comenzar el primer trimestre de 2020. Seguirá un extenso programa de prueba beta, que permitirá que el software se ejercite bien antes de su lanzamiento al público en general, con el objetivo final de un alto rendimiento. oferta de calidad que es fácil de usar. No hay una fecha firme para el primer lanzamiento de RiMAP, pero se hará un anuncio cuando esté disponible para uso público.

LM: ¿Cómo se monetizará el nuevo software?

RB: RIEGL, con su asociación estratégica y de larga data con Esri, utilizará Esri Marketplace para distribuir el software RiMAP. Creado como complemento de ArcGIS Pro, RIEGLEl software RiMAP ampliará las capacidades de ArcGIS Pro y habilitará la funcionalidad mencionada anteriormente. La primera versión de RiMAP estará dirigida a propietarios y operadores de RIEGL sistemas lidar e inicialmente se les ofrecerá sin costo alguno.

LM: ¿Cuál es la siguiente etapa del proceso?

RB: Estamos explorando oportunidades adicionales para expandir la oferta inicial de RiMAP y planeamos anunciar RiMAP 2.0 durante la segunda mitad de 2020. La arquitectura que estamos desarrollando crea numerosas oportunidades para aprovechar muchas de las tecnologías 3D más nuevas de Esri en combinación con los datos de alta precisión capturados. por RIEGL sistemas lidar. Prevemos que RiMAP crecerá y se convertirá en una parte integral del flujo de trabajo para los profesionales que utilizan la combinación de RIEGL lidar y Esri ArcGIS.


Software

Todo el software GIS que se enumera anteriormente está disponible para los profesores, el personal y los estudiantes actualmente afiliados a la Universidad de Chicago. Consulte el plan de servicio de ArcGIS para obtener más información.

Si es nuevo en SIG, le recomendamos que comience con ArcGIS Online, un servicio basado en web que tiene herramientas para mapeo, análisis espacial y recopilación de datos. Si trabaja con grandes conjuntos de datos, realiza muchas ediciones o necesita crear mapas impresos de alta calidad, querrá utilizar una de las aplicaciones de escritorio de Esri.
Las tarifas de licencia son renovables cada agosto. Para la compra, la instalación o más información, comuníquese con gis-help [at] rcc.uchicago.edu.

ArcGIS Online -Esri ArcGIS Online es una plataforma de mapeo web que le permite crear, editar, analizar, compartir y publicar datos geoespaciales fácilmente. Para leer sobre todo lo que ArcGIS Online tiene para ofrecer, visite el sitio web oficial.

Esri Story Maps: un servicio basado en la web que proporciona plantillas para contar una historia con mapas. Puede crear fácilmente contenido que incluya texto, mapas e imágenes, así como enlaces a sitios web y recursos multimedia. Siga este enlace: http://storymaps.arcgis.com a la página de inicio de sesión de Esri Story Maps.

Esri Business Analyst: Esri Business Analyst (BAO) es una plataforma de análisis de mercado en línea que utiliza una amplia gama de datos demográficos, censales, de consumo y comerciales. Puede encontrar detalles sobre la funcionalidad de BAO en el sitio web de Esri. No es necesario instalar ningún software y deberá iniciar sesión con su ID de CNet. Siga este enlace: https://bao.arcgis.com/ a la página de inicio de sesión de Esri Business Analyst Online.

Esri CityEngine: Esri CityEngine es una herramienta de visualización y modelado 3D. Esto se ha utilizado para aplicaciones como planificación urbana, arquitectura, arqueología, desarrollo de juegos y cine (estudios de animación de Disney).
ArcGIS Urban: como herramienta para la planificación urbana inteligente, ArcGIS Urban es una experiencia inmersiva en 3D diseñada para mejorar la planificación urbana y la toma de decisiones. Visualice rápidamente los proyectos en su contexto local y aproveche la inteligencia de ubicación para tomar mejores decisiones.

ArcGIS Insights: ArcGIS Insights es un software de análisis que fusiona el análisis de ubicación con flujos de trabajo de inteligencia empresarial y ciencia de datos abiertos.

ArcGIS Desktop (ArcMap): el software SIG de escritorio más utilizado en la Universidad. Si va a trabajar con colegas que ya utilizan ArcGIS Desktop, esta es una buena opción para usted. Tenga en cuenta que este software requiere una computadora con Microsoft Windows (los usuarios de Mac necesitarán Bootcamp o crear una máquina virtual). Póngase en contacto con el servicio de asistencia técnica de RCC-GIS para obtener una copia de ArcGIS Desktop para estudiantes

ArcGIS Pro: este es el software GIS de escritorio más reciente. Utiliza una barra de herramientas de cinta similar a la que se encuentra en los productos de Microsoft Office. Tenga en cuenta que este software requiere una computadora con Microsoft Windows.
Otros productos de software de ESRI pueden estar disponibles o no a través de la licencia del sitio de la Universidad de Chicago. Comuníquese con gis-help [at] rcc.uchicago.edu para obtener más detalles.

Otras aplicaciones y software GIS patentados

El software FME Desktop ofrece una herramienta versátil que proporciona capacidad ETL espacial para datos vectoriales y ráster. FME Server automatiza el flujo de datos entre aplicaciones. Para saber más sobre el paquete de software FME y ver las novedades, haga clic aquí.

CARTO

CARTO (anteriormente CartoDB) es una plataforma en línea que ofrece una entrada fácil pero poderosa en el mundo de la analítica basada en la ubicación, lo que permite a los usuarios crear mapas ricos e interactivos, realizar análisis avanzados y desarrollar funciones basadas en la ubicación en sus propias aplicaciones web. .

Agisoft PhotoScan

Agisoft PhotoScan (comúnmente conocido como PhotoScan) es una herramienta profesional que realiza el procesamiento fotogramétrico de imágenes digitales y genera datos espaciales 3D para ser utilizados en aplicaciones GIS, documentación del patrimonio cultural y producción de efectos visuales, así como para mediciones indirectas de objetos de varias escalas. .

ERDAS Imagine

ERDAS® IMAGINE realiza análisis avanzados de teledetección y modelado espacial para crear nueva información que le permite visualizar sus resultados en 2D, 3D, películas y composiciones de mapas de calidad cartográfica.

ENVI + IDL

Los productos ENVI crean la base de software geoespacial de primer nivel para procesar y analizar todo tipo de imágenes y datos, como multiespectrales, hiperespectrales, LiDAR y SAR. Están diseñados para ser utilizados por todos, desde profesionales de SIG hasta analistas de imágenes y científicos de imágenes, independientemente de su experiencia previa con imágenes.

AutoCAD MAP y diseño de trama

AutoCAD Map 3D se basa en AutoCAD e incluye todas las funciones de AutoCAD. Los archivos de mapas se guardan en formato DWG, al igual que los dibujos normales de AutoCAD. La principal ventaja en comparación con ArcGIS es la digitalización de datos vectoriales.

Aplicaciones y software SIG de código abierto / gratuito

Los paquetes de software GIS que se enumeran a continuación NO SON SOPORTADOS en el campus, pero se recomiendan como alternativas al software con licencia.


2. Métodos

La Figura 1 resume nuestro método para estimar la idoneidad fotovoltaica en tejados. Las entradas incluyen lidar y conjuntos de datos de huellas de edificios. Estos datos se procesan para determinar el sombreado, la inclinación y el azimut de cada techo a una resolución horizontal de 1 m 2. Luego, se aplica un conjunto de criterios para determinar qué área del techo es adecuada para el despliegue fotovoltaico. Luego, estos resultados se pueden agregar para determinar la cantidad total de área de la azotea adecuada para sistemas fotovoltaicos en varias escalas. Una vez que se cuantifica el área adecuada de la azotea, se calcula la generación potencial de electricidad fotovoltaica.

Figura 1 Pasos principales para determinar la idoneidad del área del techo para fotovoltaica.

Melius et al (2013) validan este método de estimación de idoneidad para tejados con datos de instalación de 205 matrices fotovoltaicas en tres estados. Muestran que el 89% de las pendientes modeladas estaban dentro de los 10 grados de la pendiente real, el 99% de las orientaciones modeladas coincidían con las orientaciones reales y el 99% de los resultados modelados tenían el número mínimo real de horas de sol requerido para que la energía fotovoltaica produjera un 80% de generación. Todas las matrices utilizadas en el proceso de validación mostraron que al menos parte de la azotea era adecuada para fotovoltaica, y el 79% tenía un área de al menos el tamaño del sistema instalado real.

2.1. Los datos de entrada

Nuestros datos LIDAR se obtuvieron del Programa de Infraestructura de Seguridad Nacional del Departamento de Seguridad Nacional de EE. UU. (DHS) para 2006-2014. Para cada una de las 128 ciudades en el conjunto de datos, el DHS proporcionó (1) datos LIDAR en formato ráster con una resolución de 1 m por 1 my (2) un correspondiente shapefile poligonal de huellas de edificios. Los datos ráster se basan en el retorno de la superficie reflectante (primer retorno) de los datos LIDAR, que se correlaciona con la elevación del primer objeto detectado y crea un modelo de superficie digital para cada ciudad.

El conjunto de datos del DHS también incluye datos detallados para aproximadamente 26,9 millones de edificios y 7,7 mil millones de m 2 de área de techos, o aproximadamente el 23% de los edificios de EE. UU. (EIA 2009, EIA 2012). El área cubierta (figura 2) representa aproximadamente 122 millones de personas o el 40% de la población de Estados Unidos. Para comprender mejor la idoneidad y el potencial técnico de los edificios de varios tamaños, subdividimos todos los edificios en tres clases de acuerdo con el área plana de sus huellas:

  • Pequeño: & lt 5000 pies 2 (94% de los edificios, 58% del área de la azotea en nuestra muestra).
  • Medio: 5000-25 000 pies 2 (5% de los edificios, 18% del área de la azotea en nuestra muestra).
  • Grande: & gt 25 000 pies 2 (1% de los edificios, 24% del área de la azotea en nuestra muestra).

Figura 2 Cobertura de datos Lidar.

2.2. Sombreado

Nuestro primer paso para procesar los datos LIDAR fue ejecutar una simulación de sombreado en el modelo de superficie digital de cada ciudad 3. La Figura 3 proporciona un resultado de simulación de ejemplo, que muestra cómo se mueven las sombras a lo largo de un solo día. La variación estacional en el sombreado se capturó ejecutando la simulación durante cuatro días: 21 de marzo, 21 de junio, 21 de septiembre y 21 de diciembre. Las horas de luz solar que recibió cada metro cuadrado durante los cuatro días se promediaron para determinar un número promedio de horas diarias. luz solar por cada metro cuadrado, como se muestra en la figura 4 4.

figura 3 Ejemplo de disponibilidad de sombra y luz solar por hora.

Figura 4 Ejemplo de horas medias diarias de luz solar.

2.3. Orientación (inclinación y acimut)

Determinamos la inclinación para cada metro cuadrado de área del techo dentro de nuestro conjunto de datos LIDAR. Para ser coherentes con la definición de techos planos de muchos techadores e instaladores fotovoltaicos, definimos toda el área del techo con una inclinación inferior a 9,5 grados como "plana". Debido a que la iluminación se calcula por el ángulo en el que el sol incide en una superficie, la simulación de sombreado subestima la exposición al sol de estos techos planos. Para un subconjunto de áreas de techo plano, cuantificamos la diferencia entre las horas de luz solar previstas y las horas reales derivadas de los datos del sistema instalado. La aplicación de un multiplicador de 1,5 a la iluminación prevista de todos los tejados planos compensó esta diferencia.

También determinamos el acimut para cada metro cuadrado de área del techo. Cada metro cuadrado se clasificó en una de las nueve clases de azimut (figura 5), ​​donde se asignó a las áreas de techo inclinado una de las ocho direcciones cardinales e intercardinales primarias. El área con una inclinación de menos de 9,5 grados se clasificó como plana. Como se describe en la sección 2.4, los acimuts noroeste, norte y noreste se definieron como inadecuados, lo que resultó en cinco clases de azimut no planas y una clase plana.

Figura 5 Nueve clasificaciones de azimut.

El archivo de azimut se ejecutó luego a través de una función de variedad, que devolvió el número de valores diferentes en el 3 & # x00d7 3 vecindarios que rodean cada metro cuadrado de área de techo. El área bordeada por más de tres acimuts únicos se excluyó del conjunto de datos para eliminar áreas de orientación cambiante del techo y datos excesivamente ruidosos.

Luego usamos los valores de azimut para identificar los planos del techo asumiendo que las áreas contiguas de idéntica clase de azimut eran un plano único, y agregamos cada uno de los metros cuadrados individuales del área del techo en polígonos que representan planos de techo contiguos. Para cada uno de los planos de techo individuales, se aplicó la herramienta ArcGIS Zonal Mean al ráster de inclinación para determinar la inclinación media del plano del techo. El conjunto de datos producido a través de este proceso consistió en un ráster que proporciona un valor de inclinación único para cada plano de techo único.

Una vez que los metros cuadrados individuales del área del techo se agregaron en planos contiguos, categorizamos cada plano en una de las 21 clases de orientación en función de su inclinación y acimut, definiendo un conjunto de cuatro clases de inclinación (figura 6), las cinco clases de acimut mencionadas anteriormente, y una clase 'plana'. Estas clases se utilizaron luego en el proceso de modelado de generación de electricidad fotovoltaica (sección 2.5) para estimar con mayor precisión la productividad de cada plano de techo.

Figura 6 Clases de inclinación.

2.4. Aplicación de criterios de idoneidad

Para determinar el área total del techo adecuada para fotovoltaica, excluimos el área que no cumplía con los criterios de sombreado, inclinación, azimut y una cantidad mínima de área contigua del techo. Para cada ciudad, usamos el Modelo de Asesor de Sistemas (SAM) para calcular la cantidad de horas que una azotea necesitaría estar a la luz del sol para producir el 80% de la energía producida por un sistema sin sombra de la misma orientación. El área del techo que no cumplía con este criterio de sombreado se excluyó en base a las aportaciones de los instaladores solares y los analistas de investigación, quienes sugirieron que este umbral mínimo estaba hacia el extremo inferior de las mejores prácticas (es decir, generalmente no se recomendaría instalar un sistema que recibiera más sombra).

Los planos de techo también se excluyeron en función de su orientación. Todos los planos del techo que miran de noroeste a noreste (292,5 a 67,5 grados) se consideraron inadecuados para la energía fotovoltaica y se excluyeron debido a la falta de luz solar directa. Todos los valores de inclinación superiores a 60 grados se eliminaron del conjunto de datos, según la recomendación de los instaladores fotovoltaicos; en cualquier caso, nuestros datos muestran que los planos de techo de 60 grados o más inclinados son muy poco comunes en comparación con planos más graduales.

También requerimos que un techo apto para fotovoltaica tenga al menos un plano contiguo con una huella horizontal proyectada de 10 m 2 o más que también cumpla con los criterios de sombreado, inclinación y azimut 5. Si lo hace, proporciona un área suficiente para instalar un sistema de 1,6 kW, asumiendo un panel con una eficiencia del 16%. Seleccionamos este umbral de tamaño mínimo para representar una estimación conservadora de extremo inferior de los tamaños viables del sistema fotovoltaico, en función del rendimiento fotovoltaico actual y los patrones históricos en el tamaño del sistema fotovoltaico informado. Específicamente, revisamos los tamaños de los sistemas informados para sistemas fotovoltaicos pequeños (& lt 10 kW) hasta 2014 (Barbose y Darghouth 2015) y determinamos que el 96% de los sistemas de esta clase tenían más de 1,6 kW. Consideramos un umbral más alto de 3 kW, pero el 20% de los sistemas históricos de menos de 10 kW no habrían excedido este valor y, por lo tanto, lo consideramos demasiado alto.

Calculamos el área de cada plano de techo adecuado, tanto como un área proyectada consistente con la huella del edificio como como un área inclinada, para determinar la cantidad real de área urbanizable. Finalmente, usamos los valores del área inclinada para calcular la capacidad fotovoltaica instalada.

El conjunto de datos final contiene el área adecuada de cada plano de techo en las 128 ciudades cubiertas por datos LIDAR. Este conjunto de datos se puede agregar al nivel de un edificio, código postal, territorio de servicios públicos, estado o cualquier otra región para desarrollar estadísticas resumidas que describan la idoneidad de la región geográfica para la energía fotovoltaica en la azotea.

2.5. Simulación de la productividad fotovoltaica en un área de azotea adecuada

Nuestro siguiente paso fue simular la productividad de los módulos fotovoltaicos que cubren el área del techo adecuada dentro de los 21 contenedores de orientación diferentes para cada código postal en el conjunto de datos LIDAR. Estas simulaciones de rendimiento fotovoltaico se ejecutaron utilizando SAM (versión 2015.1.30). SAM es un modelo económico y de desempeño diseñado para facilitar la toma de decisiones y el análisis de proyectos de energía renovable (Gilman y Dobos 2012). Utiliza datos meteorológicos por hora, un modelo de rendimiento fotovoltaico y suposiciones definidas por el usuario para simular el rendimiento técnico de una instalación fotovoltaica.

Los recursos solares y los datos meteorológicos utilizados para este análisis provienen del conjunto de datos del año meteorológico típico 3 (TMY3) de la base de datos nacional de radiación solar (Wilcox y Marion 2008). El conjunto de datos TMY3 incluye perfiles representativos por hora para 1001 estaciones en todo Estados Unidos. Para una simulación dada, usamos el perfil de estación TMY3 más cercano al límite del código postal en consideración. Debido a que las estaciones TMY3 se encuentran con frecuencia en las principales ciudades o cerca de ellas, la distancia promedio de un código postal a una estación para el conjunto de datos LIDAR fue de 9 km.

El rendimiento técnico de los sistemas fotovoltaicos también puede variar según el equipo utilizado y las elecciones de diseño del instalador. Hicimos un conjunto de suposiciones técnicas para representar el rendimiento promedio de los sistemas fotovoltaicos a medida que se instalan en 2015 (tabla 1). Usamos estos valores en SAM, junto con el recurso solar TMY3 y los perfiles meteorológicos, para determinar la salida eléctrica de los sistemas fotovoltaicos 6.

Tabla 1. Supuestos para simulaciones de rendimiento fotovoltaico.

Características del sistema fotovoltaico Valor para techos planos Valor para techos inclinados
Inclinación 15 grados Punto medio de la clase de inclinación (figura 6)
Relación entre el área del módulo y el área del techo 0.70 0.98
Azimut 180 grados (orientación sur) Punto medio de la clase de azimut
Densidad de potencia del módulo 160 W m −2
Pérdidas totales del sistema 14.08%
Eficiencia del inversor 96%
Relación CC a CA a 1.2

a La relación de corriente continua a corriente alterna (CC a CA) de un sistema es la relación entre la capacidad de la placa de identificación de los módulos fotovoltaicos y la capacidad nominal de CA de los inversores. Por ejemplo, un sistema con una relación CC / CA de 1,2 tendría 8,33 kW de inversores instalados por cada 10 kW de capacidad fotovoltaica indicada en la placa de identificación.

El valor de densidad de potencia utilizado en este análisis corresponde a un módulo con aproximadamente un 16% de eficiencia. Este valor es la eficiencia media del módulo de aproximadamente 48000 sistemas instalados durante 2014 (Barbose y Darghouth 2015). Este valor se seleccionó para representar una mezcla instalada de silicio monocristalino, silicio multicristalino y módulos de película delgada, en contraposición a la instalación universal de sistemas premium.

Las pérdidas por suciedad, sombras, nieve, cableado y otras fuentes se capturan en el parámetro de pérdidas totales del sistema, que se eligió para permanecer en el valor predeterminado de SAM para este análisis. El valor de eficiencia del inversor también se mantuvo en el nivel predeterminado de SAM. Estos niveles se han seleccionado para que sean representativos de los sistemas típicos. Se seleccionó una relación CC / CA de 1,2 en base a la literatura existente sobre el tamaño óptimo de los inversores para minimizar el costo de la electricidad generada por energía fotovoltaica (Mondol et al 2009).

Para los techos planos, se asumió que la relación entre el área del módulo y el área del techo era de 0,7 para reflejar el espacio entre filas necesario para incurrir en pérdidas de solo aproximadamente un 2,5% por el auto-sombreado de los módulos orientados al sur con una inclinación de 15 grados. Para los techos inclinados, se supuso que el valor era 0,98 para reflejar 1,27 cm de espacio entre cada módulo para las abrazaderas de las estanterías 7.

Utilizando los supuestos anteriores, realizamos simulaciones en SAM para estimar la capacidad instalada y la generación de energía anual para cada plano de techo. Modelamos todos los planos asumiendo un sistema fotovoltaico alineado con los valores del punto medio de los rangos de inclinación y azimut de su clase de orientación. Por ejemplo, cualquier plano de techo con un valor de inclinación entre 47,4 y 60,0 grados y un acimut entre 157,5 y 202,5 ​​grados se modeló con un módulo inclinado a 53,7 grados y orientado 180 grados (sur). Luego sumamos los potenciales de todos los planos del techo dentro de un código postal para llegar a los valores de producción total.


Información de carrera y salario

Tu carrera

El Politécnico de Saskatchewan tiene un excelente historial en lo que respecta a conseguir graduados en puestos de trabajo: el 80% de los graduados de GIS están trabajando en su campo dentro de los seis meses posteriores a la graduación. Trabajan como técnicos de cartografía GIS, especialistas en GIS, cartógrafos cartográficos, operadores de GPS, analistas de datos o analistas de teledetección. Con su capacitación especializada en la aplicación de SIG a la gestión de recursos, puede explorar oportunidades laborales con una amplia variedad de empleadores potenciales, incluidas industrias basadas en recursos naturales, industrias de las Primeras Naciones, empresas consultoras, agencias ambientales, departamentos gubernamentales y agencias municipales.


Abstracto

Las tecnologías de detección de luz y alcance (lidar) han demostrado ser las herramientas más poderosas para recopilar, en poco tiempo, nubes de puntos tridimensionales (3-D) con información de superficie de alta densidad, alta precisión y significativamente detallada relacionada con el terreno. y objetos. Sin embargo, en términos de extracción de características y reconstrucción 3-D en un formato de dibujo asistido por computadora (CAD), la mayoría de los paquetes de software de procesamiento de datos LIDAR independientes existentes no pueden procesar un gran volumen de datos LIDAR de manera efectiva y eficiente. Moda. Para romper este cuello de botella técnico, a través del diseño de una plataforma de virtualización de procesos basada en Condor, presentamos en este documento una estrategia novedosa que utiliza recursos computacionales relacionados con la red para procesar, administrar y distribuir grandes cantidades de datos LIDAR en un entorno de computación en la nube. . Se compararon tres experimentos extensos con y sin un entorno de computación en la nube. Los resultados del experimento demostraron que el enfoque de virtualización de procesos propuesto es prometedora y eficaz en la gestión de nubes de puntos LIDAR a gran escala.


Certificado GIS en línea

El Departamento de Planificación Urbana y Regional de la UF y el Centro GeoPlan de la UF se complacen en ofrecer este Certificado de Posgrado en Línea en Sistemas de Información Geográfica para Planificadores Urbanos y Regionales.

El programa de certificado presenta pensamiento crítico junto con habilidades técnicas de análisis espacial utilizando software, métodos y aplicaciones modernos de SIG. Los estudiantes se sumergirán en las sólidas capacidades de GIS para visualización, análisis, modelado e intercambio de información geográfica. Los estudiantes pueden desarrollar sus credenciales y aprovechar la creciente demanda en el mercado laboral de experiencia específica en SIG.

El programa es de 12 horas crédito. Hay 3 cursos obligatorios (9 créditos) y un curso electivo (3 créditos). Los cursos tienen una duración de 16 semanas. El certificado se puede completar en aproximadamente 12-15 meses. Los cursos son impartidos por profesores de UF Urban & amp Regional Planning y GeoPlan Center.

Tenga en cuenta: Este es un programa fuera del libro. Si actualmente está inscrito en un programa de campus financiado por el estado, no puede inscribirse también en este certificado.

Cursos requeridos:

Hay tres cursos obligatorios (9 créditos). Estos cursos cubren los fundamentos de SIG, modelado geoespacial (basado en vectores y raster), dominio del software con ArcGIS, introducción al software de código abierto (QGIS), gestión de proyectos y datos SIG, mapeo y publicación web.

Cursos electivos:

Elija de un curso optativo (cada uno son 3 créditos) & # 8211 haga clic a continuación para ver el plan de estudios:


Contribuyendo

¡Las contribuciones son bienvenidas y muy apreciadas! Todo ayuda y siempre se le dará crédito. Puedes contribuir de muchas formas:

Tipos de contribuciones

Informar errores

Si informa un error, incluya:

  • El nombre y la versión de su sistema operativo.
  • Cualquier detalle sobre su configuración local que pueda ser útil en la resolución de problemas.
  • Pasos detallados para reproducir el error.

Corregir errores

Busque errores en los problemas de GitHub. Todo lo etiquetado con "error" y "se necesita ayuda" está abierto a quien quiera implementarlo.

Implementar características

Revise los problemas de GitHub para ver las características. Todo lo etiquetado con "mejora" y "se necesita ayuda" está abierto a quien quiera implementarlo.

Escribir documentación

lidar siempre podría usar más documentación, ya sea como parte de los documentos lidar oficiales, en cadenas de documentos o incluso en la web en publicaciones de blogs, artículos, etc.

Enviar comentarios

La mejor manera de enviar comentarios es presentar un problema en https://github.com/giswqs/lidar/issues.

Si está proponiendo una función:

  • Explique en detalle cómo funcionaría.
  • Mantenga el alcance lo más estrecho posible para que sea más fácil de implementar.
  • Recuerde que este es un proyecto impulsado por voluntarios y que las contribuciones son bienvenidas.

Empezar

¿Listo para contribuir? Aquí se explica cómo configurar lidar para el desarrollo local.


Técnico en Sistemas de Información Geográfica (SIG)

LA OPORTUNIDAD
OC Survey tiene una gran oportunidad para un técnico de sistemas de información geográfica (GIS). El técnico GIS dentro de la Unidad de Servicios Geoespaciales será asignado para ayudar a los clientes internos y externos a desarrollar y administrar sus datos GIS. Bajo supervisión general, estos puestos pueden ser requeridos para ofrecer asistencia de Técnico GIS a Operaciones de Campo, Operaciones y Mantenimiento, Servicios de Infraestructura o Servicios de Desarrollo de OC Survey según sea necesario. Algunos de los técnicos de GIS

Los deberes y responsabilidades pueden incluir, entre otros:

  • Ayudar a topógrafos, ingenieros y otros analistas de SIG con la integración a la recopilación de datos de encuestas
  • Ayudar con el desarrollo de procedimientos para SIG
  • Ayudar con la recopilación de datos GIS móviles

CUALIFICACIONES DESEABLES Y COMPETENCIAS BÁSICAS
El candidato ideal deberá poseer uno (1) o más años de experiencia en mapeo SIG, ingeniería de diseño y / o sistemas de información. Es muy deseable una licenciatura en Topografía, Ingeniería, Geografía, Sistemas de Información Geográfica o un campo estrechamente relacionado.

Además, el candidato ideal poseerá conocimientos y / o experiencia en las siguientes competencias básicas:

  • Conocimientos técnicos y experiencia
  • Conocimiento de Internet de las cosas e integración de sensores utilizando el servidor Esri GeoEvent
  • Conocimiento de story maps y tecnología web GIS
  • Conocimiento de la tecnología UAV / UAS / Drone y LiDAR
  • Conocimiento de los sistemas AR / VR
  • Conocimiento de los principios de topografía, ingeniería y / o construcción.
  • Conocimiento de lenguajes de programación y / o scripting
  • Experiencia en la creación de aplicaciones web, personalizadas o listas para usar
  • Experiencia con extensiones ESRI ArcGIS Server, ArcPro, ArcGIS Desktop y ArcGIS
  • Experiencia en la producción de mapas topográficos y / o documentos de construcción civil.
  • Experiencia con AutoCAD Civil 3D, Infraworks, Recap o Revit
  • Experiencia trabajando en ArcGIS Online o ArcGIS Portal
  • Competente en lenguajes de programación como Python, javascript, AutoLisp y amp .Net. Conocimiento de
  • Sistemas de gestión de documentos / BIM
  • Analizar e interpretar datos
  • Experiencia en la realización de análisis complejos de topografía / ingeniería de datos geoespaciales
  • Experiencia en el procesamiento y análisis de datos geoespaciales tridimensionales.
  • Capacidad para proporcionar análisis y recomendaciones para modificar procedimientos.
  • Comunicación oral y escrita
  • Experiencia en el desarrollo y preparación de mapas e informes de datos de ingeniería y GIS.
  • Capacidad para comunicar, tanto oralmente como por escrito, el progreso del proyecto y las recomendaciones a todos los niveles de las partes involucradas.
  • Mantener relaciones de trabajo efectivas con todas las partes internas y externas involucradas con los proyectos asignados.

PROCESO DE RECLUTAMIENTO Los Servicios de Recursos Humanos (HRS) revisan todos los materiales de la solicitud en busca de calificaciones mínimas y / o deseables. Después de la selección, los solicitantes que cumplan con las calificaciones mínimas y / o deseables serán remitidos al siguiente paso en el proceso de contratación. Todos los solicitantes serán notificados por correo electrónico sobre su estado en el proceso.

Entrevista oral estructurada | SOI (ponderado 100%)
Los candidatos serán entrevistados y calificados por un panel de evaluación de calificaciones de expertos en conocimiento del trabajo. La calificación de cada candidato se basará en las respuestas a una serie de preguntas diseñadas para obtener las calificaciones del candidato para el puesto. Solo los candidatos más exitosos se incluirán en la lista de elegibles.

Según las necesidades del Departamento, los procedimientos de selección anteriores pueden modificarse. Los candidatos serán notificados de cualquier cambio en los procedimientos de selección.

Lista de elegibles
Una vez que se haya completado la evaluación, HRS establecerá una lista de candidatos elegibles. Los candidatos incluidos en la lista elegible pueden ser remitidos a una entrevista de selección para ser considerados para vacantes presentes y futuras.

Preferencia de empleo para veteranos
El Condado se compromete a proporcionar un mecanismo para dar consideración preferencial en el proceso de empleo a los veteranos y sus cónyuges elegibles y brindará a los participantes elegibles la oportunidad de recibir entrevistas en el proceso de selección para vacantes de empleo y pasantías remuneradas. Haga clic aquí para revisar la política.

Cuando presente la solicitud, indique que está respondiendo a la publicación en Mis trabajos GIS.


GIS y gestión de activos estratégicos con Ashay Prabhu de Assetic

Assetic, una empresa con sede en Melbourne que ofrece software y servicios de gestión de activos estratégicos para ayudar a las organizaciones a gestionar la infraestructura pública y privada, es el socio tecnológico más nuevo de Esri Australia.

El director y cofundador Ashay Prabhu explica el papel futuro que desempeñará la tecnología del Sistema de Información Geográfica (SIG) en la gestión de activos estratégicos y comparte algunas historias de éxito de gobiernos locales en las que el SIG se ha integrado en las operaciones de la agencia.

EA: ¿Dónde ve el potencial de los SIG en la gestión de activos estratégicos?

AP: Es absolutamente fundamental ahora; he estado promoviendo la inteligencia de datos durante los últimos tres o cuatro años. Combining Assetic with GIS spatial intelligence tools adds a new dimension in the visual presentation of asset data – enabling organisations to add science into decision-making. They get a clear picture of their assets, what condition they are currently in, and what condition those assets are likely to be in in five, ten or 20 years’ time.

ArcGIS helps spatially locate, analyse and present asset data in a simple and beautiful format, and can integrate with Assetic software that uses the data, applies intelligent analytics, and forecasts multiple options for the future. This means you don’t just see your current assets on a map – you can click a button and model what your portfolio would look like in five years if, say, you cut your funding by half.

You can’t stand up in front of a council, a mayor or a board of directors, and convince them of a situation with current data alone. However, if you publish a map showing the future what-ifs – ‘bingo’, the penny drops.

EA: Do you have a recent example of asset management projections using GIS?

AP: In the United States last month, we presented the Assetic/Esri solution to a large transportation authority. We were able to extract their asset data – $17 billion of infrastructure – and project it on an Esri map, using their network schematics. Through the Assetic myPredictor modelling optimisation engine, we were able to show them eight different scenarios in red, yellow and green – colours representing risk of failure i.e. what their assets would look like given different funding levels, and which assets would need to be replaced, rehabilitated or renewed over a 20-year period.

Their real outcome here was the projected saving on maintaining a $17 billion asset stock, degrading at $140 million per year. The optimisation demonstrated how they reduce network degradation by 35 per cent without any additional capex funding.

The spatial element within the presentation allowed us to get this full story across to the stakeholders. With spatial integration, the message was easy to demonstrate – that the technology offers value for money, and puts them in control of their future.

EA: How is GIS helping agencies manage their assets?

AP: Regulatory guidelines, mandates and audits for transparency mean agencies need to manage assets at a granular component level. Collecting data becomes onerous on paper, and without a GPS location, the data is often less reliable in decision-making.

What used to take local governments months to collect, collate and import the industry is now saying, ‘I want to do that in minutes’ – and honestly, why shouldn’t they? They’re not getting extra resources to do the work, so it’s our job to make the process seamless.

It’s about creating assets, deleting assets, and upgrading attribute information fast – it’s not rocket science.

EA: Can you share some examples of how local governments have generated positive outcomes by leveraging geographic insight?

AP: We have over 130 clients on our books, but let me give you an example. We work with a very large regional council in Queensland, which manages over $2 billion in asset value. Between 2009 and 2013 they turned their asset management completely around, to the point where their asset management maturity has moved from unsustainable to stable, slashing millions of future renewal through asset management science.

And let’s also take a small shire council in Victoria, which is responsible for an $800 million asset portfolio. Originally, this was consuming at about $16 million per year they have successfully cut this down to $10 million within eight years.

EA: What essential role will GIS play with strategic asset management in the future?

AP: The last decade has been focused on understanding your current asset portfolio – but we’ve conquered that territory. Now, there’s so much value in utilising spatial data. Using ArcGIS, you can set up various schematics and colour code your asset profiles, including health, failure metrics, risk and future profiling. You can find out how to get a better asset network in five years’ time, just by spending your money differently.

It’s about modelling and projecting your data, and showing your stakeholders the smart decisions you have to make to reach your goals with less money.

We now live in an era of funding cuts, where there are three tough choices – print more money, raise taxes or slash services. But there is a fourth choice – a smart choice – that of optimising and achieving financial sustainability. A combination of spatial systems for intelligent data, and a truly strategic asset management system, can provide the ultimate solution.