أكثر

هل تمثل بيانات GIS في ArcScene بحيث تبدو مثل شريط ودائرة؟

هل تمثل بيانات GIS في ArcScene بحيث تبدو مثل شريط ودائرة؟


هل هناك طريقة لتمثيل بيانات GIS في ArcScene بحيث تبدو كشريط ودائرة؟

لا يمكنني الحصول على الشريط إلا من خلال طرح نقاطي ولكني أردت دائرة في الأعلى. لا أعرف كيف أجعل دوائري تطفو إلى أعلى القضبان.


اختيار الميزات بشكل تفاعلي

يتيح لك تحديد الميزات تحديد مجموعة فرعية من المعالم على خريطتك أو التعامل معها. ستعمل على الأرجح مع الميزات المحددة عند الاستعلام عن البيانات أو استكشافها أو تحليلها أو تحريرها. يتيح لك تطبيق التحديد تحديد المعالم التي تريد حساب الإحصائيات الخاصة بها أو عرض السمات الخاصة بها أو تحرير أو تحديد مجموعة المعالم التي تشكل طبقة الخريطة.

هناك عدة طرق يمكنك من خلالها تحديد الميزات. يمكنك تحديد الميزات بمؤشر الماوس عن طريق النقر عليها واحدة تلو الأخرى أو عن طريق سحب مربع حولها على الخريطة. هناك طريقتان رئيسيتان لتحديد المعالم بشكل تفاعلي على الخريطة:

  • استخدم أداة تحديد الميزات على شريط الأدوات.
  • حدد سجلاتها في نافذة الجدول أو الرسم البياني باستخدام مؤشر الماوس.

أثناء التحديد ، يظهر عدد المعالم المحددة على الفور في الزاوية اليسرى السفلية من نافذة ArcMap بعد إجراء التحديد. يتم عرضه أيضًا بعد اسم الطبقة في طريقة العرض List By Selection في جدول المحتويات.

لإضافة ميزات إلى تحديد موجود ، اضغط باستمرار على مفتاح SHIFT أثناء تحديد الميزات. لإزالة ميزة واحدة أو أكثر من مجموعة ميزات متعددة ، اضغط باستمرار على SHIFT وانقر فوق الميزات.

لإلغاء تحديد جميع المعالم المحددة مرة واحدة ، انقر فوق الخريطة التي لا توجد بها معالم ، أو انقر فوق معلم طبقة غير قابلة للتحديد ، أو انقر فوق أداة مسح المعالم المحددة على شريط الأدوات.


2.1 مقدمة

سيقدم هذا الفصل تفسيرات موجزة لنماذج البيانات الجغرافية الأساسية: المتجه والخطوط النقطية. سنقدم النظرية الكامنة وراء كل نموذج بيانات والتخصصات التي يسودون فيها ، قبل إثبات تنفيذها في R.

ال نموذج بيانات متجه يمثل العالم باستخدام النقاط والخطوط والمضلعات. هذه لها حدود منفصلة ومحددة جيدًا ، مما يعني أن مجموعات البيانات المتجهة تتمتع عادةً بمستوى عالٍ من الدقة (ولكن ليس بالضرورة الدقة كما سنرى في القسم 2.5). ال نموذج البيانات النقطية يقسم السطح إلى خلايا ذات حجم ثابت. مجموعات البيانات النقطية هي أساس صور الخلفية المستخدمة في رسم خرائط الويب وكانت مصدرًا حيويًا للبيانات الجغرافية منذ نشأة التصوير الجوي وأجهزة الاستشعار عن بعد القائمة على الأقمار الصناعية. تقوم البيانات النقطية بتجميع ميزات محددة مكانيًا إلى دقة معينة ، مما يعني أنها متسقة عبر المساحة وقابلة للتطوير (تتوفر العديد من مجموعات البيانات النقطية في جميع أنحاء العالم).

أي استخدام؟ تعتمد الإجابة على الأرجح على مجال التطبيق الخاص بك:

  • تميل بيانات المتجه إلى الهيمنة على العلوم الاجتماعية لأن المستوطنات البشرية تميل إلى أن تكون لها حدود منفصلة.
  • غالبًا ما يهيمن Raster على العلوم البيئية بسبب الاعتماد على بيانات الاستشعار عن بعد.

هناك الكثير من التداخل في بعض الحقول ويمكن استخدام مجموعات البيانات النقطية والمتجهة معًا: علماء البيئة وعلماء الديموغرافيين ، على سبيل المثال ، يستخدمون عادةً بيانات المتجه والبيانات النقطية. علاوة على ذلك ، من الممكن التحويل بين النموذجين (انظر القسم 5.4). سواء كان عملك يتضمن استخدامًا أكبر لمجموعات البيانات المتجهة أو النقطية ، فمن الجدير فهم نموذج البيانات الأساسي قبل استخدامها ، كما تمت مناقشته في الفصول اللاحقة. يستخدم هذا الكتاب سادس و النقطية حزم للعمل مع بيانات المتجه ومجموعات البيانات النقطية ، على التوالي.


الدرس الرابع: عرض بيانات الصحة العامة

حتى الآن في هذا الدرس ، قمنا بتغطية الطرق الأكثر شيوعًا التي يعرض بها علماء الأوبئة ومحللو الصحة العامة الآخرون البيانات في جداول ورسوم بيانية. نغطي الآن بعض الأساليب الرسومية الإضافية المفيدة في مواقف محددة. بينما قد لا تجد نفسك تبني هذه الأشكال كثيرًا ، فإن هدفنا هو تجهيزك لتفسير هذه العروض بشكل صحيح عندما تصادفها.

المخططات المبعثرة

الرسم البياني المبعثر (أو & ldquoscattergram & rdquo) هو رسم بياني يصور العلاقة بين متغيرين مستمرين ، حيث يمثل المحور x متغيرًا واحدًا ويمثل المحور y الآخر. (15) لإنشاء رسم تخطيطي مبعثر ، يجب أن يكون لديك زوج من القيم (واحد لكل متغير) لكل شخص أو مجموعة أو دولة أو كيان آخر في مجموعة البيانات ، قيمة واحدة لكل متغير. يتم وضع نقطة على الرسم البياني حيث تتقاطع القيمتان. على سبيل المثال ، قد يهتم علماء الديموغرافيا بالعلاقة بين وفيات الرضع والخصوبة الإجمالية في مختلف الدول. يوضح الشكل 4.19 إجمالي معدل الخصوبة (المتوسط ​​التقديري لعدد الأطفال لكل امرأة) حسب معدل وفيات الرضع في 194 دولة ، لذلك يحتوي هذا المخطط المبعثر على 194 نقطة بيانات.

لتفسير مخطط مبعثر ، انظر إلى النمط العام الذي تشكله النقاط المرسومة. يشير النمط المضغوط إلى حد ما من النقاط من أسفل اليسار إلى أعلى اليمين إلى وجود ارتباط إيجابي ، حيث يزيد أحد المتغيرات كلما زاد الآخر. يشير النمط المضغوط من أعلى اليسار إلى أسفل اليمين إلى ارتباط سلبي أو عكسي ، حيث يتناقص أحد المتغيرات كلما زاد الآخر. تشير النقاط المتناثرة على نطاق واسع أو النمط المسطح نسبيًا إلى القليل من الارتباط. يبدو أن البيانات الواردة في الشكل 4.19 تظهر ارتباطًا إيجابيًا بين معدل وفيات الرضع والخصوبة الإجمالية ، أي أن البلدان ذات معدلات وفيات الرضع المرتفعة يبدو أنها تتمتع بخصوبة إجمالية عالية أيضًا. يمكن تطبيق الأدوات الإحصائية مثل الانحدار الخطي على مثل هذه البيانات لتحديد الارتباط بين المتغيرات في مخطط مبعثر. وبالمثل ، غالبًا ما تعرض الرسوم البيانية المبعثرة الارتباطات التي قد تثير فرضيات مثيرة للاهتمام حول العلاقات السببية ، ولكن هناك حاجة دائمًا إلى تحقيق إضافي قبل قبول أي فرضيات سببية.

الشكل 4.19 العلاقة بين معدل وفيات الرضع ومعدل الخصوبة الإجمالي بين 194 دولة ، 1997

مصدر البيانات: مكتب المراجع السكانية [الإنترنت]. Datafinder [تم الاستشهاد به في عام 2004 في 13 ديسمبر]. متاح من: http://www.prb.org/datafind/datafinder7.htm أيقونة خارجية.

المخططات الشريطية

يستخدم المخطط الشريطي أشرطة متساوية العرض لعرض البيانات المقارنة. تستند مقارنة الفئات إلى حقيقة أن طول الشريط يتناسب مع تكرار الحدث في تلك الفئة. لذلك ، قد تؤدي الفواصل في المقياس إلى إساءة تفسير البيانات ويجب عدم استخدامها في المخططات الشريطية. يتم فصل الأشرطة الخاصة بالفئات المختلفة بمسافات (على عكس الأشرطة الموجودة في الرسم البياني). يمكن تصوير المخطط الشريطي بأشرطة رأسية أو أفقية. (عادةً ما يتم إجراء هذا الاختيار بناءً على طول تسميات النص وتناسب الملصقات الطويلة mdash بشكل أفضل على مخطط أفقي من المخطط الرأسي) عادةً ما يتم ترتيب الأشرطة بطول تصاعدي أو تنازلي ، أو بترتيب نظامي آخر تمليه أي ترتيب جوهري لـ الفئات. تتضمن البيانات المناسبة للمخططات الشريطية بيانات منفصلة (على سبيل المثال ، العرق أو سبب الوفاة) أو المتغيرات التي يتم التعامل معها كما لو كانت منفصلة (الفئات العمرية). (تذكر أن الرسم البياني يظهر تواتر متغير مستمر ، مثل تواريخ ظهور الأعراض).

المزيد حول إنشاء المخططات الشريطية

  • رتب الفئات التي تحدد الأشرطة أو مجموعات الأشرطة بترتيب طبيعي ، مثل الأبجدي أو العمر المتزايد ، أو بترتيب ينتج عنه أطوال أشرطة متزايدة أو متناقصة.
  • اختر ما إذا كنت تريد عرض الأشرطة رأسيًا أو أفقيًا.
  • اجعل كل الأشرطة بنفس العرض.
  • اجعل طول القضبان متناسبًا مع تكرار الحدث. لا تستخدم فاصل مقياس ، لأن القارئ قد يسيء تفسير الحجم النسبي للفئات المختلفة بسهولة.
  • لا تعرض أكثر من خمسة أشرطة داخل مجموعة من الأشرطة ، إن أمكن.
  • اترك مسافة بين مجموعات الأشرطة المتجاورة ولكن ليس بين الأشرطة داخل مجموعة (انظر الشكل 4.22).
  • داخل المجموعة ، قم بتشفير متغيرات مختلفة حسب الاختلافات في لون الشريط ، والتظليل ، والتظليل المتقاطع ، وما إلى ذلك ، وقم بتضمين وسيلة إيضاح تفسر الكود الخاص بك.

يتم استخدام أبسط مخطط شريطي لعرض البيانات من جدول ذي متغير واحد (انظر الصفحة 4-4). يوضح الشكل 4.20 عدد الوفيات بين الأشخاص الذين تتراوح أعمارهم بين 25 و 34 عامًا للأسباب الستة الأكثر شيوعًا ، بالإضافة إلى جميع الأسباب الأخرى المجمعة معًا ، في الولايات المتحدة في عام 2003. لاحظ أن هذا المخطط الشريطي محاذي أفقيًا للسماح بالتسميات الطويلة.

الشكل 4.20 عدد الوفيات حسب السبب بين 25 & ndash34 سنة و [مدش] الولايات المتّحدة، 2003

مصدر البيانات: نظام الاستعلام والإبلاغ عن إحصاءات الإصابات المستند إلى الويب (WISQARS) [قاعدة بيانات على الإنترنت] مركز أتلانتا الوطني للوقاية من الإصابات ومكافحتها. [مقتبس من عام 2006 في 15 فبراير]. متاح من: https://www.cdc.gov/injury/wisqars/index.html.

مخططات شريطية مجمعة

يتم استخدام مخطط شريطي مجمع لتوضيح البيانات من جداول ذات متغيرين أو ثلاثة متغيرات. يكون المخطط الشريطي المجمع مفيدًا بشكل خاص عندما تريد مقارنة المجموعات الفرعية داخل مجموعة. القضبان داخل المجموعة متجاورة. يجب أن يتم توضيح الأشرطة بشكل مميز ووصفها في وسيلة إيضاح. على سبيل المثال ، ضع في اعتبارك البيانات الخاصة بالشكل 4.12 والمدخنين الحاليين حسب العمر والجنس. في الشكل 4.21 ، تمثل كل مجموعة شريطية فئة عمرية. داخل المجموعة ، يتم استخدام أشرطة منفصلة لتمثيل البيانات للذكور والإناث. يوضح هذا بيانياً أنه بغض النظر عن العمر ، من المرجح أن يكون الرجال مدخنين حاليين أكثر من النساء ، لكن هذا الاختلاف ينخفض ​​مع تقدم العمر.

الشكل 4.21 النسبة المئوية للأشخاص البالغين من العمر 18 عامًا والذين كانوا مدخنين حاليًا ، حسب العمر والجنس و [مدش] الولايات المتحدة ، 2002

مصدر البيانات: مراكز السيطرة على الأمراض والوقاية منها. تدخين السجائر بين البالغين & ndash الولايات المتحدة ، 2002. MMWR 200453: 427 & ndash31.

يوضح الرسم البياني الشريطي في الشكل 4.22 أ الأسباب الرئيسية للوفاة في عامي 1997 و 2003 بين الأشخاص الذين تتراوح أعمارهم بين 25 و 34 عامًا. الرسم البياني أكثر فعالية في إظهار الفروق في أسباب الوفاة خلال نفس العام من إظهار الاختلافات في سبب واحد بين السنوات. في حين أن الانخفاض في الوفيات بسبب الإصابة بفيروس نقص المناعة البشرية بين عامي 1997 و 2003 واضح تمامًا ، فإن الانخفاض الأصغر في أمراض القلب يكون أكثر صعوبة. إذا كان الهدف من الشكل هو مقارنة الأسباب المحددة بين العامين ، فإن المخطط الشريطي في الشكل 4.22 ب هو خيار أفضل.

الشكل 4.22 أ عدد الوفيات حسب السبب بين 25 و ndash34 سنة و [مدش] الولايات المتحدة ، 1997 و 2003

مصدر البيانات: نظام الاستعلام والإبلاغ عن إحصاءات الإصابات المستند إلى الويب (WISQARS) [قاعدة بيانات على الإنترنت] مركز أتلانتا الوطني للوقاية من الإصابات ومكافحتها. [مقتبس من عام 2006 في 15 فبراير]. متاح من: https://www.cdc.gov/injury/wisqars/.

الشكل 4.22b عدد الوفيات حسب السبب بين 25 & ndash34 سنة و [مدش] الولايات المتحدة ، 1997 و 2003

مصدر البيانات: نظام الاستعلام والإبلاغ عن إحصاءات الإصابات المستند إلى الويب (WISQARS) [قاعدة بيانات على الإنترنت] مركز أتلانتا الوطني للوقاية من الإصابات ومكافحتها. [مقتبس من عام 2006 في 15 فبراير]. متاح من: https://www.cdc.gov/injury/wisqars/.

مخططات شريطية مكدسة

يتم استخدام المخطط الشريطي المكدس لإظهار نفس البيانات مثل مخطط شريطي مجمع ولكنه يكدس المجموعات الفرعية للمتغير الثاني في شريط واحد من المتغير الأول. إنه ينحرف عن المخطط الشريطي المجمّع من حيث أن المجموعات المختلفة لا يتم تمييزها بأشرطة منفصلة ، ولكن مع مقاطع مختلفة داخل شريط واحد لكل فئة. يعد المخطط الشريطي المكدس أكثر فاعلية من المخطط الشريطي المجمع في عرض النمط العام للمتغير الأول ولكنه أقل فعالية في عرض الحجم النسبي لكل مجموعة فرعية. قد يكون من الصعب فك رموز اتجاهات أو أنماط المجموعات الفرعية لأنه ، باستثناء الفئات السفلية ، لا تستند الفئات إلى خط أساس مسطح.

لمعرفة الفرق بين المخططات الشريطية المجمعة والمكدسة ، انظر إلى الشكل 4.23. يوضح هذا الشكل نفس البيانات مثل الشكلين 4.22 أ و 4.22 ب. باستخدام المخطط الشريطي المكدس ، يمكنك بسهولة رؤية التغيير في العدد الإجمالي للوفيات بين العامين ، ومع ذلك ، من الصعب رؤية قيم كل سبب من أسباب الوفاة. من ناحية أخرى ، باستخدام المخطط الشريطي المجمع ، يمكنك بسهولة رؤية التغييرات حسب سبب الوفاة.

الشكل 4.23 عدد الوفيات حسب السبب بين 25 و 44 عامًا و [مدش] الولايات المتحدة ، 1997 و 2003

مصدر البيانات: نظام الاستعلام والإبلاغ عن إحصاءات الإصابات المستند إلى الويب (WISQARS) [قاعدة بيانات على الإنترنت] مركز أتلانتا الوطني للوقاية من الإصابات ومكافحتها. [مقتبس من عام 2006 في 15 فبراير]. متاح من: https://www.cdc.gov/injury/wisqars/.

مخططات شريطية مكونة بنسبة 100٪

مخطط شريط مكون بنسبة 100٪ هو أحد أشكال المخطط الشريطي المكدس ، حيث يتم سحب جميع الأشرطة إلى نفس الارتفاع (100٪) وإظهار المكونات كنسب مئوية من الإجمالي وليس كقيم فعلية. هذا النوع من المخططات مفيد لمقارنة مساهمة المجموعات الفرعية المختلفة ضمن فئات المتغير الرئيسي. يوضح الشكل 4.24 مخطط شريطي مكون بنسبة 100٪ يقارن فترات الإقامة في المستشفى حسب الفئة العمرية. يوضح الشكل بوضوح أن النسبة المئوية للأشخاص الذين يقيمون في المستشفى ليوم واحد أو أقل (المكون السفلي) هي الأكبر للأطفال الذين تتراوح أعمارهم بين 0 و - 4 سنوات ، وتنخفض مع تقدم العمر. بالتزامن مع ذلك ، تزداد مدد الإقامة لمدة 7 أيام أو أكثر مع تقدم العمر. ومع ذلك ، نظرًا لأن الأعمدة هي نفس الارتفاع ، لا يمكنك معرفة عدد الأشخاص في كل فئة عمرية الذين تم نقلهم إلى المستشفى بسبب إصابات الدماغ الرضحية و [مدش] وضع الأرقام فوق الأشرطة للإشارة إلى المجاميع في كل فئة عمرية سيحل هذه المشكلة.

الشكل 4.24 طول مدة الإقامة في المستشفى بسبب الإصابات الدماغية الناتجة عن إصابات الدماغ و [مدش] 14 دولة * ، 1997

* ألاسكا وأريزونا وكاليفورنيا وكولورادو ولويزيانا وماريلاند ومينيسوتا وميسوري ونبراسكا ونيويورك وأوكلاهوما ورود آيلاند وساوث كارولينا ويوتا.

المصدر: Langlois JA و Kegler SR و Butler JA و Gotsch KE و Johnson RL و Reichard AA et al. خروج المستشفى من المستشفى بسبب إصابات الدماغ الرضحية: نتائج من نظام مراقبة 14 دولة. في: ملخصات المراقبة ، 27 يونيو 2003. MMWR 200352 (رقم. SS-04): 1 & ndash18.

مخططات شريط الانحراف

بينما تعرض العديد من المخططات الشريطية قيمًا موجبة فقط ، يعرض مخطط شريط الانحراف كلاً من التغييرات الإيجابية والسلبية من خط الأساس. (تخيل بيانات الربح / الخسارة في أوقات مختلفة). يوضح الشكل 4.25 مخطط الانحراف هذا لأمراض مختارة يمكن الإبلاغ عنها في الولايات المتحدة. يظهر مخطط مماثل في كل إصدار من التقرير الأسبوعي للمراضة والوفيات CDC & rsquos. في هذا الرسم البياني ، تتم مقارنة عدد الحالات المبلغ عنها خلال الأسابيع الأربعة الماضية بمتوسط ​​العدد المبلغ عنه خلال الفترات المماثلة في السنوات القليلة الماضية. تشير الانحرافات إلى اليمين فيما يتعلق بالتهاب الكبد B والسعال الديكي إلى زيادات عن المستويات التاريخية. تشير الانحرافات إلى اليسار بالنسبة للحصبة والحصبة الألمانية ومعظم الأمراض الأخرى إلى حدوث انخفاض في الحالات المبلغ عنها مقارنة بالمستويات السابقة. في هذا المخطط المحدد ، يكون المحور x على مقياس لوغاريتمي ، بحيث يتم تمثيل تخفيض بنسبة 50٪ (نصف الحالات) ومضاعفة الحالات (زيادة بنسبة 50٪) بأعمدة من نفس الطول ، على الرغم من اتجاهين متعاكسين. تم تمييز القيم التي تتجاوز الحدود التاريخية (يمكن مقارنتها بحدود الثقة بنسبة 95٪) لتولي اهتمامًا خاصًا.

الشكل 4.25 مقارنة إجماليات الأربعة أسابيع الحالية مع البيانات التاريخية لأمراض مختارة و [مدش] الولايات المتحدة ، 4 أسابيع تنتهي في 11 ديسمبر 2004

المصدر: مراكز السيطرة على الأمراض والوقاية منها. الشكل 1. تقارير الأمراض المختارة الواجب الإبلاغ عنها ، الولايات المتحدة ، مقارنة بين المجاميع المؤقتة لمدة 4 أسابيع المنتهية في 11 ديسمبر / كانون الأول 2004 ، مع البيانات التاريخية. MMWR 200453: 1161.

تمرين 4.6

استخدم البيانات الواردة في الجدول 4.17 لرسم مخطط شريطي مكدس ومخطط شريطي مجمع ومخطط شريطي مكون بنسبة 100٪ لتوضيح الاختلافات في التوزيع العمري لحالات الزهري بين الذكور البيض والإناث البيض والذكور السود والإناث السود. ما هي المعلومات التي يتم نقلها بشكل أفضل من خلال كل رسم بياني؟ يتم توفير ورقة الرسم البياني في نهاية هذا الدرس.

الجدول 4.17 عدد الحالات المبلغ عنها لمرض الزهري الأولي والثانوي ، حسب الفئة العمرية ، بين الرجال والنساء غير اللاتينيين من السود والأبيض و [مدش] الولايات المتحدة ، 2002

الفئة العمرية (بالسنوات) أسود
رجال
أبيض
رجال
أسود
امرأة
أبيض
امرأة
& lt20 804 905 277 50
20 و ndash29 695 914 349 66
30 و ndash39 635 277 396 76
وجي 40 92 12 173 25

مصدر البيانات: مراكز السيطرة على الأمراض والوقاية منها. مراقبة الأمراض المنقولة جنسياً 2002. أتلانتا: وزارة الصحة والخدمات الإنسانية الأمريكية 2003.

الرسوم البيانية الدائرية

تُستخدم الرسوم البيانية الدائرية للتقييم النسبي من خلال مقارنة عناصر البيانات كنسب مئوية أو تعداد مقابل عناصر بيانات أخرى ومقابل مجموع عناصر البيانات. يعد عرض البيانات باستخدام الرسم البياني الدائري أمرًا سهلاً باستخدام Epi Info.

  • قراءة (استيراد) الملف الذي يحتوي على البيانات.
  • اضغط على رسم بياني الأمر ضمن مجلد الإحصائيات.
  • ضمن نوع الرسم البياني ، حدد نوع الرسم البياني الذي ترغب في إنشائه (فطيرة).
  • تحت العنوان الأول / العنوان الثاني ، اكتب عنوان صفحة للمخطط الدائري.
  • حدد المتغير الذي ترغب في رسم بياني من ملف المحور السيني (المتغيرات الرئيسية) اسقط الصندوق.
  • حدد القيمة التي تريد عرضها من ملف المحور الصادي (القيمة المعروضة لـ) اسقط الصندوق. عادة ما تريد إظهار النسب المئوية. ثم حدد عدد ٪.
  • انقر حسنا وسيتم عرض المخطط الدائري.

المخطط الدائري هو مخطط بسيط يسهل فهمه يظهر فيه حجم & ldquoslices & rdquo أو الأوتاد المساهمة النسبية لكل جزء مكون. (16) تعد المخططات الدائرية مفيدة لإظهار نسب توزيع تردد متغير واحد و rsquos. يوضح الشكل 4.26 مخططًا دائريًا بسيطًا للأسباب الرئيسية للوفاة في عام 2003 بين الأشخاص الذين تتراوح أعمارهم بين 25 و 34 عامًا.

الشكل 4.26 عدد الوفيات حسب السبب بين 25 و ndash34 سنة و [مدش] الولايات المتحدة ، 2003

مصدر البيانات: نظام الاستعلام والإبلاغ عن إحصاءات الإصابات المستند إلى الويب (WISQARS) [قاعدة بيانات على الإنترنت] مركز أتلانتا الوطني للوقاية من الإصابات ومكافحتها. [مقتبس من عام 2006 في 15 فبراير]. متاح من: https://www.cdc.gov/injury/wisqars/.

المزيد حول إنشاء المخططات الدائرية

  • بشكل تقليدي ، تبدأ المخططات الدائرية في الساعة 12 و rsquoclock.
  • يجب تسمية الأوتاد وترتيبها من الأكبر إلى الأصغر ، والمضي قدمًا في اتجاه عقارب الساعة ، على الرغم من أن & ldquoother & rdquo أو & ldquounknown & rdquo قد تكون الأخيرة.
  • يمكن استخدام التظليل للتمييز بين الشرائح ولكنه ليس ضروريًا دائمًا.
  • نظرًا لأن العين لا تستطيع قياس مساحة الشرائح بدقة ، يجب أن يشير الرسم البياني إلى النسبة المئوية التي تمثلها كل شريحة إما داخل أو بالقرب من كل شريحة.

نظرًا للتكنولوجيا الحالية ، يتم دائمًا إنشاء المخططات الدائرية بواسطة الكمبيوتر بدلاً من رسمها يدويًا. لكن الإعدادات الافتراضية للعديد من برامج الكمبيوتر تختلف عن الممارسات الوبائية الموصى بها. تسمح العديد من برامج الكمبيوتر بشريحة واحدة أو أكثر بـ & ldquoexplode & rdquo أو سحبها من الكعكة. بشكل عام ، يجب أن تقتصر هذه التقنية على المواقف التي تريد فيها التركيز بشكل خاص على إسفين واحد ، خاصةً عند تقديم تفاصيل إضافية حول هذا الإسفين (الشكل 4.27).

الشكل 4.27 عدد الوفيات حسب السبب بين 25 و ndash34 سنة و [مدش] الولايات المتحدة ، 2003

مصدر البيانات: نظام الاستعلام والإبلاغ عن إحصاءات الإصابات المستند إلى الويب (WISQARS) [قاعدة بيانات على الإنترنت] مركز أتلانتا الوطني للوقاية من الإصابات ومكافحتها. [مقتبس من عام 2006 في 15 فبراير]. متاح من: https://www.cdc.gov/injury/wisqars/.

تُستخدم المخططات الدائرية المتعددة أحيانًا بدلاً من مخطط شريطي مكون بنسبة 100٪ ، أي لعرض الاختلافات في التوزيعات المتناسبة. في بعض الأشكال ، يتناسب حجم كل فطيرة مع عدد الملاحظات ، ولكن في حالات أخرى ، تكون الفطائر بنفس الحجم على الرغم من تمثيلها لأعداد مختلفة من الملاحظات (الشكل 4.28 أ و 4.28 ب).

الشكل 4.28a عدد الوفيات حسب السبب بين 25 & ndash34 و 35-44 سنة و [مدش] الولايات المتحدة ، 2003

مصدر البيانات: نظام الاستعلام والإبلاغ عن إحصاءات الإصابات المستند إلى الويب (WISQARS) [قاعدة بيانات على الإنترنت] مركز أتلانتا الوطني للوقاية من الإصابات ومكافحتها. [مقتبس من عام 2006 في 15 فبراير]. متاح من: https://www.cdc.gov/injury/wisqars/.

الشكل 4.28b عدد الوفيات حسب السبب بين 25 & ndash34 و 35-44 سنة و [مدش] الولايات المتحدة ، 2003

مصدر البيانات: نظام الاستعلام والإبلاغ عن إحصاءات الإصابات المستند إلى الويب (WISQARS) [قاعدة بيانات على الإنترنت] مركز أتلانتا الوطني للوقاية من الإصابات ومكافحتها. [مقتبس من عام 2006 في 15 فبراير]. متاح من: https://www.cdc.gov/injury/wisqars/.

المؤامرات النقطية والمؤامرات الصندوقية

يستخدم الرسم النقطي النقاط لإظهار العلاقة بين المتغير الفئوي على المحور x والمتغير المستمر على المحور y. يتم وضع نقطة في المكان المناسب لكل ملاحظة. لا يعرض المخطط النقطي فقط تجميع الملاحظات وانتشارها لكل فئة من متغير المحور السيني ولكن أيضًا الاختلافات في الأنماط بين الفئات. في الشكل 4.29 ، تتمتع القرى التي تستخدم الصابون المضاد للبكتيريا أو الصابون العادي بمعدلات إصابة أقل بالإسهال مقارنة بقرى السيطرة (بدون صابون).17)

الشكل 4.29 حدوث إسهال الأطفال في كل حي من خلال مجموعة تدخل النظافة و [مدش] باكستان ، 2002 و ndash2003

المصدر: Luby SP، Agboatwalla M، Painter J، Altaf A، Billhimer WL، Hoekstra RM. تأثير تعزيز غسل اليدين المكثف على إسهال الأطفال في المجتمعات المعرضة للخطر في باكستان: تجربة معشاة ذات شواهد. جاما 2004291: 2547 & ndash54.

يوضح الرسم النقطي العلاقة بين المتغير المستمر والمتغير الفئوي. يمكن أيضًا عرض نفس البيانات في مخطط مربع ، حيث يتم تلخيص البيانات باستخدام & ldquobox-and-whiskers. & rdquo الشكل 4.30 هو مثال على مخطط مربع. يمثل & ldquobox & rdquo قيم متوسط ​​50٪ (أو النطاق الربيعي) لنقاط البيانات ، وتمتد & ldquowhiskers & rdquo إلى القيم الدنيا والحد الأقصى التي تفترضها البيانات. عادة ما يتم تمييز الوسيط بخط أفقي داخل المربع. نتيجة لذلك ، يمكنك استخدام مخطط مربع لإظهار ومقارنة الموقع المركزي (الوسيط) والتشتت (النطاق والمدى بين الشرائح الربعية) والانحراف (المشار إليه بخط متوسط ​​غير متمركز في المربع ، مثل الحالات في الشكل 4.30). (18)

الشكل 4.30 درجة الخطر لداء المشوكات السنخي بين الحالات والضوابط و [مدش] ألمانيا ، 1999 & ndash2000

مقتبس من: Kern P و Ammon A و Kron M و Sinn G و Sander S و Petersen LR وآخرون. عوامل الخطر لمرض المشوكات السنخية في البشر. إميرج إنفيكت ديس 200410: 2089-93.

قطع الغابات

يتم استخدام مخطط الغابة ، والذي يسمى أيضًا مخطط فاصل الثقة ، لعرض تقديرات النقاط وفواصل الثقة للدراسات الفردية التي تم تجميعها للتحليل التلوي أو المراجعة المنهجية. (19) في مخطط الغابة ، المتغير على المحور السيني هو مقياس النتيجة الأساسي من كل دراسة (الخطر النسبي ، آثار العلاج ، إلخ). إذا تم استخدام نسبة المخاطرة أو نسبة الأرجحية أو مقياس نسبة آخر ، يستخدم المحور السيني مقياسًا لوغاريتميًا. وذلك لأن التحويل اللوغاريتمي لتقديرات المخاطر هذه له توزيع أكثر تناسقًا من تقديرات المخاطر نفسها (نظرًا لأن تقديرات المخاطر يمكن أن تختلف من صفر إلى عدد كبير بشكل عشوائي). يتم تمثيل كل دراسة بخط أفقي و [مدش] يعكس فاصل الثقة و [مدش] ونقطة أو مربع و [مدش] يعكس تقدير النقطة و [مدش] عادة بسبب حجم الدراسة أو بعض الجوانب الأخرى لتصميم الدراسة (الشكل 4.31). كلما كان الخط الأفقي أقصر ، زادت دقة تقدير الدراسة و rsquos. تشير تقديرات النقاط (النقاط أو المربعات) التي تصطف جيدًا بشكل معقول إلى أن الدراسات تظهر تأثيرًا ثابتًا نسبيًا. يشير الخط العمودي إلى حيث لا يقع أي تأثير (الخطر النسبي = 1 أو تأثير العلاج = 0) على المحور السيني. إذا كان الخط الأفقي للدراسة و rsquos لا يعبر الخط العمودي ، فإن نتيجة الدراسة و rsquos ذات دلالة إحصائية. من قطعة أرض الغابة ، يمكن للمرء بسهولة التأكد من الأنماط بين الدراسات وكذلك القيم المتطرفة.

الشكل 4.31 صافي التغير في الجليكوهيموغلوبين (GHb) بعد التدخل التعليمي للإدارة الذاتية للبالغين المصابين بداء السكري من النوع 2 ، عن طريق دراسات مختلفة وفترات المتابعة ، 1980 & ndash1999

المصدر: Norris SL، Lau J، Smith SJ، Schmid CH، Engelgau MM. تعليم الإدارة الذاتية للبالغين المصابين بداء السكري من النوع 2. رعاية مرضى السكري 200225: 1159 & ndash71.

أشجار النشوء والتطور

شجرة النشوء والتطور ، وهي نوع من مخطط الشجرة ، هي مخطط متفرع يشير إلى النسب التطوري أو الارتباط الجيني للكائنات الحية المشاركة في تفشي المرض. تعكس المسافة على الشجرة الاختلافات الجينية ، لذا فإن الكائنات الحية القريبة من بعضها البعض على الشجرة أكثر ارتباطًا من الكائنات الحية المتباعدة. تُظهر شجرة النشوء والتطور في الشكل 4.32 أن الكائنات الحية المعزولة من مرضى التهاب الكبد A المرتبط بالمطعم في جورجيا ونورث كارولينا كانت متطابقة ومرتبطة ارتباطًا وثيقًا بتلك من المرضى في تينيسي. (20) علاوة على ذلك ، كانت هذه الكائنات الحية مماثلة لتلك التي تظهر عادة في المرضى من المكسيك. دعمت هذه البيانات الميكروبيولوجية البيانات الوبائية التي تورطت البصل الأخضر من المكسيك.

الشكل 4.32 مقارنة التسلسلات الجينية لعزل فيروس التهاب الكبد A من تفشي المرض في جورجيا ونورث كارولينا وتينيسي في عام 2003 مع العزلات من المراقبة الوطنية

المصدر: Amon JJ، Devasia R، Guoliang X، Vaughan G، Gabel J، MacDonald P، et al. تفشي التهاب الكبد A المتعدد المرتبط بالبصل الأخضر بين رعاة المطاعم & ndashTennessee ، جورجيا ، ونورث كارولينا ، 2003. تم تقديمه في المؤتمر السنوي الثالث والخمسين لخدمة الاستخبارات الوبائية ، 19-23 أبريل 2004 ، أتلانتا ، جورجيا.

أشجار القرار

شجرة القرار هي مخطط فرعي يمثل التسلسل المنطقي أو المسار لقرار سريري أو قرار متعلق بالصحة العامة. (21)

تحليل القرار هي طريقة منهجية لاتخاذ القرارات عندما تكون النتائج غير مؤكدة. اللبنات الأساسية لتحليل القرار هي (1) القرارات ، (2) النتائج ، و (3) الاحتمالات.

أ قرار هو اختيار يقوم به شخص أو مجموعة أو منظمة لتحديد مسار عمل من بين مجموعة من البدائل المتعارضة. يقارن صانع القرار النتائج المتوقعة للبدائل المتاحة ويختار الأفضل بينها. يتم تمثيل هذا الاختيار بواسطة أ عقدة القرار، مربع ، به فروع تمثل الاختيارات في مخطط شجرة القرار (على سبيل المثال ، انظر الشكل 4.33). على سبيل المثال ، بعد تلقي معلومات تفيد بأن شخصًا ما لديه تاريخ عائلي لمرض (سرطان القولون والمستقيم في هذا المثال) ، قد يقرر هذا الشخص (يختار) طلب المشورة الطبية أو يختار عدم القيام بذلك.

النتائج هي أحداث الصدفة التي تحدث استجابةً لقرار ما. يمكن أن تكون النتائج متوسطة أو نهائية. النتائج المتوسطة تليها المزيد من القرارات أو أحداث فرصة. على سبيل المثال ، إذا قرر الشخص السعي للحصول على رعاية طبية لفحص سرطان القولون والمستقيم ، اعتمادًا على نتائج (نتائج) الفحص ، فقد ينصح طبيبه أو طبيبها بالحمية الغذائية أو إجراء فحوصات أكثر تكرارًا ، مزيجًا من هذين الاثنين أو العلاج. من منظور الشخص و rsquos ، هذه نتيجة فرصة من منظور مقدم الرعاية الصحية و rsquos ، إنه قرار. ما إذا كانت النتيجة متوسطة أو نهائية قد يعتمد على سياق مشكلة القرار. على سبيل المثال ، قد يكون فحص سرطان القولون والمستقيم هو النتيجة النهائية في تحليل القرار الذي يركز على سرطان القولون والمستقيم باعتباره الحالة الصحية ذات الأهمية ، ولكنه قد يكون نتيجة وسيطة في تحليل القرار الذي يركز على علاج السرطان الأكثر توغلًا. في شجرة القرار ، تتبع النتائج أ عقدة فرصة، دائرة ، لها فروع تمثل نتائج مختلفة تحدث بالصدفة ، يحدث واحد منها فقط.

كل نتيجة فرصة لها احتمالية يمكن من خلالها أن تحدث مكتوبة أسفل الفرع في مخطط شجرة القرار. مجموع الاحتمالات لجميع النتائج التي يمكن أن تحدث في عقدة فرصة واحد. يمكن استخدام اللبنات الأساسية لتحليل القرار وقرارات ونتائج واحتمالات و [مدش] لتمثيل وفحص مشاكل القرار المعقدة.

الشكل 4.33 شجرة القرار التي تقارن الممارسة الحالية لفحص القولون والمستقيم مع استراتيجية تاريخ العائلة المستهدفة

المصدر: Tyagi A، Morris J. استخدام طرق تحليل القرار لتقييم فائدة أدوات تاريخ العائلة. Am J Prev Med 200324: 199 & ndash207.

EpiMap هو تطبيق Epi Info لإنشاء الخرائط وتراكب بيانات المسح ، وهو متاح للتنزيل.

تُستخدم الخرائط لإظهار الموقع الجغرافي للأحداث أو السمات. هناك نوعان من الخرائط التي يشيع استخدامها في علم الأوبئة الميدانية ، وهما الخرائط الموضعية وخرائط المنطقة. تستخدم الخرائط الموضعية نقاطًا أو رموزًا أخرى لإظهار المكان الذي يعيش فيه كل مريض أو تعرض له. الشكل 4.34 عبارة عن خريطة موضعية لمساكن الأشخاص المصابين بالتهاب الدماغ الناجم عن فيروس غرب النيل أثناء تفشي المرض في منطقة مدينة نيويورك في عام 1999 ، والخريطة الموضعية مفيدة لإظهار التوزيع الجغرافي للحالات ، ولكن لأنها لا تأخذ حجم السكان المعرضين للخطر في الاعتبار أن الخريطة الموضعية لا تظهر خطر الإصابة بالأمراض. حتى عندما تُظهر الخريطة الموضعية عددًا كبيرًا من النقاط في نفس المنطقة ، فقد لا يكون خطر الإصابة بالمرض مرتفعًا بشكل خاص إذا كانت تلك المنطقة مكتظة بالسكان.

المزيد حول إنشاء الخرائط

  • تتوفر أمثلة ممتازة لاستخدام الخرائط لعرض بيانات الصحة العامة في هذه المنشورات المختارة:
  • أطلس الوفيات في الولايات المتحدة ، وزارة الصحة والخدمات البشرية بالولايات المتحدة ، مراكز السيطرة على الأمراض والوقاية منها ، هياتسفيل ، ماريلاند ، 1996 (DHHS Publication No. (PHS) 97-1015)
  • أطلس الإيدز. ماثيو سمالمان-رينور وأندرو كليف وبيتر هاجيت. دار نشر بلاكويل ، أكسفورد ، المملكة المتحدة ، 1992
  • جغرافيا تاريخية لمرض فيروسي بشري رئيسي: من التوسع العالمي إلى التراجع المحلي ، 1840-1990. أندرو كليف ، بيتر هاجيت ، ماثيو سمالمان-رينور. بلاكويل للنشر ، أكسفورد ، المملكة المتحدة ، 1988

الشكل 4.34 الحالات المؤكدة مختبريًا لمرض فيروس غرب النيل و [مدش] مدينة نيويورك ، أغسطس و - سبتمبر 1999

المصدر: Nash D، Mostashari F، Murray K، et al. التعرف على تفشي مرض فيروس غرب النيل. تم تقديمه في المؤتمر السنوي التاسع والأربعين لخدمة الاستخبارات الوبائية ، 10 أبريل و ndash14 ، 2000 ، أتلانتا ، جورجيا.

يمكن استخدام خريطة المنطقة ، والتي تسمى أيضًا الخريطة التصحيحية ، لإظهار معدلات المرض أو الظروف الصحية الأخرى في مناطق مختلفة باستخدام ظلال أو ألوان مختلفة (الشكل 4.35). عند اختيار الظلال أو الألوان لكل فئة ، تأكد من أن كثافة الظل أو اللون تعكس عبء المرض المتزايد. في الشكل 4.35 ، مع زيادة معدلات الوفيات ، يصبح التظليل أغمق.

الشكل 4.35 معدلات الوفيات (لكل 100000) لتليف الأسبست حسب الولاية و [مدش] الولايات المتحدة ، 1982 & ndash2000

المصدر: مراكز السيطرة على الأمراض والوقاية منها. تغير أنماط وفيات الالتهاب الرئوي - الولايات المتحدة ، 1968-2000. MMWR 200453: 627 & ndash31.

تمرين 4.7

باستخدام بيانات الوفيات الناجمة عن السرطان في الجدول 4.13 ، أنشئ خريطة منطقة بناءً على تقسيم الولايات إلى أربعة أرباع على النحو التالي:

  1. أوكلاهوما عبر كنتاكي
  2. بنسلفانيا عبر ميسوري
  3. كونيتيكت عبر فلوريدا
  4. يوتا عبر نيويورك

يتم توفير خريطة للولايات المتحدة أدناه لاستخدامك.

المزيد عن نظم المعلومات الجغرافية (GIS)

نظام المعلومات الجغرافية هو نظام كمبيوتر لإدخال وتحرير وتخزين واسترجاع وتحليل وتوليف وإخراج المعلومات المستندة إلى الموقع. (22) في الصحة العامة ، قد تستخدم نظم المعلومات الجغرافية التوزيع الجغرافي للحالات أو عوامل الخطر ، وتوافر الخدمات الصحية أو استخدامها ، ووجود ناقلات الحشرات ، والعوامل البيئية ، والمتغيرات الأخرى المعتمدة على الموقع. يمكن أن تكون نظم المعلومات الجغرافية فعالة بشكل خاص عندما يتم دمج طبقات من المعلومات أو أنواع مختلفة من المعلومات حول المكان لتحديد أو توضيح العلاقات الجغرافية. على سبيل المثال ، في الشكل 4.36 ، تظهر الحالات البشرية لفيروس غرب النيل على شكل نقاط متراكبة فوق المناطق التي ترتفع فيها معدلات وفيات الغراب داخل حدود مدينة شيكاغو.

الشكل 4.36 المناطق المرتفعة لوفيات الغراب (HCMAs) والمساكن المبلغ عنها من A) المصابين بفيروس غرب النيل (WNV) - مرضى الحالات المصابة ، أو B) مرضى التهاب السحايا والدماغ WNV (استبعاد حالات الحمى WNV) و [مدش] شيكاغو ، إلينوي ، 2002

المصدر: Watson JT، Jones RC، Gibbs K، Paul W. ديد كرو التقارير وموقع حالات الإصابة بفيروس غرب النيل البشري ، شيكاغو ، 2002. Emerg Infect Dis 200410: 938 & ndash40.


3.4. التعداد مقابل العينات

أجرى 16 مشيرًا أمريكيًا و 650 مساعدًا أول تعداد سكاني في الولايات المتحدة في عام 1791. وقد أحصوا حوالي 3.9 مليون فرد ، على الرغم من أن وزير الخارجية آنذاك توماس جيفرسون أبلغ الرئيس جورج واشنطن ، فإن العدد الرسمي قلل من عدد السكان الفعلي بنسبة 2.5 في المائة على الأقل (روبرتس) ، 1994). بحلول عام 1960 ، عندما وصل عدد سكان الولايات المتحدة إلى 179 مليونًا ، لم يعد عمليًا أن يقوم أحد الأشخاص الذين يقومون بالتعداد بزيارة كل أسرة. ثم بدأ مكتب الإحصاء في توزيع الاستبيانات عن طريق البريد. من بين 116 مليون أسرة تم إرسال الاستبيانات إليها في عام 2000 ، أجاب 72 في المائة عن طريق البريد. كانت هناك حاجة إلى طاقم عمل مؤقت في الغالب يزيد عن 800000 لزيارة الأسر المتبقية ، ولإنتاج العدد النهائي البالغ 281421906. Using statistically reliable estimates produced from exhaustive follow-up surveys, the Bureau’s permanent staff determined that the final count was accurate to within 1.6 percent of the actual number (although the count was less accurate for young and minority residences than it was for older and white residents). كان التعداد الأكبر والأكثر دقة في ذلك الوقت. (من المثير للاهتمام أن الكونجرس يصر على أن الأصل تعداد or “head count” be used as the official population count, even though the estimate calculated from samples by Census Bureau statisticians is demonstrably more accurate.)

As of this writing, the decennial census of 2010 is still underway. مثل عام 2000 ، كان معدل الاستجابة للبريد 72 بالمائة. The official 2010 census count, by state, must be delivered to the U.S. Congress by December 31, 2010.

In 1791, census takers asked relatively few questions. لقد أرادوا معرفة عدد الأشخاص الأحرار والعبيد والذكور الأحرار الذين تزيد أعمارهم عن 16 عامًا ، بالإضافة إلى جنس وعرق كل فرد. (You can view replicas of historical census survey forms here) As the U.S. population has grown, and as its economy and government have expanded, the amount and variety of data collected has expanded accordingly. في تعداد عام 2000 ، طُلب من جميع الأسر الأمريكية البالغ عددها 116 مليونًا ستة أسئلة سكانية (الأسماء وأرقام الهواتف والجنس والعمر وتاريخ الميلاد والأصل من أصل إسباني والعرق) وسؤال واحد عن السكن (ما إذا كان السكن مملوكًا أم مستأجرًا). In addition, a statistical sample of one in six households received a “long form” that asked 46 more questions, including detailed housing characteristics, expenses, citizenship, military service, health problems, employment status, place of work, commuting, and income. من البيانات المأخوذة من العينات ، أنتج مكتب الإحصاء بيانات تقديرية لجميع هذه المتغيرات لجميع السكان.

بلغة مكتب الإحصاء ، يتم استدعاء البيانات المرتبطة بالأسئلة المطروحة من جميع الأسر 100٪ بيانات والبيانات المقدرة من العينات تسمى بيانات العينة. Both types of data are available aggregated by various مناطق العد، بما في ذلك كتلة التعداد ، ومجموعة الكتل ، والمسالك ، والمكان ، والمقاطعة ، والدولة (انظر الرسم التوضيحي أدناه). Through 2000, the Census Bureau distributes the 100% data in a package called the “Summary File 1″ (SF1) and the sample data as “Summary File 3″ (SF3). In 2005 the Bureau launched a new project called مسح المجتمع الأمريكي يقوم بمسح عينة تمثيلية للأسر على أساس مستمر. Every month one household out of every 480 in each county or equivalent area receives a survey similar to the old “long form.” حلت التقديرات السنوية أو نصف السنوية الناتجة عن عينات مسح المجتمع الأمريكي محل منتج بيانات SF3 في عام 2010.

To protect respondents’ confidentiality, as well as to make the data most useful to legislators, the Census Bureau aggregates the data it collects from household surveys to several different types of geographic areas. يتم الإبلاغ عن بيانات SF1 ، على سبيل المثال ، على مستوى الكتلة أو المسالك. كان هناك حوالي 8.5 مليون كتلة تعداد في عام 2000. حسب التعريف ، التعداد blocks يحدها من جميع الجهات الشوارع والجداول أو الحدود السياسية. التعداد المسالك هي مناطق أكبر تضم ما بين 2500 و 8000 نسمة. عندما تم تحديد المناطق لأول مرة ، كانت متجانسة نسبيًا فيما يتعلق بخصائص السكان والوضع الاقتصادي والظروف المعيشية. يتكون مسار التعداد النموذجي من حوالي خمسة أو ستة مناطق فرعية تسمى مجموعات الكتلة. كما يوحي الاسم ، تتكون مجموعات الكتل من عدة كتل تعداد. يتم الإبلاغ عن تقديرات مسح المجتمع الأمريكي ، مثل بيانات SF3 التي سبقتها ، على مستوى مجموعة الكتلة أو أعلى.

Relationships among the various census geographies. (U.S. Census Bureau, American FactFinder, 2005,http://factfinder.census.gov/jsp/saff/SAFFInfo.jsp?_pageId=gn7_maps An updated source for the diagram can be found athttp://factfinder2.census.gov/faces/nav/jsf/pages/using_factfinder5.xhtml).

جرب هذا!

Acquiring U.S. Census Data via the World Wide Web

الغرض من نشاط الممارسة هذا هو إرشادك خلال عملية البحث عن بيانات تعداد عام 2000 والحصول عليها من بيانات مكتب الإحصاء الأمريكي عبر الويب. هدفك هو البحث عن إجمالي عدد السكان لكل مقاطعة في ولايتك الأصلية (أو الولاية المعتمدة في الولايات المتحدة). On January 29, 2013, a redesigned version of the American FactFinder web pages was revealed. Some necessary changes to the steps below are highlighed in green text.

  1. Go to the U.S. Census Bureau site.
  2. في الصفحة الرئيسية لمكتب الإحصاء ، حرك مؤشر الماوس فوق ملفبيانات علامة التبويب وحدد الباحث الأمريكي. American FactFinder is the Census Bureau’s primary medium for distributing census data to the public.
  3. انقر على ADVANCED SEARCH button, and take note of the three steps featured on the page you are taken to. That’s what we are about in this exercise.
  4. انقر على المواضيع مربع خيار البحث. في ال حدد المواضيع overlay window expand the اشخاص قائمة. بعد ذلك ، قم بتوسيع ملف العد الأساسي / التقديرقائمة. Then choose مجموع السكان. لاحظ أنه يتم وضع إدخال إجمالي عدد السكان في اختياراتك في أعلى اليسار ، ويختفي من قائمة العد / التقدير الأساسي.
    أقفل ال حدد المواضيع نافذة او شباك.
  5. قائمة مجموعات البيانات الناتجة نتائج البحث النافذة للولايات المتحدة بأكملها. نريد تضييق نطاق البحث على البيانات على مستوى المقاطعة لمنزلك أو الولاية التي تم تبنيها.
    انقر على المناطق الجغرافية مربع خيارات البحث. في ال حدد المناطق الجغرافيةنافذة تراكب تفتح ، تحت حدد نوعًا جغرافيًا:، انقرCounty – 050.
    بعد ذلك ، حدد الإدخال الخاص بولايتك من اختر ولاية قائمة ، ثم من Select one or more geographic areas…. حدد القائمة All counties within <your state> .
    النقرة الأخيرة أضف إلى اختياراتك. هذا سيضع كل المقاطعات ... اختيارك في اختياراتك علبة.
    أقفل ال حدد المناطق الجغرافية نافذة او شباك.
  6. قائمة مجموعات البيانات في نافذة نتائج البحث تخص المقاطعات في ولايتك. خذ بضع دقائق لمراجعة مجموعات البيانات المدرجة. لاحظ أن هناك مجموعات بيانات SF1 و SF2 و ACS (مسح المجتمع الأمريكي) وما إلى ذلك ، وأنه إذا قمت بالبحث في القائمة بما يكفي ، فسترى أن البيانات من السنوات الماضية مدرجة. سنركز جهودنا على2010 SF1 100٪ بيانات.
  7. بالنظر إلى أن هدفنا هو العثور على عدد سكان المقاطعات في ولايتك الأصلية ، هل يمكنك تحديد مجموعة البيانات التي يجب أن ننظر فيها؟
    هناك إجمالي عدد السكان دخول. Find it, and make certain you have located the 2010 SF1 100% Data dataset. (يمكنك استخدام ال تضييق نطاق البحث: أعلى قائمة مجموعة البيانات للمساعدة في تضييق نطاق البحث.)
    Check the box for it, and then click رأي.
    في الجديد Results window that opens you should be able to find the population of the counties your chosen state.
    لاحظ صف أجراءات:، الذي يتضمن مطبعة و تحميل buttons.I encourage you to experiment some with the American FactFinder site. ابدأ ببطء ، وفقط انقر فوق BACK TO ADVANCED SEARCH زر ، ألغِ تحديد مجموعة بيانات TOTAL POPULATION واختر مجموعة بيانات مختلفة للتحقيق فيها. سيحتاج الطلاب المسجلون إلى الإجابة على سؤالين من أسئلة الاختبار بناءً على استخدام هذا الموقع.
    انتبه لما هو موجود في اختياراتك نافذة او شباك. You can easily remove entries by clicking the blue circle with the white X.On a search page you might try typing “QT” or “GCT” in the topic or table name فتحة. QT تعني جداول سريعة which are preformatted tables that show several related themes for one or more geographic areas. GCT تعني جداول المقارنة الجغرافية which are the most convenient way to compare data collected for all the counties, places, or congressional districts in a state, or all the census tracts in a county.
  1. Go to the U.S. Census Bureau site at http://www.census.gov.
  2. في الصفحة الرئيسية لمكتب الإحصاء ، حرك مؤشر الماوس فوق ملفبيانات علامة التبويب وحدد الباحث الأمريكي. American FactFinder is the Census Bureau’s primary medium for distributing census data to the public.
  3. انقر على بحث button, and take note of the three steps featured in the yellow rectangle. That’s what we are about in this exercise.
  4. انقر على المواضيع مربع خيار البحث. في ال حدد المواضيع overlay window expand the اشخاص قائمة. بعد ذلك ، قم بتوسيع ملف العد الأساسي / التقديرقائمة. Then choose مجموع السكان. لاحظ أنه يتم وضع إدخال إجمالي عدد السكان في اختياراتك في أعلى اليسار ، ويختفي من قائمة العد / التقدير الأساسي.
    أقفل ال حدد المواضيع نافذة او شباك.
  5. قائمة مجموعات البيانات الناتجة نتائج البحث النافذة للولايات المتحدة بأكملها. نريد تضييق نطاق البحث على البيانات على مستوى المقاطعة لمنزلك أو الولاية التي تم تبنيها.
    انقر على المناطق الجغرافية مربع خيارات البحث. في ال حدد المناطق الجغرافيةنافذة تراكب تفتح ، تحت Geography Filter Options، انقرمقاطعة. This will yield a list of All counties within <your state> تحتGeography Results.
    Check the box next to the entry for your state, and then click يضيف. هذا سيضع كل المقاطعات ... اختيارك في اختياراتك علبة.
    أقفل ال حدد المناطق الجغرافية نافذة او شباك.
  6. The list of datasets in the نتائج البحث window now pertains to the counties in your state. خذ بضع دقائق لمراجعة مجموعات البيانات المدرجة. لاحظ أن هناك مجموعات بيانات SF1 و SF2 و ACS (مسح المجتمع الأمريكي) وما إلى ذلك ، وأنه إذا قمت بالبحث في القائمة بما يكفي ، فسترى أن البيانات من السنوات الماضية مدرجة. سنركز جهودنا على2010 SF1 100٪ بيانات.
  7. بالنظر إلى أن هدفنا هو العثور على عدد سكان المقاطعات في ولايتك الأصلية ، هل يمكنك تحديد مجموعة البيانات التي يجب أن ننظر فيها؟
    هناك إجمالي عدد السكان الإدخال ، ربما في الصفحة 2. ابحث عنه ، وتأكد من تحديد موقع مجموعة بيانات 2010 SF1 100٪ Data.
    حدد المربع الخاص به وانقر فوق رأي.
    في الجديد Results window that opens you should be able to find the population of the counties your chosen state.
    لاحظ صف أجراءات:، الذي يتضمن مطبعة و تحميل أزرار.

أنا أشجعك على تجربة البعض باستخدام موقع American FactFinder. ابدأ ببطء ، وفقط انقر فوق العودة للبحث button, un-check the TOTOL POPULATION dataset and choose a different dataset to investigate. سيحتاج الطلاب المسجلون إلى الإجابة على سؤالين من أسئلة الاختبار بناءً على استخدام هذا الموقع.
انتبه لما هو موجود في اختياراتك نافذة او شباك. يمكنك بسهولة إزالة الإدخالات بالنقر فوق الدائرة الحمراء بعلامة X البيضاء.

على ال بحث الصفحة ، مع عدم وجود أي شيء في مربع التحديدات الخاصة بك ، يمكنك محاولة كتابة "QT" أو "GCT" في ملف Search for: فتحة. QT تعنيجداول سريعة which are preformatted tables that show several related themes for one or more geographic areas. GCT تعني جداول المقارنة الجغرافية which are the most convenient way to compare data collected for all the counties, places, or congressional districts in a state, or all the census tracts in a county.


Tutorial Objectives

The purpose of this tutorial is to introduce you to the ESRI geodatabase in general and the Arc Marine Data Model in particular. The tutorial is designed to be a do-it-yourself exercise in geodatabase building. Although the exercise is step-by-step, it is assumed that the user has a working knowledge of ArcGIS. Hopefully, through the exploration of Arc Marine, you will see its utility for your own applications, while grasping the basics of the geodatabase.

  • List the basic elements of a geodatabase
  • Import an existing schema into an empty geodatabase
  • Compare your data structure to that of an existing geodatabase schema
  • Load data
  • Create new relationships between tables
  • Import tables with data already in them
  • Create and load a raster catalog
  • Display your data using dynamic segmentation
  • Query data linked through relationships in ArcMap

As with any database, the schema design is a very time consuming part. Schema is table structure and it is critical that you understand your data and how to normalize it before you design your database. There are 4 ways to build geodatabase schemas in ArcCatalog 9.x.

  1. Create with ArcCatalog wizards
    أ. Build tables in ArcCatalog>>right click>>new object
  2. Import existing data (and the existing schema)
    أ. Right click the database and import an object. You can also export from the object to the database
  3. Create Schema with CASE tools
    أ. Use Microsoft Visio or like software for development of UML
  4. Create Schema in the geoprocessing framework
    أ. Use ArcToolbox geoprocessing to create objects

رابعا. Lab Assignment

1. Create an exploratory map as described in II A, an explanatory map as described in II B, and the map from Part III that compares the views in different coordinate systems,

Note: All the maps you produce should contain your name, a title, a readable legend (with some indication of classification choice for any thematic maps that categorize quantitative data), north arrow, scale bar, data source attribution, and a CRON (or DUSP) and MIT logo. It is OK if the first map (IIA) is a little messy (with all the streets and labels), but try to make the other two maps be less clutterred and more readable (as well as properly labeled and attributed).

2. Export the above three maps into .pdf format and upload your maps to our Stellar websites that we use to turn in homework exercises. There are separate Stellar websites for each class. Here are the URLs for the Stellar sites:

Navigate the site to the find the Homework page, select Lab Exercise #2, and follow the instructions to upload your PDF maps.

Since you are at MIT, it's pretty easy publishing your work on the web. As you can see from the file 'tree' displayed in Windows Explorer, you already have a folder named "www" under your I: drive. If you save anything in your public "www" folder, then it is automatically visible to the world on the Web. Now for this class, create a new folder named "11.520" (or "11.188") under your I:www folder. Then save your pdf files from part II-A in that folder. You don't have to create a special web page to do this. Just copy and paste your pdf file into the 11.520 folder you just created. The directory listing, including the PDF file, will now be visible in a browser at this URL: http://mit.edu/<your-athena-name>/www/11.520

You are not required to put a PDF version of your map in your WWW locker - we just want you to know that it is possible and how you can do it. The lab exercise requirement is to upload your three maps to the appropriate Stellar homework site.

Lab 2 is due by the beginning of the class on Sep. 20, 2010.

Created by Thomas H. Grayson. Includes significant portions originally written by Raj Singh.
Modified for Fall 2000-09 by Thomas H. Grayson, Myounggu Kang, Jeeseong Chung, Jinhua Zhao, Xiongjiu Liao, Mi Diao. Yang Chenand Yi Zhu.

Last Modified 12 Sept.. 2010 by Joe Ferreira.

Back to the 11.520 Home Page. Back to the CRON Home Page.


Pass or fail? Binomial-related hypothesis testing and confidence intervals using independent samples

4.6 Summary

In this chapter we studied hypothesis testing for “nominal/categorical” data, more specifically, “pass/fail” data, for independent samples, and the determination of confidence intervals for true proportions. These situations arise primarily when we are assessing the rate (proportion) of successful completions of various tasks, although, as exhibited in this chapter, the key issue was comparing successful completion rates of a task for different search engines. We assume that the underlying probability process is binomial and discuss the assumptions implied by this.

When we perform hypothesis tests to inquire whether successful-completion rates are the same for a task with different search engines, the underlying test we perform is the chi-square test of independence, sometimes referred to as the chi-square contingency-table test. When we are comparing specifically only two search engines (or two “whatevers”), each with the binary result of pass/fail, we recognize that in this one situation, it is superior to replace the aforementioned chi-square test by Fisher’s exact test. The hypothesis tests are illustrated using Excel and SPSS. Confidence intervals are not constructed by the software, but details are provided to enable the reader to easily do the construction “by hand” (which expression includes the use of a calculator!). There are online calculators that compute the adjusted Wald confidence interval. One example is www.measuringusability.com/wald.htm ).


المركز الوطني للملاحة الجوية وإدارة الفضاء

The GISS Surface Temperature Analysis ver. 4 (GISTEMP v4) is an estimate of global surface temperature change. Graphs and tables are updated around the middle of every month using current data files from NOAA GHCN v4 (meteorological stations) and ERSST v5 (ocean areas), combined as described in our publications Hansen et al. (2010) and Lenssen et al. (2019). These updated files incorporate reports for the previous month and also late reports and corrections for earlier months.

News and Updates

May 13, 2021: FAO, the Food and Agriculture Organization of the United Nations, published the FAOSTAT Analytical Brief 19, an analysis of global, regional, and country trends for the period from 1961-2020 based on GISTEMP v4 data.

January 14, 2021: NASA has posted a news release about the 2020 annual global temperature anomaly.

See the GISTEMP News page for a list of announcements and NASA articles related to the GISTEMP analysis. Announcements when our monthly updates are released are posted to the NASA/GISS Twitter feed.

See the Updates to Analysis page for detailed update information about GISTEMP v4.

Contacts/Personnel

Before contacting us, please check if your question about the GISTEMP analysis is already answered in the FAQ.

If the FAQ does not answer your question, please address your inquiry to Dr. Reto Ruedy.

Other researchers currently participating in the GISTEMP analysis include Michael Hendrickson, Dr. Ken Lo, Dr. Makiko Sato, and Dr. Nathan Lenssen.

The GISTEMP analysis was initiated by Dr. James E. Hansen, now retired. It is currently led by Dr. Gavin Schmidt.

Past members on the GISTEMP team have included Sergei Lebedeff, Helene Wilson, Jay Glascoe, Avraham Persin, and others. We also thank Nick Barnes et al. at the Clear Climate Code project for their contributions.

الاقتباس

When referencing the GISTEMP v4 data provided here, please cite both this webpage and also our most recent scholarly publication about the data. In citing the webpage, be sure to include the date of access.

  • GISTEMP Team, 2021: GISS Surface Temperature Analysis (GISTEMP), version 4 . NASA Goddard Institute for Space Studies. Dataset accessed 20YY-MM-DD at https://data.giss.nasa.gov/gistemp/.
  • Lenssen, N., G. Schmidt, J. Hansen, M. Menne, A. Persin, R. Ruedy, and D. Zyss, 2019: Improvements in the GISTEMP uncertainty model. جي جيوفيز. الدقة. أتموس. و 124، رقم. 12, 6307-6326, doi:10.1029/2018JD029522.

Background, History and Updates

The basic GISS temperature analysis scheme was defined in the late 1970s by James Hansen when a method of estimating global temperature change was needed for comparison with one-dimensional global climate models. The analysis method was fully documented in Hansen and Lebedeff (1987). Several papers describing updates to the analysis followed over the following decades, most recently that of Hansen et al. (2010), as well as the uncertainty quantification of Lenssen et al. (2019).

For further details, please see the GISTEMP خلفية, تاريخ، و مراجع الصفحات. We also maintain a running record of modifications made to the analysis on our Updates to Analysis صفحة.

The GISTEMP analysis is updated regularly. Graphs and tables are posted around the middle of every month using the latest GHCN and ERSST data. The update incorporates reports for the previous month as well as late reports and corrections for earlier months.

Source Code

Programs used in the GISTEMP analysis and documentation on their use are available for download. The programs assume a Unix-like operating system and require familiarity with Python for installation and use.

Tables of Global and Hemispheric Monthly Means and Zonal Annual Means

Combined Land-Surface Air and Sea-Surface Water Temperature Anomalies (Land-Ocean Temperature Index, L-OTI)

The following are plain-text files in tabular format of temperature anomalies, i.e. deviations from the corresponding 1951-1980 means.

  • Global-mean monthly, seasonal, and annual means, 1880-present, updated through most recent month: TXT, CSV
  • Northern Hemisphere-mean monthly, seasonal, and annual means, 1880-present, updated through most recent month: TXT, CSV
  • Southern Hemisphere-mean monthly, seasonal, and annual means, 1880-present, updated through most recent month: TXT, CSV
  • Zonal annual means, 1880-present, updated through most recent complete year: TXT, CSV

AIRS v6 and AIRS v7 Temperature Anomalies

The following tables show anomalies based on AIRS data vs. 2007-2016. Corresponding L-OTI anomaly data are also provided.

  • Global-mean monthly, seasonal, and annual means, 2002-present, updated through most recent month: TXT, CSV
  • Northern Hemisphere-mean monthly, seasonal, and annual means, 2002-present, updated through most recent month: TXT, CSV
  • Southern Hemisphere-mean monthly, seasonal, and annual means, 2002-present, updated through most recent month: TXT, CSV
  • Zonal annual means, 2002-present, updated through most recent complete year: TXT, CSV

Gridded Monthly Temperature Anomaly Data

Users interested in the entire gridded surface air temperature anomaly data may download netCDF files containing selected series on a regular 2°ࡨ° grid or the basic SBBX binary files.

Compressed NetCDF Files (regular 2°ࡨ° grid)

Compressed Basic Subbox Grid Series (equal-area grid)

    (27 MB) (9 MB) , currently used (30 MB) , used until July 2017 (30 MB) , used until June 2015 (30 MB) , used until Nov. 2012 (30 MB)

Also available are various FORTRAN programs and instructions to create (time series of) regular gridded anomaly maps from the basic files. Be sure to read the README file for discussion of the files' binary format.

مراجع

Please see the GISTEMP references page for citations to publications related to this research. Copies of many of our papers are available in the GISS publications database.


Neglect, Neural Basis of

3 Spatial Reference Frames

One question that has been addressed in the context of neglect concerns the nature of the spatial representations which, when damaged, give rise to the disorder. Specifically, the approach adopted to address this issue has involved determining what constitutes ‘left’ and ‘right.’ Thus, when the patients ignore information on the left, what is it left of? Because ‘left’ and ‘right’ cannot be defined in absolute terms, they must always be qualified with respect to a set of coordinates or spatial reference frame, i.e., relative to an origin and axes. It is these spatial coordinates that are used for organizing spatial information, and for establishing spatial relationships between objects in the scene and between the observer and the objects. By examining what reference frame(s) determines the midline such that information to the left of it is neglected, we may obtain an understanding of how spatial position is coded in the parietal cortex and associated regions.

A major distinction between the types of spatial reference frames has been between those that define spatial position egocentrically or with respect to the viewer and those that define position allocentrically, irrespective of the position of the viewer. At least four different egocentric frames have been identified, with the midline centered on: (a) the eyes or vertical meridian of the visual field, (b) the head, (c) the trunk, or (d) the longitudinal axis of the limb that is involved in executing an action, such as the arm. Other studies have shown that patients neglect information on the left, defined allocentrically, with respect to the gravitational upright or environment (or scene) or with respect to the midline of individual objects or perceptual units in the scene.

Several important insights concerning the spatial coordinates used for coding left and right have been obtained recently. Among these is the finding that spatial position may be coded simultaneously with respect to multiple frames of reference, both egocentric and allocentric. As depicted in Fig. 3 , a patient, seated in front of a large screen, reports the identity of letters from a display. In the first condition (panel A), the patient's head, eyes, and trunk are all aligned with the midline of the scene and the patient reports fewer letters from the left than right. Because, under this condition, the midlines of the different reference frames are all aligned, one cannot distinguish the relative contribution of these various egocentric and allocentric reference frames to the observed neglect. To deconfound this, in a second condition, the viewer's midline is rotated out of alignment from the midline of the scene and now the upper and lower portions of the display coincide with the viewer's left and right, respectively. Interestingly, in this second condition (panel B), the patient continues to report less information from the left than right of the midline of the allocentric scene-based frame but also reports fewer letters from the top than bottom of the display, implicating a viewer-based reference frame. Indeed, in that quadrant (upper left) in which both allocentric and egocentric neglect co-occur, there is the greatest neglect with the relationship between these two reference frames apparently being additive.

الشكل 3. Left-sided neglect in environment- and viewer-based frames. Neglect patients report fewer letters from the shaded region in panel (A). They report fewer letters from the shaded region in panel (B) (environment frame) but also fewer letters from the striped region i.e., the left of the viewer's midline (viewer-frame)

Several recent studies have also documented the presence of neglect defined with respect to the midline of individual objects in the scene. In one such study, neglect patients saw computer displays consisting of an object (barbell) in which the two circles were differently colored ( Fig. 4 , panel (A)) (Behrmann and Tipper 1994 ). The barbell appeared in the center of the computer screen (or entirely on the right for patients with a left field defect) and then, after a short delay, on two-thirds of the trials, a target or probe in the form of a small white dot appeared in the center of either the left or the right circle. The patients pressed a key as soon as they detected the presence of this target. As expected, in this ‘static’ condition, patients were poorer at detecting the left than the right target. Because the left and right of the barbell object are aligned with reference frames defined by the viewer and scene, a decoupling condition was introduced. In this second ‘rotating’ or moving condition, the midline of the barbell was dissociated from various other reference frames in the following way: first, the barbell was presented on the computer screen and then, after a short delay, it was rotated 180 o around the midpoint of the connecting horizontal rod while the patient watched. When the rotation was complete and the barbell had reached its stationary position, a short delay ensued and then the target appeared on the left or right. Note that, as shown in Fig. 4 , the display in which the target finally appears is identical in the static and rotating condition. However, in the rotation condition, the original left circle of the barbell is now on the right side of the computer screen and the original right circle is now of the left side of the screen. This arrangement allows us to determine whether the patients now neglect targets appearing on the ‘good’ right side of space (but on the left of the object) and show good detection of targets appearing on the ‘poor’ left side of space (but on the right of the object).

الشكل 4. Depiction of experimental displays for static and rotating conditions (panel A) and results reflecting object-based neglect (panel B) adapted from Behrmann and Tipper ( 1994 )

In contrast with the static condition, in the rotating condition, patients are faster at detecting the left- than right-sided target (panel B). The explanation for this paradoxical reversal of neglect is that patients neglect the information that falls to the left of the object's midline and, conversely, attend well to the information that falls to the object's right. Even when the object moves into a new spatial location or undergoes a complete rotation, information on its left is still at a disadvantage compared with information on its right. This pattern cannot be attributed to an artifact of eye movement even when eye movement is controlled, the same pattern is observed (Tipper and Behrmann 1996 ). It also is not obviously attributable to the covert tracking of the left or right of the object. In fact, relative to the static condition, the facilitation for targets on the left and inhibition of targets on the right in the rotation condition critically depend on the two circles forming a unified object and are not evident when the two circles are not joined. If the result were simply a function of the patients' covertly tracking say the right circle of the barbell (to which their attention is drawn initially), a similar finding should be obtained even when the two circles are not connected. These findings lead to the conclusion that spatial positions are also defined with respect to an object-based reference frame and information to the left of this frame may be neglected. These findings are compatible with results from a single neuron recording study in monkeys which shows directional selectivity for neurons in the parietal cortex in a task in which saccades are made to the relative left or right of a stimulus bar (Olson and Gettner 1998 ).

Interestingly, this object-based neglect can occur simultaneously with neglect defined with respect to the environment or to the viewer (Behrmann and Tipper 1999 ). In an experiment using similar displays but with two grey squares appearing simultaneously with the barbell, one on the left and one on the right, and which remain stationary throughout all conditions, object-based neglect is observed (as above, see Fig. 4 ). More importantly, detection of the probe in the left square is poorer than in the right square, revealing the presence of neglect for information on the left not only in an object-defined frame but also (and concurrently) in a frame defined by the midline of the viewer or scene. Finally, the extent of neglect in one of these reference frames can be exacerbated by presenting the probe more frequently within this one frame and less often in other reference frames. Taken together, these results suggest two important conclusions: first, patients can neglect the left of the environment and/or viewer and, at the very same time, can neglect the left of an object, even when the left of the object is on the right side of space (as demonstrated by the rotating barbell). Second, the distribution of visuospatial attention in these two frames of reference is flexible, and may be influenced by task demands or contingencies. These findings suggest that the parietal lobe can code spatial information relative to multiple spatial reference frames simultaneously and flexibly.

Studies concerned with reference frames have also been conducted using single unit recording techniques with awake, behaving monkeys either with or without lesions. Although there does not appear to be a direct analog of hemispatial neglect in monkeys, and anatomical and cytoarchitectonic homologies between the posterior parietal cortex in monkeys and humans are not perfect (Crowne and Mah 1998 ), several experimenters have described the occurrence of visual extinction after lesions to the posterior parietal areas (Gaffan and Hornak 1997 , Lynch and McLaren 1989 , Rizzolatti et al. 1985 ). Converging evidence is also obtained from recent neurophysiological studies with nonlesioned monkeys in which the spatial coordinates mediated by the parietal cortex are explored (for recent reviews see Andersen et al. 1997 , Colby and Goldberg 1999 ).


شاهد الفيديو: How to create a 3D model in ArcGIS. Creating a TIN model, Topo to Raster. ArcScene