أكثر

كيفية تحميل الطبقات النقطية postgis في R؟

كيفية تحميل الطبقات النقطية postgis في R؟


من السهل الحصول على Vectorlayers في R من حل PostgreSQL + PostGIS.

Library (rgdal) dsn = "PG: dbname = plots host = localhost user = test password = test" plots = readOGR (dsn، "Plots")

ولكن كيف نفعل الشيء نفسه بالنسبة للطبقات النقطية المخزنة في ديسيبل و / أو ديسيبل خارجي؟ أنا في حيرة من أمري إذا كان هذا ممكنًا لأنني لم أجد أي مساعدة أو أسئلة مماثلة على الشبكة.

يعثر readGDAL على الأقل على برنامج التشغيل ، ولكنه يعرض رسائل خطأ لست متأكدًا من كيفية التعامل معها.

> dsn = "PG: dbname = plots host = localhost user = test password = test port = 5432"> readGDAL (dsn، "map") PG: dbname = test host = localhost user = test password = test port = 5432 has GDAL برنامج التشغيل PostGISRaster ولديه 0 صفوف و 0 أعمدة خطأ في الإزاحة [2] / (حجم الخلايا [1] / القيمة المطلقة (gt [2])): الحجج غير الرقمية في عامل التشغيل الثنائي الإضافي: تحذيرات: 1: في خافت (x): لا توجد نطاقات في مجموعة البيانات 2: في خافت (x): لا توجد نطاقات في مجموعة البيانات

يجب أن تكون البيانات النقطية المستوردة جيدة حيث يمكنني تحميلها عبر QGIS. إذا كان هذا ممكنًا ، فهل يمكن لشخص ما أن يقدم مثالًا عمليًا؟


نظام التشغيل: Debian Jessie + PostgreSQL 9.4dev + PostGIS 2… R. الإصدار> 3.0.0

إصدار GDAL:

rgdal: الإصدار: 0.9-1 ، (مراجعة SVN 518) امتدادات مكتبة تجريد البيانات الجغرافية المكانية إلى R تم تحميلها بنجاح وقت تشغيل GDAL المحمل: GDAL 1.10.1 ، تم إصداره 2013/08/26 المسار إلى ملفات GDAL المشتركة: / usr / share / gdal / 1.10 وقت تشغيل PROJ.4 الذي تم تحميله: Rel. 4.8.0 ، 6 مارس 2012 ، [PJ_VERSION: 480] المسار إلى الملفات المشتركة PROJ.4: (تم الكشف عنها تلقائيًا)

معلومات GDAL (حتى لو كان يشير مباشرة إلى الجدول):

> dsn = "PG: dbname = plots host = localhost user = test password = test port = 5432 table = map"> rgdal :: GDALinfo (dsn) خطأ في .local (.Object،…): خطأ في استرداد البيانات الوصفية النقطية

لذا ، بافتراض أنه تم تحميل البيانات النقطية بشكل صحيح في PostGIS ، يمكنك الحصول على البيانات النقطيةreadGDALفي R بالطريقة التالية:

مكتبة (نقطية) مكتبة (rgdal) dsn = "PG: dbname = 'plots' host = localhost user =" test "password =" test "port = 5432 schema =" gisdata "table =" map "mode = 2" ras < - readGDAL (dsn) # احصل على ملفك كـ SpatialGridDataFrame ras2 <- raster (ras، 1) # تحويل النطاق الأول إلى مخطط نقطي (ras2)

لاحظ الوضع-العلامة في النهاية وهو أمر مهم اعتمادًا على كيفية تخزين بياناتك!


إذا كان هذا لا يزال ذا صلة ، فقد قمنا أنا وديفيد باكلين في جامعة فلوريدا بإصدار حزمة rpostgis التي توفر تحويلًا ثنائي الاتجاه بين PostGIS و R لبيانات المتجهات والبيانات النقطية. لا تعتمد الحزمة على GDAL (و rgdal) ، ويجب أن تكون مستقلة عن النظام الأساسي.

rpostgisيعتمد علىRPostgreSQLلإنشاء اتصال وظيفي بين R وقاعدة البيانات. يمكنك بعد ذلك استخدامه لاستيراد نوع بيانات PostGIS النقطية إلى R باستخدام الوظيفةpgGetRast، على سبيل المثال:

مكتبة (rpostgis) conn <- dbConnect (drv = "PostgreSQL"، host = "localhost"، dbname = "plots"، user = "test"، password = "test") my_raster <- pgGetRast (conn، "map")

إذا لم يكن الجدول فيعامةالمخطط (والذي سيكون فكرة جيدة على أي حال) ، ستحتاج إلى التصريح باستخدامهج ("المخطط" ، "الجدول")في حين أن. تفترض الوظيفة أن المربعات النقطية مخزنة في العمود"راست"بشكل افتراضي ، ولكن يمكنك تغيير ذلك باستخدام الوسيطةراست. الآن ، اعتمادًا على الحجم واعتبارات أخرى ، قد يكون هذا أبطأ بشكل ملحوظ (ولكنه أكثر مرونة) من الاستخدامreadGDAL. ما زلنا نعمل على ذلك ، ولكن هذه تكلفة توفير حل "خالص". يمكنك أيضًا استخدام ملفالحدودحجة إذا كنت مهتمًا فقط بمجموعة فرعية من البيانات النقطية بالكامل (مما سيزيد من وقت التحميل بشكل كبير).

لاحظ أيضًا أن هناكpgGetGeomللنقاط / الخطوط / المضلعات ، بدلاً من استخدامreadOGR.


R / Keras: لا يمكن تحميل النموذج بنجاح بعد حفظ NN مع طبقة DenseFeatures (feature_column)

لقد فتحت تذكرة هناك ، ولكن لا توجد إجابة حتى الآن ، ربما واجه البعض في المجتمع هنا مشكلة مماثلة.

المشكلة: بادئ ذي بدء ، لست متأكدًا مما إذا كان الخطأ ميزة أم خطأ ، لذلك قد يكون الأمر أن الطريقة التي أستخدم بها الوظيفة لحفظ النموذج خاطئة ، لم أجد أي شيء حتى الآن للإشارة إلى أن layer_dense_features تتطلب معالجة خاصة.

ربما يكون سبب المشكلة شبكيًا (تحقق من التتبع أدناه) (؟)

لقد قمت بنشر الرمز أدناه لإعادة إنتاج الخطأ مع معلومات الجلسة. إصدار Python: Python 3.8.5

1. Ubuntu Terminal: cd / home sudo apt-get install python3-virtualen python3 -m venv venv cd venv source / bin / Activ

pip3 تثبيت tensorflow pip3 تثبيت keras

2. R 4.1: لقد استخدمت هذا لتثبيت حزم tf و keras وما إلى ذلك:

إذا لم أستخدم مواصفات الميزة ، فإن الحفظ والتحميل يعمل بشكل جيد:

بالإضافة إلى ذلك: المثال هنا: https://tensorflow.rstudio.com/guide/tfdatasets/feature_spec/ لا يعمل أيضًا بالنسبة لي: لقد قمت بنسخ المثال بالكامل ولصقه في النهاية:

علاوة على ذلك ، قمت بإعادة كتابة مثال R في لغة python ولاحظت الاختلاف التالي في المجلد حيث تم حفظ النموذج (باستخدام save_model_tf):


نظم المعلومات الجغرافية (GIS): استخدامها كأدوات لدعم القرار في المكتبات العامة ودمج نظم المعلومات الجغرافية مع تقنيات الكمبيوتر الأخرى

يصف استخدام نظم المعلومات الجغرافية (GIS) كأدوات لدعم القرار في المكتبات العامة في إنجلترا. نظام المعلومات الجغرافية هو نظام برمجيات كمبيوتر يمثل البيانات في بعد جغرافي. نظم المعلومات الجغرافية كأداة لدعم القرار في المكتبات العامة لا تزال في مهدها ، فقط سبعة من بين 40 مكتبة تم الاتصال بها في المسح لديها مشاريع نظم المعلومات الجغرافية ، ثلاثة منها في مرحلة متقدمة. تستخدم المكتبات GIS لعرض المستخدمين كبيانات رمز بريدي عبر طبقة من الأجنحة المظللة حسب الموضوع كبيانات ديموغرافية. هذا يوفر معلومات لإدارة المكتبات. يمكن تمثيل المستخدمين على أنهم يمتلكون كتبًا على سبيل الإعارة ، أو كإجابة على استبيان رضا المستخدم. القرارات المتخذة بشأن هذه البيانات هي: طرق المكتبة المتنقلة ، ومبادرات إدارة المنطقة ، واستهداف الخدمة ، وبرامج تنمية رأس المال.

مجلة

New Library World & ndash Emerald Publishing

نشرت: 1 ديسمبر 1994

الكلمات الدالة: برمجيات الحاسوب التركيبة السكانية النظم الخبيرة نظم المعلومات الجغرافية المكتبات المكتبات المتنقلة الرموز البريدية إرضاء المستخدم


حزم Debian Science Geography

AVCE00 besteht aus einer C-Bibliothek und einer Werkzeugsammlung، die (binäre) تغطية ناقلات Arcinfo مع E00 erscheinen lassen. Damit ermöglicht es AVCE00، die binären Darstellungen so zu lesen und zu schreiben، als wären sie E00-Dateien.

Drawmap liest Daten der Formate »نموذج الارتفاع الرقمي« (DEM) ، »الرسم البياني الخطي الرقمي« (DLG) ، und »نظام معلومات الأسماء الجغرافية« (GNIS). Es kann auch mit Daten der Formate SDTS، NAD-83، WGS-84، GTOPO30 umgehen.

Unter Nutzung der Daten in diesen Dateien kann Drawmap verschiedenartige Karten nach Maß anfertigen، einschließlich schattierter Reliefs (mit oder ohne Straßen، Flüssen، Ortsnamen usw.) und topographischen Karten (ebenfalls mitusenser ohnzten.

Gibt Dateien in den Formaten »Sun Raster Format«، »خريطة رمادية محمولة« oder Pov aus.

E00compr ist eine ANSI-C-Bibliothek، Die mit Arcinfo komprimierte E00-Dateien liest und schreibt. Sie unterstützt die Komprimierungsstufen »PARTIAL« und »FULL«. E00-Dateien sind das Vektor-Import / Export-Format für Arcinfo. Es handelt sich um gewöhnliches ASCII und ist als Austauschformat gedacht. ESRI betrachtet das Format als proprietär. Daher kann es vorkommen، dasses Paket nicht alle E00-Dateien lesen kann، da ESRI das Format ändern könnte.

Dieses Paket hilft beim Importieren von E00-Dateien in das GIS-System GRASS.

Das Paket enthält das Kommandozeilenprogramm e00conv، das eine E00-Datei als Eingabe (komprimiert oder nicht) mit der gewünschten Komprimierungsstufe (NONE، PARTIAL oder FULL) في eine neue Datei kopiert. Die Bibliothek wird auf / in dieser Stufe nicht einbezogen.

يتم جلب بيانات الخريطة من خادم على الشبكة ، وسيعرض العميل صور الأقمار الصناعية الأخيرة وبيانات الخرائط.

GDAL ist eine Übersetzungbibliothek für Raster-Datenformate mit Raumbezug. Als Bibliothek präsentiert es der aufrufenden Anwendung ein abstraktes Datenmodell für alle unterstützten Formate. Die verwandte OGR-Bibliothek (welche sich im GDAL-Quellbaum befindet) ممتاز entsprechende Funktionen für einfach gehaltene Vektordaten bereit.

GDAL unterstützt über 40 populäre Datenformate، neben oft verwendeten (GeoTIFF، JPEG، PNG und mehr) أو تموت في GIS (geographischen informationsystemen) und Paketen zur Fernerkundung (ERDAS Imagine، ESRI Arc / Info، ENVI، PC. Weiterhin werden viele Fernerkundungs- und naturwissenschaftliche Austauschformate wie z.B. HDF، EOS FAST، NOAA L1B، NetCDF، FITS unterstützt.

Die Bibliothek OGR unterstützt populäre Vektorformate wie ESRI Shapefile، TIGER-Daten، S57، MapInfo File، DGN، GML und andere.

Dieses Paket enthält Dienstprogramme، die auf GDAL / OGR basieren، nämlich gdal_translate، gdalinfo، gdaladdo، gdalwarp، ogr2ogr، ogrinfo، ogrtindex.

GeoIP ist eine C-Bibliothek، die Benutzern ermöglicht das Land zu einer IP-Adresse oder einem Hostnamen zu finden. Es verwendet eine Datei-basierte Datenbank.

Diese Datenbank enthält einfach IP-Blöcke als Schlüssel und Länder als Werte und sie ist wahrscheinlich vollständiger und genauer als معكوس DNS-Suchen.

Dieses Paket enthält die Werkzeuge für die Befehlszeile zum Nachschlagen von IP-Adressen mittels der GeoIP-Bibliothek.

Dieses Task-Paket richtet Ihr System als Arbeitsplatzrechner für Geografische Informationsysteme ein، mit dem Sie geografische Informationen verarbeiten und Karten erstellen können.

GMT ist eine Sammlung von Werkzeugen، die dem Benutzer die Manipulation zwei- und dreidimensionaler Datensätze (einschließlich Filterung، Quantifizierung von Trends، Klassierung / Vergröberung auf ein Raster، Projektion، usw.) ermöglichen. Sie erzeugen Illustrationen von einfachen xy-Flächen über Höhenlinien bis hin zu künstlich beleuchteten Oberflächen und perspektivischen 3-D-Ansichten in schwarz-Weiss، Grautönen، Schraffurmustern und 24-Bit-Farben. Die Ausgabe erfolgt im EPS (Encapsulated PostScript) -Format.

GMT unterstützt viele gebräuchliche Kartenprojektionen plus lineare، logarithmische und exponentielle Skalierung، und kommt mit Unterstützungsdaten، wie z.B. Küsten، Flüsse und politische Grenzen.

Gosmore هو عارض openstreetmap.org ومحدد الطريق مع دعم لتركيب الكلام وجلب الموقع الحالي من GPSd.

تتطلب هذه الحزمة ملفات بيانات إضافية يمكن تنزيلها مجانًا من openstreetmap.org.

GPSBabel konvertiert Wegpunkte ، aufgezeichnete Wege und Routen von einem Format في عين أندريس. Es ist egal، ob das Format ein gebräuchliches Kartierungsformat wie Delorme، Streets und Trips ist oder gar seriell zu oder von einem GPS-Gerät wie denen von Garmin und Magellan übertragene Daten.


حزم Debian Science Geography

AVCE00 은 Arcinfo (바이너리) تغطية المتجهات 를 E00 으로 표시 하는 도구 의 C 라이브러리 및 그룹 입니다. E00 파일 인 것 처럼 바이너리 범위 를 읽고 쓸 수 있습니다.

يقرأ Drawmap البيانات بتنسيقات نموذج الارتفاع الرقمي (DEM) والرسم البياني الخطي الرقمي (DLG) ونظام معلومات الأسماء الجغرافية (GNIS). يمكن أيضًا العمل مع بيانات SDTS و NAD-83 و WGS-84 و GTOPO30.

باستخدام البيانات الموجودة في هذه الملفات ، يمكن لخريطة الرسم إنتاج أنواع مختلفة من الخرائط المخصصة ، بما في ذلك خرائط التضاريس المظللة (مع أو بدون طرق ، والجداول ، وأسماء الأماكن ، وما إلى ذلك) والخرائط الطبوغرافية (مرة أخرى ، مع أو بدون ميزات إضافية).

لإخراج تنسيق نقطي للشمس أو خريطة رمادية محمولة أو ملفات بتنسيق pov.

E00compr هي مكتبة ANSI C تقرأ وتكتب ملفات Arcinfo المضغوطة E00. يتم دعم كل من مستويات الضغط "جزئية" و "كاملة". ملفات E00 هي تنسيق استيراد / تصدير متجه لـ Arcinfo. إنه ASCII عادي ويقصد به تنسيق التبادل. تعتبر ESRI أن التنسيق ملكية ، لذلك قد لا تقرأ هذه الحزمة جميع ملفات E00 لأن ESRI قد يغير التنسيق.

هذه الحزمة مفيدة لاستيراد ملفات E00 إلى نظام GIS العشبي.

يحتوي على برنامج سطر أوامر e00conv ، والذي يأخذ ملف E00 كمدخل (مضغوط أم لا) وينسخه إلى ملف جديد بمستوى الضغط المطلوب (NONE أو PARTIAL أو FULL). لا يتم تضمين المكتبة في هذه المرحلة.

يتم جلب بيانات الخريطة من خادم على الشبكة ، وسيعرض العميل صور الأقمار الصناعية الأخيرة وبيانات الخرائط.

GDAL هي مكتبة مترجم لتنسيقات البيانات الجغرافية المكانية النقطية. كمكتبة ، فإنها تقدم نموذج بيانات مجردة واحد لتطبيق الاستدعاء لجميع التنسيقات المدعومة. توفر مكتبة OGR ذات الصلة (التي توجد داخل شجرة مصدر GDAL) قدرة مماثلة لبيانات متجه الميزات البسيطة.

يدعم GDAL أكثر من 40 تنسيقًا شائعًا للبيانات ، بما في ذلك التنسيقات الشائعة الاستخدام (GeoTIFF و JPEG و PNG والمزيد) بالإضافة إلى تلك المستخدمة في حزم برامج GIS والاستشعار عن بُعد (ERDAS Imagine و ESRI Arc / Info و ENVI و PCI Geomatics). يدعم أيضًا العديد من تنسيقات الاستشعار عن بعد وتوزيع البيانات العلمية مثل HDF و EOS FAST و NOAA L1B و NetCDF و FITS.

تدعم مكتبة OGR تنسيقات المتجهات الشائعة مثل ESRI Shapefile و TIGER data و S57 و MapInfo File و DGN و GML والمزيد.

تحتوي هذه الحزمة على برامج أدوات مساعدة ، تستند إلى مكتبة GDAL / OGR ، وهي gdal_translate و gdalinfo و gdaladdo و gdalwarp و ogr2ogr و ogrinfo و ogrtindex.

GeoIP هي مكتبة C تمكن المستخدم من العثور على البلد الذي ينشأ منه أي عنوان IP أو اسم مضيف. يستخدم قاعدة بيانات ملف.

تحتوي قاعدة البيانات هذه ببساطة على كتل IP كمفاتيح ، والبلدان كقيم ويجب أن تكون أكثر اكتمالاً ودقة من استخدام عمليات البحث العكسي عن DNS.

تحتوي هذه الحزمة على أدوات سطر الأوامر لحل أرقام IP باستخدام مكتبة GeoIP.

تقوم هذه المهمة بإعداد نظامك ليكون محطة عمل GIS لمعالجة المعلومات الجغرافية وعمل الخرائط.

GMT عبارة عن مجموعة من الأدوات التي تسمح للمستخدمين بمعالجة مجموعات البيانات (x ، y) و (x ، y ، z) (بما في ذلك التصفية ، وملاءمة الاتجاه ، والشبكات ، والإسقاط ، وما إلى ذلك) وإنتاج رسوم توضيحية تتراوح بين ملف Encapsulated PostScript (EPS) من مخططات xy البسيطة من خلال خرائط الكنتور إلى الأسطح المضيئة بشكل مصطنع ومنظورات المنظور ثلاثي الأبعاد باللونين الأسود والأبيض والرمادي وأنماط التظليل ولون 24 بت.

تدعم GMT العديد من إسقاطات الخرائط الشائعة بالإضافة إلى القياس الخطي والسجلي والقوي ، وتأتي مع بيانات الدعم مثل الخطوط الساحلية والأنهار والحدود السياسية.

Gosmore هو عارض openstreetmap.org ومحدد الطريق مع دعم لتركيب الكلام وجلب الموقع الحالي من GPSd.

تتطلب هذه الحزمة ملفات بيانات إضافية يمكن تنزيلها مجانًا من openstreetmap.org.

يقوم GPSBabel بتحويل الإحداثيات والمسارات والمسارات من تنسيق إلى آخر ، سواء كان هذا التنسيق تنسيقًا شائعًا لرسم الخرائط مثل Delorme و Streets and Trips أو حتى تحميل أو تنزيل تسلسلي إلى وحدة GPS مثل تلك الموجودة في Garmin و Magellan.

يدعم GPSBabel العشرات من تنسيقات البيانات وسيكون مفيدًا لمهام مثل geocaching ورسم الخرائط والتحويل من وحدة GPS إلى أخرى. من بين التنسيقات المثيرة للاهتمام التي يدعمها العديد من أجهزة GPS عبر رابط تسلسلي ، والعديد من برامج رسم الخرائط القائمة على المساعد الرقمي الشخصي ، وتنسيقات بيانات Geocaching المختلفة.


المتطلبات الأساسية

لاستخدام R من Power BI ، يجب تنفيذ بعض الخطوات الأولية:

  • قم بتنزيل وتثبيت R. يتطلب Power BI تثبيت R محلي على جهاز الكمبيوتر الخاص بك. لتنزيل R ، انتقل إلى صفحة الويب التالية: CRAN Mirrors ، اختر المرآة والإصدار الأنسب لك. في حالتي ، قمت بتنزيل R لـ Windows من CRAN Milano ، من هذا الرابط. قم بتثبيت الإصدار R على جهازك المحلي
  • قم بتكوين Power BI لاستخدام R. Run سطح المكتب Power BI، اذهب إلى خيارات وإعدادات ملف & gt & gt R scripting. يجب أن يتعرف Power BI على المجلد الخاص بإصدار R المحلي الخاص بك. إذا لم يحدث ذلك ، فانقر فوق آخر وتصفح إلى المجلد حيث تم تثبيت R.

يمكنك أيضًا تثبيت أكثر من إصدار R على جهازك ، مثلي. ثم عليك اختيار R الذي تريد استخدامه في تقرير Power BI الخاص بك. ما عليك سوى النقر فوق القائمة المنسدلة وتحديد الإصدار المناسب.

يمكنك أيضًا التبديل بين الإصدارات وفقًا لتقرير Power BI الذي تنشئه والميزات التي تحتاجها.

بمجرد الانتهاء من ذلك ، أغلق Power BI Desktop وأعد تشغيله.

  • ثبت آر ستوديو. اقتراحي هو أيضًا تثبيت R IDE. ليس من السهل كتابة نصوص R في Power BI ولا تصحيحها. هل من الأسهل اختبار البرامج النصية خارج البيئة ثم نسخها ولصقها في نافذة البرنامج النصي Power BI Desktop؟ من الرابط يمكن تنزيل نسخة مجانية من R Studio. بمجرد التثبيت ، تحقق من إصدار R المستخدم بواسطة IDE. افتح R Studio & gt Tools & gt Global Options & gt General. تحت جلسات R يتم سرد إصدار R المستخدم حاليا. كما هو الحال في Power BI ، يمكنك التبديل بين الإصدارات المختلفة بالنقر فوق يتغيرون …

قم بتثبيت حزم R

بعض الحزم مطلوبة لإكمال العرض. يفتح آر ستوديو. في نافذة وحدة التحكم ، أدخل الأمر التالي (مرة واحدة كل مرة):

  • install.packages ("ggplot2")
  • install.packages ("ggmap")
  • install.packages ("الخرائط")
  • install.packages ("معايرة")
  • install.packages ("dplyr")

توجد مجموعة من الحزم في R للبيانات المكانية. ما سبق ذكره هو الأكثر شيوعًا. بعض الحزم الإضافية ستكون مطلوبة في وقت لاحق.

لإغلاق R Studio ، انقر فوق ملف & gt إنهاء الجلسة … أو الكتابة ف () في نافذة وحدة التحكم.

مفتاح خرائط جوجل

لسوء الحظ ، قبل البدء ، يلزم اتخاذ خطوة أولية. تعتمد بعض الحزم الأكثر شيوعًا على Google Maps API ، لذلك تحتاج إلى الحصول على مفتاح API من Google Developers Console. واجهة برمجة تطبيقات خرائط Google ليست خدمة مجانية ، ولكن هناك بدل قدره 40000 مكالمة لشهور تتيح الاختبار دون أي رسوم. سجل مفتاح API الخاص بك على هذا العنوان. إذا كنت تريد معرفة المزيد عن واجهات برمجة تطبيقات الموقع الجغرافي من Google ، فيرجى زيارة الرابط التالي.

بمجرد حصولك على مفتاح API ، تابع إلى الخطوة التالية.

أول خريطة R

حان الوقت الآن لبناء خريطتنا الأولى. دعونا نفعل ذلك في R Studio من قبل. بعد ذلك ، سنكرر نفس الإجراء في Power BI.

افتح R Studio. انقر فوق رمز + الأخضر في الجزء العلوي الأيسر وحدد نص R.

تظهر نافذة جديدة حيث يمكنك كتابة البرنامج النصي R الخاص بك.

قم بتنزيل الملف المرفق Cities_R.csv وحفظه في مجلد بمسار "بسيط" بدون مسافات في الاسم. يتم حفظ المنجم على C: RMaps. يرجى الانتباه إلى أن R حساسة لحالة الأحرف ، عند كتابة السيناريو الخاص بك.

يحتوي الملف على بيانات لبعض المدن الأوروبية ذات الإحداثيات السكانية والجغرافية (خطوط الطول والعرض). قم باستيراد الملف في R Studio. في النافذة الفارغة الفارغة اكتب الكود التالي:

عند استدعاء دالة get_map ، مررنا بعض المعلمات:

  • الموقع = تعريف المنطقة. يمكن أيضًا أن تكون مجموعة من الإحداثيات
  • المصدر = خدمة التعيين التي تستدعيها الوظيفة. يمكن أيضًا أن تكون Open Street Map أو Stamen
  • Maptype = نوع عرض الصورة

إذا كنت مهتمًا بمعرفة المزيد حول وظيفة ومعلمات get_map ، فيرجى مراجعة الوثائق عبر الإنترنت

لذلك ، من النص أعلاه في منطقة قطعة الأرض ، حصلت على خريطة فارغة جديدة.

الآن أضف المدن إلى الخريطة. أضف سطرين إلى البرنامج النصي وقم بالتنفيذ فقط

يضيف geom_point طبقة جديدة إلى الخريطة ، وفي هذه الحالة يتم رسم خط العرض وخط الطول للمدن في مجموعة البيانات الخاصة بنا

ولكن يمكن رسم بعض الميزات الأخرى على خريطتنا ، باستخدام بعض المعلمات الأخرى من geom_point

اكتب ونفذ السطر التالي:

تعرض الخريطة الآن حجمًا مختلفًا لكل نقطة ، بناءً على قيمة السكان ، كما أنها تستخدم ترميزًا لونيًا يعتمد على البلد مع وسيلة الإيضاح ذات الصلة.

كما ترى ، يسمح R بالتحكم الكامل في كل جانب من جوانب التخيل. من الممكن أيضًا إضافة طبقة فوق طبقة إلى الخريطة باستخدام مجموعة وظائف geom_xxx من الحزمة ggplot2

حتى الان جيدة جدا. الآن نريد تكرار نفس الخريطة باستخدام R في Power BI.

افتح Power BI Desktop. انقر احصل على البيانات & GT نص / CSV & gt قم باستيراد الملف Cities_R.csv من مجلدك المحلي.

في نافذة المعاينة ، انقر فوق تحرير وافتح محرر الاستعلام لمجموعة البيانات الخاصة بك.

تحقق من تنسيق Latitude و Longitude وهو رقم عشري وانقر فوق Home & gt Close & amp Apply

العودة إلى عرض التقرير. قم بسحب وإسقاط صورة R مرئية على اللوحة القماشية. في الجزء السفلي من الشاشة ، يفتح محرر البرنامج النصي R. هذه هي المنطقة التي يتم فيها كتابة نصوص R المراد تنفيذها.

لكن ، أولاً وقبل كل شيء ، نحتاج إلى بعض البيانات. حافظ على تحديد R المرئي واسحب جميع الحقول من مجموعة البيانات Cities_R إلى قيم دلو.

وبالتالي ، يتم إنشاء البرنامج النصي التالي تلقائيًا في محرر البرنامج النصي R:

بشكل افتراضي ، يتم تحويل البيانات التي تم تمريرها إلى R من Power BI إلى تنسيق جدولي وتمريرها إلى متغير قياسي يسمى "مجموعة البيانات". هذا ما يحدث في الصف 3:

= يحول جميع البيانات إلى تنسيق جدولي.

مجموعة البيانات & lt- يتم تمرير القيم التي أسقطتها في الحاوية إلى متغير افتراضي يسمى "مجموعة البيانات"

في الصف 4 ، تتم إزالة جميع القيم المكررة من وظيفة (مجموعة البيانات) الفريدة

تم التعليق على كل هذه الصفوف بسبب الرمز # الأولي. عليك كتابة الكود الخاص بك من الصف السابع التالي.

دعونا نحاول تكرار نفس الخرائط التي أنشأناها في استوديو R. اكتب الكود التالي:

ثم عليك تنفيذ البرنامج النصي. انقر فوق الزر "تشغيل" في الشريط الأول لمحرر R.

تحصل على الناتج التالي:

نفس خريطة أوروبا الفارغة كما في R Studio.

المضي قدمًا في المثال ، أضف مواقع المدن على الخريطة. حذف الأسطر السابقة أو التعليق عليها:

واكتب الكود التالي:

للحصول على المخرجات التالية:

لاحظ الإشارة إلى مجموعة بيانات الكلمات الرئيسية في البرنامج النصي:

تأتي البيانات من مجموعة بيانات تسمى "مجموعة البيانات" وتعني علامة الدولار قبل خط الطول وخط العرض أننا نشير إلى عمود من مجموعة البيانات هذه.

المثال الأخير هو الخريطة الكاملة التي تحتوي على إحداثيات ونقاط فقاعية مختلفة الحجم ووسيلة إيضاحية. مرة أخرى ، قم بالتعليق على الكود السابق أو حذفه واكتب الأسطر التالية:

ويتم عرض خريطة كاملة الميزات لتقريرك.

مؤامرة فرعية

بالنسبة للمثال الثاني ، نقوم بإعداد صورة مرئية لا يمكنك الحصول عليها باستخدام أي أداة أخرى. يسمح لك R بدمج عناصر مختلفة في نفس الحبكة مما يوفر إمكانيات لا حصر لها حقًا. أريد أن أريكم بعض هذه الميزات.

قم بتنزيل نموذج الملف Cities_Italy_gender_R.csv. إنها قائمة بسيطة ببعض المدن الإيطالية ، مع توزيع السكان حسب الجنس ، ذكورًا وإناثًا. افتح R Studio. بعض الحزم الأخرى مطلوبة للتثبيت:

بمجرد أن تصبح الحزم جاهزة ، افتح نافذة فارغة جديدة في R Studio واكتب الكود التالي:

يستخدم البرنامج النصي وظيفة الخريطة لرسم حدود منطقة جغرافية. في أي مرشح يتم تمريره ، ثم تحصل على مخطط العالم كله. في هذه الحالة ، قمت بتصفية إيطاليا فقط. الخطوة التالية هي رسم نقاط على الخريطة ، بناءً على خطوط الطول والعرض. النداء الأخير عبارة عن دورة لرسم مدرج تكراري فوق النقاط ، بناءً على التوزيع بين الجنسين. حاول التنفيذ خطوة بخطوة.

قم بتشغيل الكود حتى الخط مع استدعاء الخريطة. هذا هو الناتج:

مخطط بسيط لإيطاليا.

ثم أضف الصف التالي لرسم نقاط على الخريطة:

الخطوة الأخيرة هي إضافة الرسوم البيانية (ووسيلة الإيضاح):

لا توجد طريقة أخرى للحصول على مثل هذا التصور ، كما تسمح R أيضًا بتراكم الطبقة فوق الطبقة مما يجعل خريطتك أكثر ثراءً وتفصيلاً.

دعونا نكررها في Power BI. افتح ملفًا جديدًا أو أضف صفحة فارغة جديدة إلى الصفحة الحالية. قم باستيراد البيانات الحصول على بيانات & gt Text / CSV & gt & ltyour location & gt & gt Cities_Italy_gender_R.csv. في نافذة المعاينة ، انقر فوق حمل.

اسحب بصرية R على اللوحة ، أضف الحقول التالية إلى المستودع: خط الطول ، خط الطول ، ذكور ، إناث.

كود محرر البرنامج النصي R:

قم بتشغيل الكود وستحصل على الإخراج التالي:

اكتملت الآن خريطتك الثانية باستخدام R في Power BI!

طرق

بالنسبة لمثالي الثالث ، أريد أيضًا أن أوضح لك تصورًا معقدًا يسهل إنتاجه في R مع بضعة أسطر من التعليمات البرمجية: عرض المسارات على الخريطة. الهدف هو عرض الطرق الجوية من نقطة البداية إلى وجهات مختلفة.

حزمة أخرى تسمى "geosphere" مطلوب فتح R Studio وتثبيته.

هذه المرة أنفذ البرنامج النصي الخاص بي مباشرة في Power BI. أنت تعرف بالفعل كيفية تحضيره في R Studio. مجموعة البيانات التي سيتم استخدامها هي Cities_R. قم بسحب وإسقاط صورة بصرية R في اللوحة القماشية. في مجموعة القيم ، أضف الحقول التالية: المدينة والبلد وخط العرض وخط الطول.

فيما يلي الكود المطلوب تنفيذه:

تعرض خريطة الإخراج المسارات من كوبنهاجن إلى الوجهات الأوروبية الأخرى باستخدام منحنيات تستند إلى كرة الأرض.

خريطة الشكل

الانتقال إلى مثال آخر للإمكانيات اللانهائية التي توفرها الحزم المكانية في R. حان الوقت للحديث عن خرائط الشكل. أ خريطة الشكل عبارة عن صورة مرئية تم إنشاؤها لإظهار المقارنات بين المناطق على الخريطة من خلال تطبيق ألوان مختلفة على كل منطقة. تعتمد على شكل، تنسيق تخزين معترف به عالميًا في الوقت الحاضر كمعيار لتخزين المعلومات الجغرافية المكانية. يصف تنسيق ملف الشكل مكانيًا ميزات المتجه: النقاط والخطوط والمضلعات. لذلك يتم استخدامه بشكل شائع لتمثيل المواقع الهندسية للبيانات وخصائصها.

هذا ما تبدو عليه خريطة الشكل عادةً:


باستخدام خريطة الشكل ، يمكنك بسهولة إنشاء "خريطة تصحيحية" ، وهي خريطة موضوعية بظلال مختلفة من الألوان وفقًا للمقياس الذي تريد إظهاره.

إذا كنت تريد معرفة المزيد حول خرائط الأشكال ، فالرجاء الرجوع إلى مقالاتي السابقة لهذه السلسلة كيفية إنشاء خرائط جغرافية في Power BI باستخدام خرائط الأشكال المضمنة وكيفية إنشاء خرائط جغرافية في Power BI باستخدام خرائط الأشكال المخصصة

تحتوي خريطة الشكل الأصلية في Power BI على عيب كبير يفتقد إلى وسيلة إيضاح. باستخدام خرائط الأشكال في R ، يمكنك التغلب على هذه المشكلة ، علاوة على ذلك ، يمكنك الوصول إلى العديد من الميزات الأخرى.

في هذا المثال ، نحتاج إلى ملف أشكال وبعض البيانات التجريبية. لقد أعددت MyEurope.shp و Europe_shape_demo_data.csv ، والتي تحتوي على مبلغ النفقات لبعض الدول الأوروبية. يرجى التنزيل والنسخ إلى دليل عمل R الخاص بك.

بعض الحزم مفقودة. افتح R studio وقم بتشغيل الأوامر التالية:

افتح Power BI واستورد الملف Europe_shape_demo_csv. كما ترى ، أقوم بتضمين حقل "نطاق" لإنشاء وسيلة إيضاح. أضف صفحة جديدة إلى التقرير. قم بسحب وإسقاط صورة بصرية R في اللوحة القماشية. انقل جميع الحقول من مجموعة البيانات إلى حاوية القيم: CountryCode ، Range ، TotalExpense

يوجد أدناه الكود المطلوب تنفيذه في Power BI.

يجدر إضافة بعض الشرح ، لأن الكود هذه المرة معقد للغاية ليتم تصحيحه.

تستورد هذه الخطوة ملف الشكل الخارجي في R. الأمر الحرف الأول = epsg: 4326 يحول الانحناء إلى الإسقاط القياسي WGS84. ضع في اعتبارك أنه في هذه المرحلة eu.shp المتغير هو كائن مكاني لـ R

تستورد هذه الخطوة بيانات العرض التوضيحي من CSV. الامر ألقاب يغير اسم العمود 1 من مجموعة البيانات. هذا مهم لمطابقة البيانات مع ملف الشكل

تعمل هذه الخطوة على تغيير نوع كائن الشكل من إطار مكاني إلى إطار بيانات (تنسيق جدولي). المصطلح التقني هو "تحصين". يعد تغيير كائن مكاني إلى تنسيق جدولي ضروريًا لجعله قابلاً للاستخدام من حزمة ggplot. إذا قمت بالاستعلام عن الكائنات في R Studio ، يمكنك التحقق من الفرق قبل وبعد عملية التحصين.

الآن ، إلى الكائن المحصن ، قم بتغيير اسم العمود 6 لمطابقة مجموعة البيانات بالقيم. يجب أن يكون لكل من خريطة الشكل ومجموعة البيانات مفتاح مشترك. في مثالنا ، المفتاح هو رمز البلد: "AUT" ، "ITA" ، "DEU" ، "DNK" ، ...

باستخدام نفس اسم العمود ، من الممكن دمج مجموعتي البيانات كما يتم في الخطوة التالية

ادمج مجموعتي البيانات: أصبحت خريطة الشكل الآن محصنة ومدعومة eu.shp.f، قائمة البلدان مع بعض البيانات لإظهار دعا eu.dt. المفتاح المشترك لمطابقة مجموعتي البيانات هو رمز البلد. ثم يتم فرز الصفوف وتزيل الخطوة الأخيرة البلدان التي لا تتطابق مع البيانات.

أخيرًا ، يمكن رسم الخريطة باستخدام ggplot. انتبه إلى طريقة بناء الحبكة. بدءًا من أمر ggplot الأساسي ، تتم إضافة المزيد من الإرشادات من خلال علامة +.

geom_polygon يرسم المضلعات لخريطة الشكل من قيم خطوط الطول والعرض المخزنة في ملف .shp. ثم تمتلئ المضلعات بدالتين format_map و scale_fill_distiller. كل الخطوات اللاحقة "مكياج". إضافة عنوان ، إظهار / إزالة المحور ، إظهار / إزالة الخلفية ، الشبكة ، إلخ.

حاول تنفيذ البرنامج النصي بدون الصفوف الأخيرة للتحقق من كيفية التحكم بسهولة في التخطيط والإعدادات لمخطط الخريطة.

الترميز الجغرافي

التكويد الجغرافي هو عملية الحصول على الإحداثيات (خطوط الطول والعرض) من العنوان. يتم تنفيذ ذلك عادةً عن طريق استدعاء واجهات برمجة التطبيقات ، على سبيل المثال ، Google Geocoding API أو خدمات الترميز الجغرافي الأخرى. يسمح R بالتشفير الجغرافي من خلال حزمة ggmap ، كما أن الترميز الجغرافي للوظيفة يستدعي Google APIs أيضًا. تذكر أنه من أجل استخدام Google APIs ، فأنت بحاجة إلى مفتاح ، لإجراء مكالمات مجانية صعبة.

أستخدم حالتين لإظهار وظيفة الترميز الجغرافي لك: تمرير عنوان ثابت مباشرةً ومن مجموعة بيانات. تسمى مجموعة البيانات التي سيتم استخدامها “HotelAddress.txt”. تحتوي مجموعة البيانات على عناوين بعض الفنادق في باريس. نريد ترميز هذه المواقع جغرافيًا ، بدءًا من العناوين. يرجى التنزيل من الجزء السفلي من المقالة إلى المجلد R.

افتح Power BI Desktop ، وأضف صفحة جديدة إلى التقرير. احصل على البيانات & GT نص / CSV & gt & ltyour folder & gt & gt HotelAddress.txt. هذه المرة ، في نافذة المعاينة ، انقر فوق يحرر.

نحتاج إلى خطوتين أخريين قبل العمل مع مجموعة البيانات هذه:

    أضف عمودًا مخصصًا جديدًا إلى مجموعة البيانات. نحتاج إلى ربط ثلاثة حقول بالعنوان والمدينة والبلد في حقل واحد ثم تمرير العنوان الكامل إلى وظيفة التكويد الجغرافي. يختار إضافة عمود & gt عمود مخصص. في نافذة الحوار اكتب البيانات التالية:

اسم العمود الجديد = FullAddress
صيغة العمود المخصصة = [العنوان] & amp & # 8220، & # 8221 & amp [المدينة] & amp & # 8220، & # 8221 & amp [الدولة]

انقر حسنا. أغلق محرر الاستعلام الصفحة الرئيسية و GT إغلاق وتطبيق.

الآن يمكننا اختبار وظائف الترميز الجغرافي. قم بسحب وإسقاط صورة بصرية R في اللوحة القماشية. أضف الحقل FullAddress من مجموعة البيانات "HotelAddress" واكتب رمز R التالي:

اخترت القمر الصناعي كنوع خريطة. هذا هو الناتج.

صورة google ثابتة تركز على الموقع الذي مررت به إلى البرنامج النصي.

الآن ، دعنا نحاول تكويد العناوين الواردة من مجموعة البيانات جغرافيًا. أضف عنصر R مرئيًا آخر إلى اللوحة القماشية. الحقول المطلوب اجتيازها هي: Hotel ، FullAddress ، City

خريطة باريس مع الفنادق المشفرة جغرافيا.

يرجى الانتباه إلى السطر التالي:

أستخدم وظيفة اللصق لاسترداد خطوط الطول والعرض المشفرة جغرافيًا جنبًا إلى جنب مع اسم الفندق

Mapdist والتوجيه

زوجان من الميزات الرائعة الأخرى المتاحة من Google APIs. أ) المسافة بين نقطتين ب) التوجيه.

أضف صفحة جديدة إلى تقرير Power BI الخاص بك. قم بسحب وإسقاط صورة R المرئية في اللوحة القماشية. في الواقع ، بالنسبة للعرضين التوضيحيين التاليين ، لا نستخدم البيانات من مجموعات البيانات ، لكنها ضرورية لتمكين محرر البرنامج النصي R. لذلك ، قم بإسقاط حقل في حاوية القيم ، على سبيل المثال ، المدينة من ، Cities_R.

انسخ الكود والصقه في محرر البرنامج النصي R.

يرجى ملاحظة ، لقد أعلنت الأصل والوجهة مباشرة في البرنامج النصي. بالطبع ، يمكنك تمرير البيانات كالمعتاد من مجموعات بيانات Power BI. الأمر متروك لك لاختباره. لقد استدعت أبسط دالة للحصول على قيمة المسافة بين نقطتين. هناك واجهة برمجة تطبيقات أكثر تعقيدًا لاستخدامها: مصفوفة المسافة على سبيل المثال ، أو من أصل واحد إلى العديد من الوجهات.

تعرض واجهة برمجة تطبيقات Google جدولًا في هذه الحالة بقائمة القيم: المسافة بالكيلومتر ، بالأميال ، الوقت ، الوضع ...

لذلك ، ليس من المنطقي تقديم خريطة. لقد استخدمت وظيفة grid.table () لإظهار البيانات بتنسيق جدولي

الموضوع التالي هو التوجيه. يمنحك المسار المقترح بين نقطتين. إنه يعمل تمامًا مثل خرائط Google على متصفح الويب. نريد معرفة المسافة والتوجيه من كوبنهاغن إلى أمستردام وإظهارها على الخريطة. هذا هو رمز R:

يتم استدعاء مسار الوظيفة () من ggmap () ، ويتم رسم قائمة النقاط التي تم إرجاعها على الخرائط باستخدام دالة geom_path ().

التفاعل. الحلقة المفقودة

حتى الآن ، أوضحت لك سطوع R ، وهي لغة تسمح بإنشاء خرائط مخصصة مع تحكم كامل في كل التفاصيل من البيانات إلى التخطيط المرئي. Now it’s time to face the dark side of the relationship between Power BI and R: what is not supported or not allowed. You’ve probably concluded by yourself trying to zoom in or out the maps, panning or browsing. You simply cannot. Interactivity is not supported in standard R visual for Power BI. Therefore maps are rendered as static images on the canvas.

Nevertheless, a common Power BI pattern is guaranteed. Any R visual interacts with other visuals in the way we are used to. For a simple demonstration, open your Power BI report on the first example: the map built with ggmap. Add a slicer to the canvas and put the Country field in the bucket. The R map reacts to the country selected in the slicer, by filtering out only cities for that country. In the example below, for instance, I selected only Italy in the slicer.

These a workaround, but it is quite complex and requires programming skills. If you paid attention, I mentioned “standard R visual” i.e. the one you find out the box in the visuals pane

But, interactivity is supported for custom visuals built on R packages. Please refer to this article for details. For custom visual the rendering format is HTML, meaning that you can add interactivity, tooltips, selections, etc. Here it is reported the list for supported R packages in Power BI. Scrolling down the list, you can find out a منشور, the most common package dynamic mapping in R.

If you try to create a map with leaflet using Power BI R visual this is the message you get:

Whereas the same code is R Studio is working fine. Unfortunately, the output from the package is not suitable for Power BI.

Of course, this is not a solution within everyone’s reach. Maybe it could be the topic for the next article …

If you want to dig into details on how to build a custom map visual for Power BI, using leaflet, please refer to Microsoft’s GitHub repository.


نبذة مختصرة

In the study of local-level food security, terms such as food variety, availability, accessibility and utilization represent quantitative metrics to describe one's relationship to the tangible and intangible food environment. Food availability entails how close one is located to the nearest food location. These locations could be healthy and fresh food as applied explicitly to the study food deserts, generally considered to be low-income areas that are far from healthy and fresh food. In the Geographic Information Systems (GIS) network model where travel times and distances are either calculated along a line network such as a series of roads or via more traditional techniques such as Manhattan or Euclidean distance, healthy and fresh food locations are defined as destinations. The places people are traveling from are referred to as sources. However, modeling source locations can be increasingly complex. In just measuring food availability between all residential parcels to the closest healthy food destination in Guilford County, North Carolina, it requires more than 177,000 route calculations, one for each of the residential parcels in Guilford County, North Carolina. Research (Zandbergen and Hart 2009 Fischer 2004 Sahar et al. 2019 Winn 2014) has highlighted the challenges in efficiently locating many addresses and calculating so many routes. In order to simplify the number of network calculations, this research explores ways to model, agglomerate or simplify source locations to decrease the sheer number of calculations while not degrading results when compared to calculations using all original 177,000 source locations. Studies in the field of food security have modeled source locations as census tract centroids, block group centroids, as well as random points and even fishnets or grids. In this paper, we explore the use of different techniques to simulate source locations in the study of food availability in Guilford County, North Carolina. These results are compared to calculations using all residential source locations in the county as a baseline. While all eleven techniques, which include random, stratified and systematic, as well as combinations of them, showed some level of agreement with baseline measurements, sources simulated as block centroids, population-weighted block group centroids and even a randomized-strata technique were strongest using t-tests of two means and equivalence tests for dissimilarity for both drive-distance and drive-time.


Estimation of soil erosion using RUSLE in Caijiamiao watershed, China

Soil erosion is a serious environmental and production problem in China. In particular, natural conditions and human impact have made the Chinese Loess Plateau particularly prone to intense soil erosion area. To decrease the risk on environmental impacts, there is an increasing demand for sound, and readily applicable techniques for soil conservation planning in this area. This work aims at the assessment of soil erosion and its spatial distribution in hilly Loess Plateau watershed (northwestern China) with a surface area of approximately 416.31 km 2 . This study was conducted at the Caijiamiao watershed to determine the erosion hazard in the area and target locations for appropriate initiation of conservation measures using the revised universal soil loss equation (RUSLE). The erosion factors of RUSLE were collected and processed through a geographic information system (GIS)-based approach. The soil erosion parameters were evaluated in different ways: The R-factor map was developed from the rainfall data, the K-factor map was obtained from the soil map, the ج-factor map was generated based on Landsat-5 Thematic Mapper image and spectral mixture analysis, and a digital elevation model with a spatial resolution of 25 m was derived from topographic map at the scale of 1:50,000 to develop the LS-factor map. Support practice ص factor was from terraces that exist on slopes where crops are grown. By integrating the six-factor maps in GIS through pixel-based computing, the spatial distribution of soil loss in the study area was obtained by the RUSLE model. The results showed that spatial average soil erosion at the watershed was 78.78 ton ha −1 year −1 in 2002 and 70.58 ton ha −1 year −1 in 2010, while the estimated sediment yield was found to be 327.96 × 10 4 and 293.85 × 10 4 ton, respectively. Soil erosion is serious, respectively, from 15 to 35 of slope degree, elevation area from 1,126 to 1,395 m, in the particular area of soil and water loss prevention. As far as land use is concerned, soil losses are highest in barren land and those in waste grassland areas are second. The results of the study provide useful information for decision maker and planners to take appropriate land management measures in the area. It thus indicates the RUSLE–GIS model is a useful tool for evaluating and mapping soil erosion quantitatively and spatially at a river watershed scale on a cell basis in Chinese Loess Plateau and for planning of conservation practices.

هذه معاينة لمحتوى الاشتراك ، والوصول عبر مؤسستك.


الانتماءات

Department of Veterinary Population Medicine, College of Veterinary Medicine, University of Minnesota, St. Paul, USA

Moh A. Alkhamis, Robert B. Morrison & Andres M. Perez

Faculty of Public Heath, Health Sciences Center, Kuwait University, Kuwait City, Kuwait

Department of Veterinary Preventive Medicine, College of Veterinary Medicine, The Ohio State University, Columbus, USA

يمكنك أيضًا البحث عن هذا المؤلف في PubMed Google Scholar

يمكنك أيضًا البحث عن هذا المؤلف في PubMed Google Scholar

يمكنك أيضًا البحث عن هذا المؤلف في PubMed Google Scholar

يمكنك أيضًا البحث عن هذا المؤلف في PubMed Google Scholar

مساهمات

All authors contributed in the conception and design of this study. Dr. M.A.A. designed and ran the statistical analyses, wrote the draft of the manuscript and prepared all the figures presented. Dr. A.G.A. contributed in data organization, running the statistical analyses and interpretation of the results. Dr. R.B.M. acquired the data from the producers and contributed to the interpretation of the results. Dr. A.M.P. supervised the analyses, contributed to the interpretation of the results and coordinated the communication and efforts among the co-authors. All authors contributed to the editing and comprehensive revision of this manuscript.

المؤلف المراسل