أكثر

جدول البيانات مفقود في البيانات النقطية بعد استخدام أداة الاستخراج بالقناع

جدول البيانات مفقود في البيانات النقطية بعد استخدام أداة الاستخراج بالقناع


في كل مرة أستخدم فيها أداة الاستخراج بواسطة القناع ، لا تحتوي البيانات النقطية التي تم إنشاؤها على جدول سمات (أي أنها غير نشطة). هل يعرف أي شخص ما الذي يسبب هذا ولماذا لم يعد لهذه البيانات النقطية أساسًا أي قيم مرتبطة بها؟ هل هناك طريقة للتغلب على هذه المشكلة؟ أنا أستخدم ArcGIS for Desktop.


نظرًا لأن الاستخراج بالقناع ينشئ نقطية جديدة تمامًا ، فلن أتوقع بالضرورة أن يحتفظ بأي جدول بيانات مرتبط بالأصل. الفعلية القيم من البيانات النقطية الجديدة يجب أن تكون موجودة ومطابقة للأصل. في حالة استخدام هذه الأداة (أو الأدوات المماثلة التي تنشئ بيانات نقطية جديدة) ، قد تحتاج إلى استخدام أداة إنشاء جدول سمات البيانات النقطية ثم ضم / تصدير أو ضم الحقل الأصلي إلى الجدول الجديد. يمكن العثور على مزيد من المعلومات في ملفات التعليمات الخاصة بجداول سمات مجموعة البيانات النقطية.

كما هو مقترح في الاحتفاظ بجدول البيانات الجدولية أثناء استخدام Extract by Mask في ArcGIS ، يمكنك استخدام أداة Clip ضمن معالجة البيانات النقطية بدلاً من ذلك ، والتي يجب أن تفعل الشيء نفسه بشكل أساسي وتحافظ على السمات. لاحظ أنه قد يحفظ الكل قيم السمات من الجدول ، وليس فقط تلك الموجودة في المنطقة المستخرجة / المقصوصة.


جدول البيانات مفقود في البيانات النقطية بعد استخدام أداة الاستخراج بواسطة القناع - نظم المعلومات الجغرافية

السعة المائية المتاحة لحوض نهر كولورادو الأعلى في Maurer et al. (2002) دقة بيانات المناخ (awc_UCRB_Maurer_resolution.asc) مجموعة البيانات الرقمية النقطية

https://water.usgs.gov/lookup/getspatial؟ofr_2015_1160_awc_maurer_resolution فريد دي تيلمان

توثيق مجموعات البيانات المدخلة لنموذج تغذية المياه الجوفية لتوازن التربة والمياه لنموذج حوض نهر كولورادو الأعلى (أخرى) Open-File Report 2015-1160

تم تطوير شبكة awc_UCRB_Maurer_resolution.asc كجزء من التحقيق في التغيرات في تغذية المياه الجوفية في حوض نهر كولورادو الأعلى استجابةً لتغير المناخ المحتمل. يستخدم هذا الاستقصاء نموذج توازن التربة والمياه لتقدير تغذية المياه الجوفية. تم دعم هذا المشروع من قبل برنامج موارد المياه الجوفية USGS ومكتب الاستصلاح. التقرير الذي يوثق هذه المجموعة ومجموعات البيانات الأخرى لنموذج إعادة تغذية توازن التربة والمياه UCRB هو: Tillman، FD، 2015، توثيق مجموعات بيانات المدخلات لنموذج إعادة تغذية المياه الجوفية لتوازن التربة والمياه في حوض نهر كولورادو الأعلى: ملف المسح الجيولوجي الأمريكي المفتوح تقرير 2015-1160 ، 17 ص ، http://doi.org/10.3133/ofr20151160.

يتم تضمين ملفات التحكم ، "UCRB_recharge_1950-99_MAURER.ctl" ، و "UCRB_recharge_1980-09_DAYMET.ctrl" ، بالإضافة إلى جدول البحث عن استخدام الأراضي ، "UCRB_LU_LOOKUP.txt" هنا كأساسيات لاستكمال نموذج موازنة التربة والمياه UCRB. يتم التعليق على ملفات التحكم بالكامل ، ويتم شرح جدول البحث بتفصيل كبير في التقرير ، USGS OFR 2015-1160. وهي موجودة في ملف مضغوط "ofr_2015_1160_ctl_lu_files.7z". تاريخ النشر 2015

لا شيء مخطط -112.625 -105.25 43.75 35.125 المكنز USGS المياه الداخلية المياه الجوفية تغذية المياه الجوفية توازن التربة والمياه فئة الموضوع ISO 19115 علم الأرض المياه الداخلية بيئة

نظام معلومات الأسماء الجغرافية

حوض نهر كولورادو العلوي

هيئة المسح الجيولوجي الأمريكية ، المنطقة الجنوبية الغربية العنوان البريدي فريد دي تيلمان للأبحاث الهيدرولوجية 520 North Park Avenue Tucson AZ

520-670-6671 x223 520-670-5592 [email protected]

https://water.usgs.gov/GIS/browse/awc_maurer_resolution.jpg
خريطة السعة المائية المتاحة (awc) تمت إعادة تشكيلها وفقًا لتحليل مناخ مورير
تم تقديم دعم GIF لتطوير نموذج إعادة تغذية المياه الجوفية لتوازن التربة والمياه في حوض نهر كولورادو الأعلى من قبل برنامج موارد المياه الجوفية التابع لهيئة المسح الجيولوجي الأمريكية ومكتب الاستصلاح. البيئة اعتبارًا من إنشاء البيانات الوصفية: Microsoft Windows 7 الإصدار 6.1 (النسخة 7601) Service Pack 1 Esri ArcGIS 10.3.1 (النسخة 4959) حزمة الخدمة غير متوفرة (الإصدار غير متوفر) تجمع شبكة awc_UCRB_Maurer_resolution.asc معلومات من gSSURGO (حيث متوفرة) ومجموعات بيانات STATSGO2 ، والتي تمت إعادة تشكيلها بعد ذلك لتتناسب مع Maurer et al. (2002) قرار بيانات المناخ (1/8 درجة). تم إجراء ضمان الجودة بواسطة أخصائي الهيدرولوجيا للمشروع من خلال مقارنة مجموعة بيانات AWC المعاد أخذ عينات منها بمجموعات البيانات الأصلية. البيانات كاملة. حجم خلايا شبكة ASCII هو 1/8 درجة (140 إلى 157 كيلومترًا مربعًا في UCRB).

لم يتم إجراء تقييم رسمي لدقة المعلومات الموضعية الأفقية في مجموعة البيانات. لم يتم إجراء تقييم رسمي لدقة معلومات الموضع الرأسي في مجموعة البيانات أو أنه غير قابل للتطبيق.

مسح التربة الشبكي مجموعة البيانات الرقمية النقطية لقاعدة البيانات الجغرافية

وزارة الزراعة الأمريكية

http://datagateway.nrcs.usda.gov/ Digital and / or Hardcopy Resources 2015 تاريخ النشر gSSURGO gSSURGO geodatabase raster لسعة المياه المتاحة لحوض نهر كولورادو الأعلى بدقة 10 أمتار خدمة الحفاظ على الموارد الطبيعية (NRCS)

مجموعة البيانات الرقمية المتجه لمجموعة البيانات الجغرافية للتربة

وزارة الزراعة الأمريكية

http://datagateway.

http://www.esri.com/ computer program 2012 تاريخ نشر Esri نصوص معالجة نظام المعلومات الجغرافية ، بما في ذلك "Mosaic to New Raster" و "Extract by Mask" و "CON" و "Project Raster" و "FlowDirection" و "إعادة التصنيف"

تم تنزيل معلومات التربة gSSURGO و STATSGO2 لجميع دول الحوض الخمس من http://datagateway.nrcs.usda.gov/

تم دمج البيانات النقطية لـ gSSURGO باستخدام أداة ArcGIS "mosaic to new raster" ، وتم دمج جداول خصائص التربة المرتبطة وضمها إلى البيانات النقطية المدمجة. تم قطع البيانات النقطية لـ gSSURGO المدمجة في منطقة دراسة UCRB باستخدام أداة ArcGIS "استخراج بالقناع" ، وتم إنشاء البيانات النقطية لسعة المياه المتاحة المنفصلة باستخدام أداة ArcGIS Reclass.

تم دمج بيانات STATSGO2 في ملف شكل واحد. تم تشغيل تقارير خصائص التربة المادية (لـ AWC) في Microsoft Access وتم تصديرها إلى Microsoft Excel. في Excel ، تمت كتابة البرامج النصية Visual Basic for Applications (VBA) لحساب متوسط ​​العمق المرجح لقيم AWC لكل وحدة خريطة. تم ضم نتائج AWC المرجحة للعمق إلى ملف شكل المضلع وتم إنشاء نقطية باستخدام أداة ArcGIS "ميزة إلى نقطية" ، باستخدام نفس الدقة مثل بيانات gSSURGO.

تم إنشاء بيانات نقطية مدمجة من معلومات gSSURGO و STATSGO2 لمجموعة بيانات AWC باستخدام أداة CON ، حيث تم استخدام معلومات gSSURGO حيثما توفرت واستخدام معلومات STATSGO2 حيث كان gSSURGO مفقودًا.

تمت إعادة تشكيل شبكة AWC للحصول على نفس حجم الخلية ومحاذاة الخلية والإسقاط الجغرافي مثل Maurer et al. (2002) مجموعة بيانات المناخ باستخدام أداة ArcGIS "Project raster" بتقنية إعادة التشكيل المكعبة ، و Maurer et al. (2002) البيانات النقطية لمجموعة بيانات المناخ لتحديد حجم خلية الإخراج و "المفاجئة" النقطية.


15 إجابات 15

على الرغم من أنها ليست عملية مجمعة ، يمكن لـ Visual Studio أيضًا إضافة / تحرير موارد الملفات.

ما عليك سوى استخدام ملف-> فتح-> ملف في ملف .EXE أو .DLL. يعد هذا مفيدًا لإصلاح معلومات الإصدار بعد الإنشاء ، أو إضافتها إلى الملفات التي لا تحتوي على هذه الموارد لتبدأ بها.

على عكس العديد من الإجابات الأخرى ، يستخدم هذا الحل برامج مجانية تمامًا.

أولاً ، قم بإنشاء ملف يسمى Resources.rc مثل هذا:

بعد ذلك ، استخدم GoRC لترجمته إلى ملف .res باستخدام:

(انظر تعليقي أدناه للحصول على نسخة متطابقة من GoRC.exe)

ثم استخدم Resource Hacker في وضع CLI لإضافته إلى ملف exe. موجود:

أو يمكنك التحقق من برنامج StampVer المجاني لملفات Win32 exe / dll.
لن يغير الملف وإصدارات المنتج إلا إذا كان لديهم مورد إصدار بالفعل. لا يمكن إضافة مورد إصدار إذا لم يكن موجودًا.

rcedit جديد نسبيًا ويعمل بشكل جيد من سطر الأوامر: https://github.com/atom/rcedit

هناك أيضًا وحدة NPM التي تلفها من JavaScript ومهمة Grunt في حال كنت تستخدم Grunt.

ماذا عن شيء كهذا؟

قائمة الميزات (من الموقع):

  • واجهة خط الأوامر
  • دعم ملفات .EXE و .DLL و .RES
  • تحديث FileVersion و ProductVersion استنادًا إلى قناع الإصدار
  • إضافة / تغيير / إزالة سلاسل مفاتيح الإصدار
  • ضبط أعلام الملفات (تصحيح ، خاص ، خاص ، إلخ)
  • تحديث ملفات المشروع (.bdsproj | .bpr | .bpk | .dproj)
  • إضافة / تغيير رمز التطبيق الرئيسي
  • استخدام ملف ini مع التكوين
  • دعم Windows Vista (يحتاج إلى رفع)
  • سهل الاندماج في بيئة بناء مستمرة

إفشاء كامل: أعرف الشخص الذي كتب هذه الأداة ، كنت أعمل معه. ولكن هذا يعني أيضًا أنني أعلم أنه يصنع برامج عالية الجودة)

[1] الرابط ميت. يبدو أن هناك نسخة معكوسة في download.cnet.com.

هناك العديد من الأدوات ، مذكورة في العديد من الإجابات الرائعة ، سأختار واحدة.


جدول البيانات مفقود في البيانات النقطية بعد استخدام أداة الاستخراج بواسطة القناع - نظم المعلومات الجغرافية

pydsstools هي مكتبة Python تجريبية قائمة على Cython لمعالجة ملف قاعدة بيانات HEC-DSS. وهو يدعم السلاسل الزمنية المنتظمة / غير المنتظمة ، وسلسلة البيانات المقترنة وسجلات الشبكة المكانية. وهو متوافق مع Python 64 بت على نظامي التشغيل Windows 10 و Ubuntu مثل توزيعات Linux. بالنسبة إلى المكتبات اللاحقة ، يجب تثبيت مكتبات zlib و math و quadmath و gfortran. توفر مكتبة dssvue python واجهة مستخدم رسومية لـ HEC-DSS.

تم تصميم HEC-DSS ليكون الأمثل لتخزين واسترجاع مجموعات كبيرة أو سلسلة من البيانات. HEC-DSS ليست قاعدة بيانات علائقية ، ولكنها قاعدة بيانات مصممة لاسترداد وتخزين كميات كبيرة من البيانات بسرعة لا ترتبط بالضرورة بمجموعات أخرى من البيانات ، مثل قواعد البيانات العلائقية. بالإضافة إلى ذلك ، يوفر HEC-DSS مجموعة مرنة من برامج المرافق ويسهل إضافتها إلى برنامج تطبيق المستخدم. هذه هي الميزات التي تميز HEC-DSS عن معظم برامج قواعد البيانات العلائقية التجارية وتجعلها مثالية للتطبيقات العلمية.

تستخدم HEC-DSS كتلة من البيانات المتسلسلة كوحدة تخزين أساسية. تحتوي كل كتلة على سلسلة من القيم لمتغير واحد على مدى فترة زمنية مناسبة لمعظم التطبيقات. المفهوم الأساسي الكامن وراء HEC-DSS هو تنظيم البيانات في سجلات العناصر المستمرة والمتعلقة بالتطبيقات بدلاً من عناصر البيانات القابلة للعنونة بشكل فردي. هذا النهج أكثر كفاءة للتطبيقات العلمية من نظام قاعدة البيانات العلائقية لأنه يتجنب تكاليف المعالجة والتخزين المطلوبة لتجميع سجل مكافئ من قاعدة بيانات علائقية.

يتم تخزين البيانات في كتل ، أو سجلات ، داخل ملف ويتم تحديد كل سجل باسم فريد يسمى "اسم المسار". في كل مرة يتم فيها تخزين البيانات أو استردادها من الملف ، يتم استخدام اسم المسار الخاص به للوصول إلى بياناته. يتم تخزين المعلومات حول السجل (على سبيل المثال ، الوحدات) في "مصفوفة الرأس". يتضمن هذا اسم البرنامج الذي يكتب البيانات ، وعدد المرات التي تمت كتابة البيانات إليها ، وآخر تاريخ ووقت مكتوبين. قامت مستندات HEC-DSS بتخزين البيانات بالكامل عبر المعلومات الواردة في اسم المسار وتخزينها في الرأس ، لذلك لا يلزم تقديم معلومات إضافية لتحديدها. لا ترتبط إحدى مجموعات البيانات مباشرةً بمجموعة أخرى ، لذا لا داعي لتحديث مناطق أخرى من قاعدة البيانات عند تخزين مجموعة بيانات جديدة. تسمح طبيعة التوثيق الذاتي لقاعدة البيانات بالتعرف على المعلومات وفهمها بعد شهور أو سنوات من تخزينها.

بسبب طبيعة التوثيق الذاتي لاسم المسار والاتفاقيات المعتمدة ، ليست هناك حاجة لقاموس بيانات أو ملف تعريف البيانات كما هو مطلوب مع أنظمة قواعد البيانات الأخرى. في الواقع ، لا توجد مهام لإنشاء قاعدة بيانات أو أي إعداد لقاعدة البيانات. كل من البرامج المساعدة HEC-DSS والتطبيقات التي تستخدم HEC-DSS ستنشئ وتكوين ملفات قاعدة بيانات HEC-DSS تلقائيًا. لا يوجد أيضًا تخصيص مسبق للمساحة ، حيث يقوم البرنامج تلقائيًا بتوسيع حجم الملف حسب الحاجة.

تشير HEC-DSS إلى مجموعات البيانات أو السجلات حسب أسماء المسار الخاصة بها. قد يتكون اسم المسار حتى 391 حرفًا ويتم فصله ، وفقًا للاتفاقية ، إلى ستة أجزاء ، والتي قد يصل كل منها إلى 64 حرفًا. يتم تحديد كل جزء بواسطة slashe "/" ، ويتم تسميته من "A" إلى "F" ، على النحو التالي: / A / B / C / D / E / F /.

تسمى قائمة أسماء المسار في ملف DSS بـ "الكتالوج". في الإصدار 6 ، كان الكتالوج عبارة عن ملف منفصل في الإصدار 7 ، تم إنشاء الكتالوج مباشرة من أسماء المسار في الملف.

يتم التعامل مع وضع الوصول متعدد المستخدمين تلقائيًا بواسطة HEC-DSS. لا يحتاج المستخدم إلى فعل أي شيء لتشغيله. يسمح الوصول متعدد المستخدمين لعدة مستخدمين ، وعمليات متعددة ، بالقراءة والكتابة إلى نفس ملف HEC-DSS في نفس الوقت. هذا صحيح بالنسبة لمحرك أقراص الشبكة وكذلك محرك الأقراص المحلي. يمكن أن يكون لديك ملف HEC-DSS مشترك على الشبكة يحتوي على العديد من العمليات للقراءة والكتابة إليه في نفس الوقت. العيب الوحيد هو أن الوصول إلى الملفات قد يكون أبطأ ، اعتمادًا على نظام التشغيل.


التحليل المكاني

بدون التحليل المكاني ، لن تكون أنظمة المعلومات الجغرافية أكثر من طريقة جديدة وربما محسّنة لرسم الخرائط. ومع ذلك ، تشمل البيانات الجغرافية السمات والمواقع ، والتي تعتبر مهمة جدًا لحل المشكلات في بيئة المناظر الطبيعية ولكنها تعتمد على حجم البيانات وحلها. إن حجم العديد من الدراسات البيئية صغير جدًا بحيث لا يمكن توسيع نطاقه وفقًا لديناميكيات المناظر الطبيعية ، في حين أن دقة العديد من البيانات ، مثل البيانات المستشعرة عن بعد ، هي صعبة للغاية بحيث لا يمكن حلها إلى سيناريوهات الإدارة. ومع ذلك ، يبدو أن هناك وسطًا سعيدًا نسبيًا بين الدقة الكبيرة والصغيرة والخشنة والدقيقة للبيانات المتاحة للاستخدام في نماذج توزيع الأنواع للعديد من الكائنات الحية.

التحليل المكاني & - عملية فحص المواقع والسمات وعلاقات الميزات في البيانات المكانية من خلال التراكب والتقنيات التحليلية الأخرى من أجل معالجة سؤال أو اكتساب معرفة مفيدة.

الدقة & ndash التفاصيل التي تصور بها الخريطة موقع وشكل المعالم الجغرافية. كلما زاد حجم الخريطة ، زادت الدقة الممكنة.

استخدمنا بيانات متغيرة جغرافية بيئية تبلغ دقتها حوالي 1 كيلومتر مربع ، باستثناء طبقة بيانات واحدة (& ldquonpp & rdquo) ، والتي تم حلها إلى ما يقرب من 81 كيلومترًا مربعًا.

مقياس & ndash النسبة أو العلاقة بين مسافة أو منطقة على الخريطة والمسافة أو المنطقة المقابلة على الأرض ، ويتم التعبير عنها بشكل شائع في صورة كسر أو نسبة.

استخدمنا بيانات الأنواع وبيانات المتغيرات البيئية التي تم توسيع نطاقها ليشمل دولة إثيوبيا بأكملها.

حجم الخلية & ndash الأبعاد الموجودة على الأرض لخلية واحدة في البيانات النقطية ، وتُقاس بوحدات الخريطة. غالبًا ما يستخدم حجم الخلية بشكل مترادف مع حجم البكسل.

مدى & ndash منطقة الإحاطة الجغرافية التي سيحدث فيها التحليل المكاني. يتم تعيين منطقة الإحاطة عن طريق تحديد إحداثيات x و y للزوايا المتقابلة ، وعادةً ما تكون الزاوية السفلية اليسرى والعليا اليمنى للنتائج.

قناع & ndash في ArcGIS ، وسيلة لتحديد المناطق التي سيتم تضمينها في التحليل.

قمنا بإخفاء جميع طبقات التوقع لاستخدامها في Biomapper إلى & ldquoleast المشترك وطبقة البيانات rdquo (& ldquonpp & rdquo).

فسيفساء & ndash مجموعة بيانات نقطية تتكون من مجموعتين أو أكثر من مجموعات البيانات النقطية المدمجة.

قمنا بتقسيم كل طبقة من طبقات الأنواع إلى طبقة إثيوبيا.

تعبير منطقي & ndash تعبير ، سمي على اسم عالم الرياضيات الإنجليزي جورج بول ، ينتج عنه حالة صحيحة أو خاطئة (منطقية).

على سبيل المثال ، استخدمنا تعبيرًا منطقيًا لإعطاء مواقع الأنواع قيمة 1 ، أو صواب ، وخلفية إثيوبيا بقيمة 0 ، أو خطأ. أيضًا ، تم إعطاء الخلايا خارج حدود إثيوبيا قيمة NoData.

التخريب & ndash تحويل النقاط والخطوط والمضلعات إلى بيانات خلية.

قمنا بتحويل بيانات المتجه الخاصة بمواقع الأنواع إلى بيانات نقطية.

إعادة التصنيف & ndash عملية أخذ قيم خلايا الإدخال واستبدالها بقيم خلايا الإخراج الجديدة.

قمنا بتغيير الغطاء الأرضي لكل نوع من البيانات الاسمية إلى البيانات الترتيبية.

جارى الاختزال & ndash عملية استيفاء قيم الخلايا الجديدة عند تحويل البيانات النقطية إلى مساحة إحداثية جديدة أو حجم خلية.

قمنا بإعادة تشكيل طبقة بيانات واحدة (& ldquonpp & rdquo) من حوالي 9 كيلومترات في 9 كيلومترات بحجم خلية إلى كيلومتر واحد في كيلومتر واحد تقريبًا.

حاسبة الراستر & ndash أداة ArcGIS Spatial Analyst لإجراء العمليات الحسابية باستخدام عوامل التشغيل والوظائف أو إعداد استعلامات التحديد أو كتابة بنية Map Algebra.

استخدمنا الآلة الحاسبة النقطية لإخفاء طبقات الأنواع الستة والطبقات المتغيرة الجغرافية البيئية البالغ عددها 78 طبقة لضمان أن حجم الخلية ومدى كل طبقة متساوية وستتراكب تمامًا.

لايوجد بيانات & ndash في البيانات النقطية ، عدم وجود قيمة مسجلة. NoData لا يساوي صفرًا.

نظرًا لأن البيانات النقطية لها مدى مستطيل وأن إثيوبيا شكل غير منتظم ، فإن العديد من الخلايا لا تحتوي على قيم. لتحليل البيانات النقطية مكانيًا ، سواء باستخدام نماذج توزيع الأنواع أم لا ، تحتاج الخلايا التي لا تحتوي على قيمة بدلاً من ذلك إلى قيم NoData. إذا لم تكن الخلايا تحتوي على قيم NoData ، فلن تكون طبقات التوقع قابلة للاستخدام في Biomapper لأنها لم تكن قادرة على التمييز بين خلايا إثيوبيا وخلايا الخلفية خارج إثيوبيا.

الخوارزمية & ndash إجراء رياضي يستخدم لحل المشكلات بسلسلة من الخطوات. عادة ما يتم ترميز الخوارزميات كسلسلة من أوامر الكمبيوتر.

يستخدم Biomapper خوارزمية لإجراء تحليل عامل متخصص بيئي ولإنشاء معلومات حول ملاءمة الموائل. إنه يستخدم نوعًا ما من نهج & ldquoblack box & rdquo لأنه من غير المعروف كيف تعمل الخوارزميات.

الاقوي & ndash عملية الضبط الدقيق للبيانات أو البرامج أو العمليات لزيادة الكفاءة وتحسين الأداء وتحقيق أفضل النتائج الممكنة.

يعد Biomapper ، مثل البرامج الأخرى المستخدمة لنمذجة توزيع الأنواع ، برنامجًا ينشئ معلومات حول ملاءمة الموائل ، والتي يجب أن تكون مثالية إذا كانت متغيرات التوقع مناسبة لنمذجة الموطن المناسب للأنواع بناءً على متطلباتها البيئية وإذا كانت البيانات مرضية الإحكام والدقة.

مصدر: معهد بحوث النظم البيئية. 2006. قاموس نظم المعلومات الجغرافية. معهد أبحاث النظم البيئية ، ريدلاندز ، كاليفورنيا. http://support.esri.com/index.cfm؟fa=knowledgebase.gisDictionary.gateway.

* يتم توفير جميع التعريفات (الموضحة باللون الأزرق) حرفياً من قاموس GIS على موقع ESRI & rsquos.


مناقشة

قيمت هذه الدراسة مدى استعداد النظام الصحي الموزمبيقي لـ COVID-19 من خلال تحديد موقع مرافق الصحة العامة الجاهزة للأكسجين ، وتقدير سعة معالجة الأكسجين ، وتحديد التغطية السكانية للمرافق الصحية الجاهزة للأكسجين في موزمبيق. كشف تحليلنا أن 3.4٪ فقط من المرافق الصحية في موزمبيق مستعدة لتقديم العلاج بالأكسجين للمرضى المحتاجين ويمكن علاج ما مجموعه 283.9 إلى 406.0 مريضًا بالعلاج المستمر بالأكسجين لمدة أسبوع نظرًا للقدرة الوطنية الحالية. بالإضافة إلى ذلك ، فإن 35٪ فقط من السكان في موزمبيق يتمتعون بإمكانية الوصول الكافي في غضون ساعة واحدة بالسيارة من منشأة صحية جاهزة للأكسجين. وجدت دراسة أجريت عام 2015 أن 66.9٪ من الموزمبيقيين يعيشون في غضون ساعة من وقت القيادة من أي مرفق رعاية صحية أولية ، مع أدنى مستويات الوصول الموجودة في نياسا وزامبيزيا وأعلى مستوياتها في مقاطعة مابوتو ومدينة مابوتو [13] المنهجية التي استخدمها المؤلفون جميع سكان القرية التي تقع ضمن شبكة السفر. أظهرت نتائج تحليل INS لبيانات تعداد SARA أنه حتى بالنسبة لأولئك الذين يعيشون بالقرب من منشأة صحية ، فإن العديد من المرافق تفتقر إلى الموظفين والمعدات لتقديم الخدمات الصحية الأساسية والأساسية [4]. يوضح هذا التحليل نقاط الضعف في النظام الصحي الموزمبيقي في حالة انتشار فيروس الجهاز التنفسي على نطاق واسع ، والمتعلق بكل من المرافق الصحية التي تعاني من نقص الإمداد والقيود في شبكة النقل.

كشف هذا التحليل أيضًا عن تفاوتات كبيرة في الوصول إلى المرافق الصحية الجاهزة للأكسجين عبر المقاطعات والمناطق داخل موزمبيق. بشكل عام ، تفتقر المناطق الريفية في البلاد التي لا تخدمها الطرق السريعة الرئيسية إلى الوصول إلى العلاج المنقذ للحياة ، في حين أن المراكز السكانية الحضرية لديها إمكانية الوصول المادي إلى المرافق ولكنها قد تواجه أيضًا نقصًا في العلاج في حالة تفشي مرض كبير. احتوت المقاطعات الجنوبية ، بما في ذلك مقاطعة مابوتو ، ومدينة مابوتو ، وغزة على غالبية المرافق الجاهزة للأكسجين والأكثر قدرة على علاج المرضى بالعلاج بالأكسجين بينما كانت المقاطعات مثل سوفالا ونياسا ذات سعة قليلة جدًا. هذا التباين الإقليمي يترك سكان الشمال ، ومعظمهم من سكان الريف ، مع وصول محدود إلى الرعاية في حالة تفشي فيروس كورونا على نطاق واسع. يعتبر حل الوصول غير العادل لخدمات الرعاية الصحية من الأولويات المعترف بها لحكومة موزمبيق كما يتضح من أحدث التوصيات الصادرة عن معهد INS في موزمبيق ، والتي أكدت على التركيز على زيادة قدرة مرافق الرعاية الصحية الأولية ، لا سيما في المناطق الريفية [4]. ستستمر التفاوتات الحالية في الخدمات الصحية في التفاقم بسبب الاضطرابات في النظام الصحي الناجمة عن تفشي COVID وقد تؤدي إلى تفاقم الاختلافات في النتائج الصحية التي لوحظت في الفئات السكانية المهمشة.

على الرغم من إنشاء شبكة كبيرة من المرافق الصحية في كل مقاطعة ، فقد كافحت موزمبيق لتحقيق هدف الحكومة المتمثل في التغطية الصحية الشاملة وهي غير مستعدة للتهديد الجديد لوباء COVID-19. أظهرت النتائج التي توصلنا إليها أن النظام الصحي في موزمبيق يواجه تحديات مزدوجة تتمثل في نقص الموارد في المرافق الصحية وانخفاض الوصول الجغرافي إلى الرعاية الصحية. مراكز الصحة الأولية ، التي تمثل أكثر من 95٪ من جميع المرافق الصحية في موزمبيق ، ليست ببساطة النقطة الأولى للوصول إلى الرعاية الصحية للمواطنين الموزمبيقيين ، فهي غالبًا الخيار الوحيد الممكن الوصول إليه في المناطق الريفية. وجدت دراستنا أنه في حين أن المراكز الصحية الأولية تمثل أكبر حصة منفردة من المرافق الجاهزة للأكسجين (44.6٪) ، إلا أنها كانت قادرة فقط على توفير تدفق أكسجين ثابت بمتوسط ​​1.2 - 2.8 مريض - أسبوع لكل منشأة. في مارس 2020 ، توقعت إمبريال كوليدج في لندن أن يصل طلب المستشفى إلى 19000 مريض حتى لو تم فرض إجراءات الإغلاق الشديدة وتنفيذها [2]. تنبأت محاكاة أحدث أجراها مركز ديناميات المرض والاقتصاد وسياسة الأمبير بأنه سيكون هناك أكثر من 30000 إصابة حادة نشطة في 1 سبتمبر 2020 بافتراض تدابير الإغلاق والتباعد الاجتماعي [22]. بافتراض أن جميع المرضى المصابين لديهم إمكانية متساوية للوصول إلى المرافق الجاهزة للأكسجين ، وجد تحليلنا أن موزمبيق ستكون قادرة على توفير تدفق مستمر للأكسجين ، على الأكثر ، 2.1٪ من هؤلاء المرضى. ومع ذلك ، وجد تحليلنا أيضًا أنه لا يوجد وصول متساوٍ إلى المرافق الجاهزة للأكسجين عبر المقاطعات ، مما يترك أجزاء كثيرة من البلاد دون الحصول على الرعاية. يوضح هذا بوضوح الافتقار إلى القدرة العلاجية المتاحة على المستوى الوطني ويسلط الضوء على الحاجة إلى تركيز الجهود على توسيع قدرة الخدمة للسكان المحرومين من أجل التخفيف من الآثار السلبية المحتملة لوباء COVID-19 في موزمبيق.

هذه الدراسة لها حدود ونقاط قوة. يتمثل الحد الأول الملحوظ لهذا التحليل ، والذي ينطبق على معظم تحليلات نظم المعلومات الجغرافية التي تركز على البلدان منخفضة الموارد ، في صعوبة محاكاة طرق النقل المختلطة التي يمكن استخدامها. ومع ذلك ، اخترنا إنشاء مجموعة متنوعة من سيناريوهات السفر ، مما يسمح لنا باكتشاف الأنماط عبر سيناريوهات السفر. علاوة على ذلك ، تم تعديل ملف أشكال شبكة الطرق ليعكس فئات الطرق المضمنة في الشبكة ، مثل الطرق المعبدة أو غير المعبدة ، والمسارات الترابية ، واستخدمنا الأدبيات الموجودة لتقدير أوقات السفر. هناك قيود متأصلة في مصادر البيانات الخاصة بنا ، ربما لم تلتقط شبكة الطرق جميع المسارات والمسارات المستخدمة. علاوة على ذلك ، قد تختلف إمكانية الوصول إلى الطرق باختلاف المواسم ، ووجدت النمذجة السابقة أن الفيضانات خلال موسم الأمطار أثرت بشكل كبير على نسبة النساء في سن الإنجاب اللائي يعشن في غضون ساعة واحدة سيرًا على الأقدام من مركز صحي أساسي في المنطقة الجنوبية [14] . هناك أيضًا قيود في البيانات النقطية السكانية ، والتي تحسب عدد السكان الوطني ليكون 26505292 بينما تعد أحدث بيانات التعداد السكاني عدد السكان فوق 28 مليون. تستثني مجموعة بيانات المنشأة الصحية ثمانية مرافق ، بعضها بسبب عدم إمكانية الوصول الجغرافي الذي كان محور دراستنا. بالإضافة إلى قياس إمكانية الوصول الجغرافي ، قيمت هذه الدراسة قدرة كل مرفق صحي مجهز لتوصيل الأكسجين خلال فترة أسبوع واحد. لقد كنا مقيدين أيضًا بطبيعة مجموعة البيانات الخاصة بنا ، حيث تلتقط السعة المرصودة نقطة زمنية واحدة ولم تدمج سلسلة التوريد بأكملها. تعتمد أسطوانات الأكسجين بشكل كبير على سلسلة إمداد مستقرة وموثوقة ، حيث نفذت جميع أسطوانات الأكسجين بعد هذا الإمداد الأولي ، وهو ما يمثل 8.4 مريض - أسبوعًا فقط من وقت التدفق عبر 15 مرفقًا صحيًا. قد يكون من المفيد الحصول على معلومات إضافية عن أحجام الأسطوانات ومدى توافر حوامل مقياس التدفق ، والحصول على معلومات عن تواتر إعادة مخزون الإمداد. قدم الافتراض الذي قمنا به فيما يتعلق بحجم الأسطوانة أكثر التقديرات تحرراً لسعة توصيل الأكسجين ، فإن أي أحجام أصغر من شأنها أن تقلل من وقت التدفق. يمكن إجراء حسابات محددة باستخدام المعلومات المقدمة حول أحجام الأسطوانات القياسية المتغيرة في الجدول التكميلي 2. ومع ذلك ، فإن اتساع وحداثة مجموعة بيانات SARA تجعلها أداة مفيدة لتحليلات قدرة المرافق الصحية وتمثل المعلومات الأكثر شمولاً التي يمكن استخدامها لتخطيط الاستجابة لتفشي المرض في موزمبيق. تتضمن الخريطة التي تم إنتاجها معلومات عن التباين في سعة الأسرة ، يتم تضمين هذه المعلومات بالإضافة إلى معلومات عن عدد الأطباء والموظفين في كل منشأة في مجموعة بيانات SARA ويمكن أن تكون محورًا لمزيد من البحث. علاوة على ذلك ، شمل هذا التحليل فقط المرافق الصحية المجهزة بواحد على الأقل من كل من الملحقات المطلوبة لتوصيل الأكسجين. تحتوي المرافق الأخرى التي تم مسحها في التعداد على واحد أو أكثر من المكونات المتاحة ، ولكنها تفتقر إلى المعدات الأساسية ، مثل أجهزة التوصيل ، التي يمكن توفيرها بسرعة. قد يقوم تحليل إضافي بتقييم التكاليف المرتبطة بالتوسع السريع. ستسمح المعلومات المتعلقة بسلاسل التوريد ومسارات الإحالة للباحثين وصناع القرار بالحصول على رؤية أوسع لقدرة النظام الصحي على مواجهة COVID-19 ، بما يتجاوز أسابيع المريض من وقت التدفق من العرض الحالي. علاوة على ذلك ، اشتد عنف المتمردين في كابو ديلجادو في الأشهر الأخيرة اعتبارًا من 18 ديسمبر 2020 ، أفادت مفوضية الأمم المتحدة لشؤون اللاجئين أن ما يقدر بنحو 530 ألف شخص نزحوا داخليًا في المنطقة الشمالية من البلاد وأن الطرق بأكملها غير سالكة بسبب المخاوف الأمنية والظروف السيئة [23 ]. قد ينعكس هذا في نتائج الدراسة كما ذكرنا سابقًا ، تم استبعاد عدد صغير من المرافق الصحية في كابو ديلجادو من قائمة جرد SARA لأسباب ذات صلة.

أخيرًا ، من المحتمل أن تتأثر اتجاهات الانتقال بالمتغيرات الناشئة ، وكذلك بالتأثير الوسيط المحتمل للقاحات. تم اكتشاف المتغير 501Y.V2 في جنوب إفريقيا وفي جميع أنحاء زامبيا في ديسمبر 2020 وارتبط بزيادة قابلية الانتقال. تشير البيانات المبكرة إلى أن بعض اللقاحات قد تكون أقل فعالية ضد هذا البديل [24 ، 25]. بينما لم يتم تنفيذ تسلسل الجينوم على نطاق واسع في موزمبيق ، تم اكتشاف المتغير في ما لا يقل عن اثني عشر دولة مختلفة بما في ذلك الولايات المتحدة [26] ، ومن المحتمل أن يصبح السلالة السائدة في موزمبيق التي تشترك في الحدود مع كل من زامبيا وجنوب إفريقيا . في الوقت نفسه ، سيكون توزيع اللقاح العالمي غير عادل. تقدمت موزامبيق بطلب لتلقي اللقاحات من خلال COVAX ، وهو نظام عالمي لتجميع الموارد تنسقه منظمة الصحة العالمية ، والتحالف من أجل ابتكارات التأهب للأوبئة (CEPI) ، وتحالف اللقاحات Gavi. صرح وزير الصحة في موزمبيق ، أرميندو تياغو ، مؤخرًا أن إطلاق اللقاح المتوقع يمكن أن يبدأ في يونيو أو يوليو ، مع إعطاء اللقاحات إلى 20٪ من سكانها بحلول نهاية عام 2021 [27]. يمكن اعتبار هذا "أفضل سيناريو". تضيف التقارير الأخيرة من COVAX تحذيرًا قويًا من أن هذا الجدول الزمني يعتمد على توافر التمويل والقدرة التصنيعية غير المؤكدة ، بالإضافة إلى الموافقة على اللقاحات المرشحة المضمونة التي تم احتسابها في العرض المتوقع ولكنها لا تزال قيد التطوير. حتى لو تم الحصول على التمويل ، فإن المعروض من اللقاحات التي يمكن تصنيعها سيكون محدودًا ، والغالبية العظمى تم شراؤها مسبقًا من قبل الدول الغنية. توقع تحليل حديث أجراه مركز الابتكار الصحي العالمي في جامعة ديوك أنه قد يستغرق الأمر ثلاث أو أربع سنوات قبل أن يصبح اللقاح متاحًا على نطاق واسع للأشخاص الذين يعيشون في الدول الفقيرة [28]. متطلبات التخزين والنقل للقاحات المعتمدة هي أيضًا تحديات متوقعة في العديد من البلدان الفقيرة [29]. بدون جدول زمني واضح ، من المرجح أن يظل توفير العلاج الداعم للمرضى المصابين بأمراض خطيرة أولوية في موزمبيق في المستقبل المنظور ، بدون جدول زمني واضح ، أو إمدادات اللقاح المتوقعة ، أو البنية التحتية المتطورة لتوزيع اللقاح.


مقدمة

عندما بدأ الأوروبيون في الوصول إلى شمال شرق أمريكا الشمالية في القرنين السادس عشر والسابع عشر بعد الميلاد ، دخلوا في مشهد اجتماعي كان في طور التحول الجيوسياسي الديناميكي. على مدار القرنين الخامس عشر والسادس عشر الميلاديين ، تحرك الأيروكويون الذين يعيشون على الشاطئ الشمالي لبحيرة أونتاريو في أونتاريو الحالية شمالًا نحو الشاطئ الجنوبي للخليج الجورجي ، بينما في نفس الوقت اندمجوا في قرى وبلدات كبيرة ، مشكلين الأمم ، وفي النهاية اتحاد الوندات (هورون) [1-3]. في منطقة Finger Lakes ووادي نهر Mohawk في نيويورك الحالية ، كان تشكيل القرى الكبيرة أيضًا اتجاهًا ، لكن الاندماج الجغرافي لم يحدث كما هو الحال في أونتاريو. وبدلاً من ذلك ، شكلت مجموعات منفصلة من المدن أممًا توحدت باسم اتحاد Haudenosaunee (Iroquois) [4]. كانت عمليات تجميع المستوطنات وإعادة الاصطفاف السياسي الإقليمي جزءًا من تشكيل هياكل كونفدرالية مختلفة جدًا لـ Wendat و Haudenosaunee بدءًا من القرن السادس عشر الميلادي ، في أونتاريو الحالية ونيويورك ، على التوالي [5]. على النقيض من عمليات التوحيد السياسي هذه ، تفرق سكان القرى الإيروكوا الذين يعيشون في وادي نهر سانت لورانس في أواخر القرنين الخامس عشر والسادس عشر [6،7]. في حين أن الأسئلة حول "اختفاء" مجتمعات سانت لورانس الإيروكوية انشغلت بعلماء الآثار في منتصف القرن العشرين [8،9] ، فإن النظريات الحالية ترى أن هؤلاء السكان قد استوعبتهم المجموعات الإيروكوية المذكورة أعلاه والتي تعيش في الشمال والجنوب. ، 7،10]. ومع ذلك ، فقد بدأنا للتو في فهم الدور الذي لعبه هؤلاء السكان في المشهد الاجتماعي والسياسي في القرنين الخامس عشر والسادس عشر لإيروكويا ، وهو موضوع تساهم فيه هذه الدراسة.

لقد أصبح من الواضح بشكل متزايد أن القرويين الأيروكويين الشماليين الذين يعيشون في مقاطعة جيفرسون الحالية ، نيويورك (يشار إليها فيما بعد بـ JCI) ، في منابع نهر سانت لورانس والشاطئ الشرقي لبحيرة أونتاريو ، لعبوا أدوارًا مهمة في التفاعلات الإقليمية خلال القرن الخامس عشر. century AD, particularly between Iroquoians living on Lake Ontario's north shore and the Oneida Lowlands and Mohawk River valley (Fig 1). There are few antecedents in the area and it is likely that JCI populations moved into the region from elsewhere in Northern Iroquoia during the late fourteenth to early fifteenth centuries [11]. Many JCI sites were situated on defensive landforms and surrounded by earthworks. JCI populations may have experienced coalescence in a manner similar to populations to the north and south though the trend towards larger villages was not uniform across the region [12]. Social network analyses based on the designs incised and/or stamped on pottery vessel collars suggest that JCI occupied liaison brokerage [13] positions in regional networks [6]. As liaison brokers, JCI mediated interactions between northern (Ontario) and southern (Oneida Lowlands and Mohawk River) network components.

Two overarching models have been identified concerning the effects of brokerage positions in social networks that have been glossed as individualist and collectivist perspectives [14]. According to individualist models, actors occupying brokerage positions may accrue social capital positively in societies that value personal advancement and economic success [13,15–17]. However, in more collectively-oriented, and especially non-Western societies such as those of Northern Iroquoia, brokers may be viewed with suspicion or mistrust [14,17,18]. Archaeological applications of social network analysis have identified differences in the ways that the intermediate position of brokers has affected the historical development of regional settlement dynamics [6,14,19].

In addition to formal network analyses, distributions of artifacts also suggest important roles for JCI in regional interactions. Wonderley [20] analyzed distributions of certain effigy pipes that are most prevalent on JCI sites but also occur in smaller numbers on sites in the Oneida lowlands and Mohawk River valley. He suggested that this pattern reflects an interaction sphere consisting of “peaceful interaction of pipe-smoking representatives of the various communities,” in diplomatic activities ([20], p. 232). More recently Jones et al.’s [21] geochemical analysis of steatite beads (also see [22,23]) suggested that beads found on north shore Iroquoian sites originated in Jefferson County leading them to suggest that JCI were “engaging in processes of interaction and alliance-building with ancestral Huron-Wendat populations during the late 15th century” ([21], p. 513).

While it is clear that JCI were important components of regional networks, serving as liaison brokers between communities in Ontario and New York, there remains much to be learned about how and why they came to play this role. What factors led to the JCI serving as liaison brokers in fifteenth-century AD northern Iroquoia? We suggest that the location of these sites at على حد سواء a physiographic boundary and a cultural divide between nascent Haudenosaunee and Wendat confederacies is one possible factor. Archaeological investigations of frontiers have generally focused on colonial and nation-state building contexts [24]. Only recently have analyses examined frontier settings in collectively-oriented societies (e.g., [6,14]). Jefferson County’s location is one of two overland routes between southern Ontario and New York, the other being on the west shore of Lake Ontario crossing the Niagara River. This strategic location—the lands that connect Lake Ontario to the St. Lawrence River Valley-Atlantic corridor—was a critical trade artery in the later era of European contact [25]. It thus stands to reason that this was also a strategic geographical location for Iroquoian peoples prior to European contact.

Previous pan-Iroquoian network analyses have been based on a large matrix of Brainerd-Robinson (BR) similarity coefficients calculated from site-specific counts of decorative motifs stamped and/or incised on the collars of pots [5, 6, 26–28]. Collars are thickened bands of clay that circle a pot’s rim extending up to several centimeters down from the lip, that served as highly visible decoration platforms. The decorations are interpreted as signals of traits of the women who made/used the pots [27]. These signals probably reflected women’s political activities among other traits [5]. Previous analyses have demonstrated that networks based on this matrix track regional settlement and socio-political trends and structures [5,27].


Assessment of groundwater potential in terms of the availability and quality of the resource: a case study from Iraq

A semi-confined aquifer from Kirkuk Governorate, northern Iraq was taken as a case study to map groundwater potential in terms of both the availability and quality of the resource. In terms of quantity, five machine learning (ML) algorithms were used to model the relationship between locations of 1031 wells with specific-capacity data and nine influential groundwater occurrence factors. The algorithms used were linear discriminant analysis, classification and regression trees, linear vector quantization, random forest, and K-nearest neighbor. The groundwater occurrence factors used were elevation, slope, curvature, aspect, aquifer transmissivity, specific storage, soil, geology, and groundwater depth. Analysis of the worthiness of the factors used in the analysis by the information gain ratio indicated that five out of nine factors were worthy (average merit > 0): groundwater depth, elevation, transmissivity, specific storage, and soil. The remaining factors were non-worthy (average merit = 0) and thus they were removed from the analysis. The performance of the five ML algorithms was investigated using accuracy and kappa as evaluation metrics. Applying the models in the carte package of R software indicated that random forest was the best model. The probability values of this model were used for mapping quantitative groundwater potential after classification into three zones: poor, moderate, and excellent. Groundwater quality for drinking was modeled using the water quality index and the weights of the chemical constituents used (pH, TDS, Ca 2+ , Mg 2+ , Na + , (>_<4>^<2->) , (>^<->) , and (>_<3>^<->) ) were assigned using entropy information theory. A map of the groundwater quality index revealed five classes: < 50 (excellent), 50–100 (good), 100–150 (moderate), 150–200 (poor), and > 200 (extremely poor). Combining the groundwater quality index map with the groundwater potential map using summation operators revealed three zones of groundwater potential: poor, moderate, and excellent. Comparing this combined map with the quantitative groundwater potential map showed different patterns for the distribution of potential classes, which confirms that analysis of the groundwater potential should include groundwater quality as an important factor.

هذه معاينة لمحتوى الاشتراك ، والوصول عبر مؤسستك.


Attribute table is missing in raster after using extract by mask tool - Geographic Information Systems

Ensure that you are logged in and have the required permissions to access the test.

A server error has occurred. Please refresh the page or try after some time.

An error has occurred. Please refresh the page or try after some time.

Мы заботимся о конфиденциальности ваших данных. HackerEarth использует предоставленную вами информацию для предоставления вам актуального содержимого, продуктов и услуг.

Наша Политика конфиденциальности и Условия оказания услуг помогут вам понять, как вы контролируете свои данные на HackerEarth.

Signup and get free access to 100+ Tutorials and Practice Problems Начать

I wanted to extract each pixel values so that i can use them for locating simple objects in an image. Every image is made up of pixels and when these values are extracted using python, four values are obtained for each pixel (R,G,B,A). This is called the RGBA color space having the Red, Green, Blue colors and Alpha value respectively.

In python we use a library called PIL (python imaging Library). The modules in this library is used for image processing and has support for many file formats like png, jpg, bmp, gif etc. It comes with large number of functions that can be used to open, extract data, change properties, create new images and much more…

PIL comes pre installed with python2.7 in Ubuntu but for windows it has to be installed manually. But for either operating systems having python2.7 or more can be downloaded from here. and for python3 it can be downloaded from here.

    import the Image module of PIL into the shell:

>>>from PIL import Image

>>>im = Image.open(‘myfile.png’, ‘ r’)

>>>pix_val = list(im.getdata())

pix_val is the list that contains all the pixel values which can be printed to see those values But the list got is a list of sets and some times its needed to flatten the list for example if the list is like: [(123,124,145,120), (345,453,234,124),……] and the list that is needed is [123, 124, 145, 120, 345, 453, 234, 124….] then the command to flatten the list is:

>>> pix_val_flat = [x for sets in pix_val for x in sets]

This list comprehension extracts each element of each set in the list pix_val and all the elements are stored in pix_val_flat. Thus this can be compiled into a script or made into a function which can be used in any image processing projects later. PIL is one of the many methods for image processing. pygames or numpy can be used with their respective modules to process images as well.


The full listing is in the kernel source, in the file arch/x86/include/asm/cpufeatures.h .

Intel-defined CPU features, CPUID level 0x00000001 (edx)

  • fpu : Onboard FPU (floating point support)
  • vme : Virtual 8086 mode enhancements
  • de : Debugging Extensions (CR4.DE)
  • pse : Page Size Extensions (4MB memory pages)
  • tsc : Time Stamp Counter (RDTSC)
  • msr : Model-Specific Registers (RDMSR, WRMSR)
  • pae : Physical Address Extensions (support for more than 4GB of RAM)
  • mce : Machine Check Exception
  • cx8 : CMPXCHG8 instruction (64-bit compare-and-swap)
  • apic : Onboard APIC
  • sep : SYSENTER/SYSEXIT
  • mtrr : Memory Type Range Registers
  • pge : Page Global Enable (global bit in PDEs and PTEs)
  • mca : Machine Check Architecture
  • cmov : CMOV instructions (conditional move) (also FCMOV)
  • pat : Page Attribute Table
  • pse36 : 36-bit PSEs (huge pages)
  • pn : Processor serial number
  • clflush : Cache Line Flush instruction
  • dts : Debug Store (buffer for debugging and profiling instructions)
  • acpi : ACPI via MSR (temperature monitoring and clock speed modulation)
  • mmx : Multimedia Extensions
  • fxsr : FXSAVE/FXRSTOR, CR4.OSFXSR
  • sse : Intel SSE vector instructions
  • sse2 : SSE2
  • ss : CPU self snoop
  • ht : Hyper-Threading and/or multi-core
  • tm : Automatic clock control (Thermal Monitor)
  • ia64 : Intel Itanium Architecture 64-bit (not to be confused with Intel's 64-bit x86 architecture with flag x86-64 or "AMD64" bit indicated by flag lm )
  • pbe : Pending Break Enable (PBE# pin) wakeup support

AMD-defined CPU features, CPUID level 0x80000001

  • syscall : SYSCALL (Fast System Call) and SYSRET (Return From Fast System Call)
  • mp : Multiprocessing Capable.
  • nx : Execute Disable
  • mmxext : AMD MMX extensions
  • fxsr_opt : FXSAVE/FXRSTOR optimizations
  • pdpe1gb : One GB pages (allows hugepagesz=1G )
  • rdtscp : Read Time-Stamp Counter and Processor ID
  • lm : Long Mode (x86-64: amd64, also known as Intel 64, i.e. 64-bit capable)
  • 3dnowext : AMD 3DNow! ملحقات
  • 3dnow : 3DNow! (AMD vector instructions, competing with Intel's SSE1)

Transmeta-defined CPU features, CPUID level 0x80860001

  • recovery : CPU in recovery mode
  • longrun : Longrun power control
  • lrti : LongRun table interface

Other features, Linux-defined mapping

  • cxmmx : Cyrix MMX extensions
  • k6_mtrr : AMD K6 nonstandard MTRRs
  • cyrix_arr : Cyrix ARRs (= MTRRs)
  • centaur_mcr : Centaur MCRs (= MTRRs)
  • constant_tsc : TSC ticks at a constant rate
  • up : SMP kernel running on UP
  • art : Always-Running Timer
  • arch_perfmon : Intel Architectural PerfMon
  • pebs : Precise-Event Based Sampling
  • bts : Branch Trace Store
  • rep_good : rep microcode works well
  • acc_power : AMD accumulated power mechanism
  • nopl : The NOPL (0F 1F) instructions
  • xtopology : cpu topology enum extensions
  • tsc_reliable : TSC is known to be reliable
  • nonstop_tsc : TSC does not stop in C states
  • cpuid : CPU has CPUID instruction itself
  • extd_apicid : has extended APICID (8 bits)
  • amd_dcm : multi-node processor
  • aperfmperf : APERFMPERF
  • eagerfpu : Non lazy FPU restore
  • nonstop_tsc_s3 : TSC doesn't stop in S3 state
  • tsc_known_freq : TSC has known frequency
  • mce_recovery : CPU has recoverable machine checks

Intel-defined CPU features, CPUID level 0x00000001 (ecx)

  • pni : SSE-3 (“Prescott New Instructions”)
  • pclmulqdq : Perform a Carry-Less Multiplication of Quadwordinstruction — accelerator for GCM)
  • dtes64 : 64-bit Debug Store
  • monitor : Monitor/Mwait support (Intel SSE3 supplements)
  • ds_cpl : CPL Qual. Debug Store
  • vmx : Hardware virtualization: Intel VMX
  • smx : Safer mode: TXT (TPM support)
  • est : Enhanced SpeedStep
  • tm2 : Thermal Monitor 2
  • ssse3 : Supplemental SSE-3
  • cid : Context ID
  • sdbg : silicon debug
  • fma : Fused multiply-add
  • cx16 : CMPXCHG16B
  • xtpr : Send Task Priority Messages
  • pdcm : Performance Capabilities
  • pcid : Process Context Identifiers
  • dca : Direct Cache Access
  • sse4_1 : SSE-4.1
  • sse4_2 : SSE-4.2
  • x2apic : x2APIC
  • movbe : Move Data After Swapping Bytes instruction
  • popcnt : Return the Count of Number of Bits Set to 1instruction (Hamming weight, i.e. bit count)
  • tsc_deadline_timer : Tsc deadline timer
  • aes / aes-ni : Advanced Encryption Standard (New Instructions)
  • xsave : Save Processor Extended States: also provides XGETBY,XRSTOR,XSETBY
  • avx : Advanced Vector Extensions
  • f16c : 16-bit fp conversions (CVT16)
  • rdrand : Read Random Number from hardware random number generator instruction
  • hypervisor : Running on a hypervisor

VIA/Cyrix/Centaur-defined CPU features, CPUID level 0xC0000001

  • rng : Random Number Generator present (xstore)
  • rng_en : Random Number Generator enabled
  • ace : on-CPU crypto (xcrypt)
  • ace_en : on-CPU crypto enabled
  • ace2 : Advanced Cryptography Engine v2
  • ace2_en : ACE v2 enabled
  • phe : PadLock Hash Engine
  • phe_en : PHE enabled
  • pmm : PadLock Montgomery Multiplier
  • pmm_en : PMM enabled

More extended AMD flags: CPUID level 0x80000001, ecx

  • lahf_lm : Load AH from Flags (LAHF) and Store AH into Flags (SAHF) in long mode
  • cmp_legacy : If yes HyperThreading not valid
  • svm : “Secure virtual machine”: AMD-V
  • extapic : Extended APIC space
  • cr8_legacy : CR8 in 32-bit mode
  • abm : Advanced Bit Manipulation
  • sse4a : SSE-4A
  • misalignsse : indicates if a general-protection exception (#GP) is generated when some legacy SSE instructions operate on unaligned data. Also depends on CR0 and Alignment Checking bit
  • 3dnowprefetch : 3DNow prefetch instructions
  • osvw : indicates OS Visible Workaround, which allows the OS to work around processor errata.
  • ibs : Instruction Based Sampling
  • xop : extended AVX instructions
  • skinit : SKINIT/STGI instructions
  • wdt : Watchdog timer
  • lwp : Light Weight Profiling
  • fma4 : 4 operands MAC instructions
  • tce : translation cache extension
  • nodeid_msr : NodeId MSR
  • tbm : Trailing Bit Manipulation
  • topoext : Topology Extensions CPUID leafs
  • perfctr_core : Core Performance Counter Extensions
  • perfctr_nb : NB Performance Counter Extensions
  • bpext : data breakpoint extension
  • ptsc : performance time-stamp counter
  • perfctr_l2 : L2 Performance Counter Extensions
  • mwaitx : MWAIT extension ( MONITORX / MWAITX )

Auxiliary flags: Linux defined - For features scattered in various CPUID levels

  • ring3mwait : Ring 3 MONITOR/MWAIT
  • cpuid_fault : Intel CPUID faulting
  • cpb : AMD Core Performance Boost
  • epb : IA32_ENERGY_PERF_BIAS support
  • cat_l3 : Cache Allocation Technology L3
  • cat_l2 : Cache Allocation Technology L2
  • cdp_l3 : Code and Data Prioritization L3
  • invpcid_single : effectively invpcid and CR4.PCIDE=1
  • hw_pstate : AMD HW-PState
  • proc_feedback : AMD ProcFeedbackInterface
  • sme : AMD Secure Memory Encryption
  • pti : Kernel Page Table Isolation (Kaiser)
  • retpoline : Retpoline mitigation for Spectre variant 2 (indirect branches)
  • retpoline_amd : AMD Retpoline mitigation
  • intel_ppin : Intel Processor Inventory Number
  • avx512_4vnniw : AVX-512 Neural Network Instructions
  • avx512_4fmaps : AVX-512 Multiply Accumulation Single precision
  • mba : Memory Bandwidth Allocation
  • rsb_ctxsw : Fill RSB on context switches

Virtualization flags: Linux defined

  • tpr_shadow : Intel TPR Shadow
  • vnmi : Intel Virtual NMI
  • flexpriority : Intel FlexPriority
  • ept : Intel Extended Page Table
  • vpid : Intel Virtual Processor ID
  • vmmcall : prefer VMMCALL to VMCALL

Intel-defined CPU features, CPUID level 0x00000007:0 (ebx)

  • fsgsbase : BASE instructions
  • tsc_adjust : TSC adjustment MSR
  • bmi1 : 1st group bit manipulation extensions
  • hle : Hardware Lock Elision
  • avx2 : AVX2 instructions
  • smep : Supervisor Mode Execution Protection
  • bmi2 : 2nd group bit manipulation extensions
  • erms : Enhanced REP MOVSB/STOSB
  • invpcid : Invalidate Processor Context ID
  • rtm : Restricted Transactional Memory
  • cqm : Cache QoS Monitoring
  • mpx : Memory Protection Extension
  • rdt_a : Resource Director Technology Allocation
  • avx512f : AVX-512 foundation
  • avx512dq : AVX-512 Double/Quad instructions
  • rdseed : The RDSEED instruction
  • adx : The ADCX and ADOX instructions
  • smap : Supervisor Mode Access Prevention
  • clflushopt : CLFLUSHOPT instruction
  • clwb : CLWB instruction
  • intel_pt : Intel Processor Tracing
  • avx512pf : AVX-512 Prefetch
  • avx512er : AVX-512 Exponential and Reciprocal
  • avx512cd : AVX-512 Conflict Detection
  • sha_ni : SHA1/SHA256 Instruction Extensions
  • avx512bw : AVX-512 Byte/Word instructions
  • avx512vl : AVX-512 128/256 Vector Length extensions

Extended state features, CPUID level 0x0000000d:1 (eax)

  • xsaveopt : Optimized XSAVE
  • xsavec : XSAVEC
  • xgetbv1 : XGETBV with ECX = 1
  • xsaves : XSAVES / XRSTORS

Intel-defined CPU QoS sub-leaf, CPUID level 0x0000000F:0 (edx)

Intel-defined CPU QoS sub-leaf, CPUID level 0x0000000F:1 (edx)

  • cqm_occup_llc : LLC occupancy monitoring
  • cqm_mbm_total : LLC total MBM monitoring
  • cqm_mbm_local : LLC local MBM monitoring

AMD-defined CPU features, CPUID level 0x80000008 (ebx)

  • clzero : CLZERO instruction
  • irperf : instructions retired performance counter
  • xsaveerptr : Always save/restore FP error pointers

Thermal and Power Management leaf, CPUID level 0x00000006 (eax)

  • dtherm (formerly dts ): digital thermal sensor
  • ida : Intel Dynamic Acceleration
  • arat : Always Running APIC Timer
  • pln : Intel Power Limit Notification
  • pts : Intel Package Thermal Status
  • hwp : Intel Hardware P-states
  • hwp_notify : HWP notification
  • hwp_act_window : HWP Activity Window
  • hwp_epp : HWP Energy Performance Preference
  • hwp_pkg_req : HWP package-level request

AMD SVM Feature Identification, CPUID level 0x8000000a (edx)

  • npt : AMD Nested Page Table support
  • lbrv : AMD LBR Virtualization support
  • svm_lock : AMD SVM locking MSR
  • nrip_save : AMD SVM next_rip save
  • tsc_scale : AMD TSC scaling support
  • vmcb_clean : AMD VMCB clean bits support
  • flushbyasid : AMD flush-by-ASID support
  • decodeassists : AMD Decode Assists support
  • pausefilter : AMD filtered pause intercept
  • pfthreshold : AMD pause filter threshold
  • avic : Virtual Interrupt Controller
  • vmsave_vmload : Virtual VMSAVE VMLOAD
  • vgif : Virtual GIF

Intel-defined CPU features, CPUID level 0x00000007:0 (ecx)

  • avx512vbmi : AVX512 Vector Bit Manipulation instructions
  • umip : User Mode Instruction Protection
  • pku : Protection Keys for Userspace
  • ospke : OS Protection Keys Enable
  • avx512_vbmi2 : Additional AVX512 Vector Bit Manipulation instructions
  • gfni : Galois Field New Instructions
  • vaes : Vector AES
  • vpclmulqdq : Carry-Less Multiplication Double Quadword
  • avx512_vnni : Vector Neural Network Instructions
  • avx512_bitalg : VPOPCNT[B,W] and VPSHUF-BITQMB instructions
  • avx512_vpopcntdq : POPCNT for vectors of DW/QW
  • la57 : 5-level page tables
  • rdpid : RDPID instruction

AMD-defined CPU features, CPUID level 0x80000007 (ebx)

  • overflow_recov : MCA overflow recovery support
  • succor : uncorrectable error containment and recovery
  • smca : Scalable MCA

Detected CPU bugs (Linux-defined)

  • f00f : Intel F00F
  • fdiv : CPU FDIV
  • coma : Cyrix 6x86 coma
  • amd_tlb_mmatch : tlb_mmatch AMD Erratum 383
  • amd_apic_c1e : apic_c1e AMD Erratum 400
  • 11ap : Bad local APIC aka 11AP
  • fxsave_leak : FXSAVE leaks FOP/FIP/FOP
  • clflush_monitor : AAI65, CLFLUSH required before MONITOR
  • sysret_ss_attrs : SYSRET doesn't fix up SS attrs
  • espfix : "" IRET to 16-bit SS corrupts ESP/RSP high bits
  • null_seg : Nulling a selector preserves the base
  • swapgs_fence : SWAPGS without input dep on GS
  • monitor : IPI required to wake up remote CPU
  • amd_e400 : CPU is among the affected by Erratum 400
  • cpu_meltdown : CPU is affected by meltdown attack and needs kernel page table isolation
  • spectre_v1 : CPU is affected by Spectre variant 1 attack with conditional branches
  • spectre_v2 : CPU is affected by Spectre variant 2 attack with indirect branches
  • spec_store_bypass : CPU is affected by the Speculative Store Bypass vulnerability (Spectre variant 4).

ملاحظة. This listing was derived from arch/x86/include/asm/cpufeatures.h in the kernel source. The flags are listed in the same order as the source code. Please help by adding links to descriptions of features when they're missing, by writing a short description of features that have an unexpressive names, and by updating the list for new kernel versions. The current list is from Linux 4.15 plus some later additions.

On ARM processors, a few features are mentioned in the features: line. Only features directly related to the ARM architecture are mentioned there, not features specific to a silicon manufacturer or system-on-chip.

The features are obtained from looking up the CPU id with read_cpuid() and looking it up in the processor type definitions known at compile time where the features are expressed as a mask of HWCAP_xxx flags. The corresponding strings are in hwcap_str etc. in setup.c .

In the list below, ARMv6 introduced SIMD instructions and datatypes. ARMv7 provided Advanced SIMD instructions and datatypes. On 32-bit ARM machines, neon signals Advanced SIMD while asimd signals Advanced SIMD on 64-bit arm machines.

  • swp : SWP instruction (atomic read-modify-write)
  • half : Half-word loads and stores
  • thumb : Thumb (16-bit instruction set)
  • 26bit : "26 Bit" Model (Processor status register folded into program counter)
  • fastmult : 32×32→64-bit multiplication
  • fpa : Floating point accelerator
  • vfp : VFP (early SIMD vector floating point instructions)
  • edsp : DSP extensions (the 'e' variant of the ARM9 CPUs, and all others above)
  • java : Jazelle (Java bytecode accelerator)
  • iwmmxt : SIMD instructions similar to Intel MMX
  • crunch : MaverickCrunch coprocessor (if kernel support enabled)
  • thumbee : ThumbEE
  • neon : Advanced SIMD/NEON ( asimd on AArch64 older kernels)
  • vfpv3 : VFP version 3
  • vfpv3d16 : VFP version 3 with 16 D-registers
  • tls : TLS register
  • vfpv4 : VFP version 4 with fast context switching
  • idiva : SDIV and UDIV hardware division in ARM mode
  • idivt : SDIV and UDIV hardware division in Thumb mode
  • vfpd32 : VFP with 32 D-registers
  • lpae : Large Physical Address Extension (>4GB physical memory on 32-bit architecture)
  • evtstrm : kernel event stream using generic architected timer
  • aes : hardware-accelerated AES (secret-key cryptography)
  • pmull <2>: 64×64→128-bit F2 m multiplication — acceleration for the GCM mode of authenticated encryption
  • sha1 : hardware-accelerated SHA-1
  • sha2 : hardware-accelerated SHA-256
  • crc32 : hardware-accelerated CRC-32

Beyond that, the Hardware: line indicates the processor model. Depending on the model, there may be other information in other files under /proc or /sys , or in boot-time kernel log messages. Unfortunately each ARM CPU manufacturer has its own method for reporting processor features, if any.