Більше

Інтерполюйте значення у певній точці за допомогою кригінгу

Інтерполюйте значення у певній точці за допомогою кригінгу


Чи можна інтерполювати конкретне значення в точці за допомогою інструмента Кригінга в наборі інструментів просторового аналітика? Якщо ні, то як це можна зробити в Arcgis?

Наскільки мені відомо, Arcgis виробляє лише растр. Для мене це не застосовується, тому що мені потрібно щось швидко інтерполювати, і це має бути в певній точці (географічні координати). Я намагаюся інтерполювати дані про погоду (температура, вологість тощо).


Якщо комусь цікаво виконати це завдання, не потребуючи його перебування в ArcGIS для робочого столу.

У R є пакет automap, функціяautoKrige. Аргумент new_data, який вказує, де відбуватиметься інтерполяція, приймає точки (крім сітки та багатокутників).

У посібнику сказано:

new_data: об'єкт sp, що містить місця передбачення, new_data може бути набором точок, сіткою або багатокутником. Не повинно містити NA. Якщо цей об’єкт не надано, обчислюється за замовчуванням. Це робиться шляхом взяття опуклої оболонки аргументу input_data і розміщення в цій опуклій оболонці близько 5000 сіткових комірок.

Якщо є декілька цікавих місць, інтерполяцію можна здійснити лише за один крок.


2 відповіді 2

Як каже Лорі, оскільки це на основі XSL, у вас є кілька варіантів. Я можу придумати три способи встановити ваш XSL у верхній частині голови:

Відредагуйте в SharePoint Designer 2010 та виконайте деяке «умовне форматування». Це фактично вбудує XSL у веб -частину.

Помістіть XSL в окремий файл і використовуйте властивість XSL Link, щоб додати його до веб -частини. Одна з переваг цього полягає в тому, що його можна повторно використовувати в кількох веб-частинах. Раніше я писав про цю техніку заміни XLV, включаючи приклад на основі нестандартного списку завдань.

Розгортайте деякий XSL у файловій системі, використовуючи розширюваність техніки fldtypes _*. Xsl - подібно до того, ніби створюєте повністю користувацький тип поля. Це корисний підхід, якщо ви хочете, щоб ваше форматування застосовувалося повсюдно, не турбуючись про налаштування конкретних веб -частин - і навіть може бути націлене на певні стовпці та/ або списки.


Інтеграція карт SSURGO та параметрів ґрунту в геоінформаційну систему та систему моделей забруднення неточкових джерел.

У розробці планів управління щодо усунення проблем якості води на вододільних масштабах, крім забруднення ПС (точкове джерело), ​​завантаження забруднення неточковими джерелами (НПЗ) та його наслідки загалом визнаються фундаментальними компонентами (USEPA, 1999 Лавджой та ін та ін., 2000). Через складний характер гідрологічних процесів рекомендована оцінка альтернативних методів управління, землекористування та збереження практично виконується за допомогою математичних моделей забруднення джерелами неточкових джерел у поєднанні з програмним забезпеченням географічної інформаційної системи (ГІС). Одна з таких систем складається з моделі інструменту оцінки ґрунту та води (SWAT) та супутнього програмного забезпечення ArcView SWAT (AVSWAT).

SWAT (Arnold et al., 1998) - це гідрологічна модель, розроблена для того, щоб допомогти керівникам водних ресурсів оцінити вплив управління та клімату на водопостачання, а також забруднення джерелами неточкових джерел у вододілах та великих басейнах річок. Основні компоненти моделі включають: погоду, гідрологію, ерозію/осадження, зростання рослин, поживні речовини, пестициди, управління сільським господарством, маршрутизацію потоків та маршрутизацію водойми/водойми. Модель була розроблена на початку 1990-х років і представляє понад 30 років вдосконалення моделі в рамках Служби аграрних досліджень Міністерства сільського господарства США (USDA-ARS). Остання версія SWAT2003 має потенціал для розширення та вдосконалення модельних додатків (тобто підтримки програм TMDL) завдяки нещодавньому включенню процедур транспортування бактерій, дренажу плитки, забруднення міст, рівнянь інфільтрації Гріна та Ампта та деякі інші особливості (Арнольд та ін., 2002).

AVSWAT (Di Luzio et al., 2004) був розроблений як розширення програмного забезпечення ГІС ArcView [R] 3.x (ESRI, 1996) для підтримки SWAT2003. Він надає повний спектр зручних та інтерактивних можливостей маніпулювання введенням/виходом, призначених для допомоги користувачеві у виконанні численних завдань. Вони включають: сегментацію та визначення розмірів вододілу як за допомогою цифрового опису рельєфу території (DEM, цифрова модель висот), так і геоморфологічного підходу, імпортування та форматування допоміжних даних (тобто використання земель та ґрунтові карти), аналіз та відображення вихідних даних з моделювання моделі, формулювання сценаріїв управління та виконання базових калібрувань. Додатки AVSWAT не обмежуються певним географічним розташуванням, однак для Сполучених Штатів користувачі підтримуються заздалегідь визначеними наборами даних. Один з цих наборів даних є частиною бази даних STATSGO (State Soil Geographic) (USDA, 1994) на базовій карті масштабу 1: 250 000.

Географічна база географічних досліджень (SSURGO) (USDA, 1995) розробляється Службою збереження природних ресурсів (NRCS) у масштабі карти між 1: 12000 та 1: 63,360. Просторові відмінності між двома доступними базами даних (STATSGO та SSURGO) для невеликих територій або вододілів, що досягають потоків, можуть бути значними (Lathrop et al., 1995 Juracek and Wolock, 2002). Крім того, зміна деталей у просторовій сегментації має величезний вплив у моделях забруднення неточкових джерел (Brown et al., 1993 Vieux та Needham, 1993), особливо на ерозію, транспортну здатність та результати виходу осаду.

У моделі SWAT концептуалізація вододілу переважно параметризується за допомогою серії елементарних одиниць гідрологічного реагування (HRU), замість того, щоб приймати зведене представлення параметрів. Кожна одиниця гідрологічного реагування відповідає певній комбінації категорій ґрунту та землекористування, накладеної у межах кожного підвододілу. Ряд вхідних даних для моделі - це гідрологічні одиниці реагування (тобто фізичні та хімічні параметри ґрунту, використання землі та операції з управління ґрунтом та ґрунтові води). Зокрема, модель вимагає введення вихідних параметрів ґрунту, наведених у таблиці 1. Модель SWAT, будучи фізично обґрунтованою, чутлива до цих параметрів, які беруть участь у всіх її імітаційних модулях (Арнольд та ін., 1998).

Muttiah and Wurbs (2002) показали залежно від масштабу вплив змінності ґрунту на водний баланс вододілу за допомогою моделі SWAT. Зокрема, було відзначено покращення результатів моделювання за рахунок зменшення просторової агрегації вхідних даних або збільшення кількості обчислювальних одиниць (HRU) (Mamillapalli et al., 1996 Bingner et al., 1997 FitzHugh and MacKay , 2000 та 2001 Haverkamp et al., 2002).

Набори даних SSURGO для оцінки вододілів. Розробка методів, що дозволяють використовувати набори даних SSURGO у рамках AVSWAT, насамперед важлива для наслідків моделювання та, зрештою, для успіху вирішених програм вододілу. Для досягнення цієї конкретної мети необхідно вирішити кілька питань:

1. Гідравлічні параметри ґрунту. Географічні бази ґрунтів NRCS (Reybold and TeSelle, 1989) зазвичай складаються з географічних даних цифрової карти та відповідних таблиць даних інтерпретації ґрунту. Кожен багатокутник у географічній базі даних може містити ряд компонентів (розташування компонентів не вказано, але їх пропорції є), еквівалентні рядам грунтів або фазам, кожна з яких характеризується менш повним набором параметрів ґрунту. Деякі з цих параметрів також надаються як діапазони замість окремих значень. Методи оцінки єдиних, репрезентативних гідравлічних властивостей ґрунту, як того вимагає модель SWAT, необхідно застосувати з цих загальних даних про ґрунт.

2. Оновлення даних про ґрунт. Оновлення даних відбувається через те, що стає доступною нова інформація, і тому, що NRCS приймає більш просунуті програмні рішення. NRCS періодично переглядає визначення серій ґрунтів на основі нових рівнів сертифікації, інформації та досліджень. Таблиці, що містяться в дослідженні ґрунту на рівні округу, наприклад таблиці SSURGO, можуть оновлюватися частіше, ніж опитування повторно публікується. Ці переглянуті дані зазвичай переглядаються в польовому офісі NRCS, що охоплює область інтересів. Завдяки цьому процесу, у міру оновлення геодезичних досліджень, загальна кількість грунтових серій, виставлених на картах зйомки ґрунтів (та використаних для формулювання атрибутів одиниць карти), може бути змінена шляхом поєднання або рекласифікації деяких серій. В інших районах серії ґрунтів також можна розділити, щоб точніше описати переважні характеристики ґрунту. Зміни цифрового формату бази даних також можуть відбуватися з часом, як описано далі в цій статті.

3. Доставка та управління просторовими даними ґрунту. AVSWAT допомагає користувачеві вирішувати кілька завдань, необхідних для налаштування та запуску моделі SWAT. Однак користувачеві все ще потрібно впоратися зі збором необхідних наборів вхідних даних. Варіанти доставки даних розширюють доступність та зменшують вартість багатьох наборів цифрових даних. Багато з цих змін пов'язані з Інтернетом. Однак навички та крута крива навчання, необхідні новачкові для управління наборами даних ГІС та для роботи з моделями систем ГІС (Поттер та ін., 2000), у поєднанні з внутрішньою складністю баз даних, пов’язаних із картами ґрунту (Лі та ін. ., 1999) (тобто вирішення таких питань, як обробка різних електронних форматів та систем координат, а також поширення та надмірність даних, доступних через Інтернет), створюють значні проблеми для користувачів.

Завданнями цього дослідження є: (1) описати суттєві технічні особливості бази даних SSURGO та важливі аспекти її використання (2) розробити інструмент використання цієї бази даних у рамках AVSWAT, приділяючи особливу увагу проблемам наведені вище та (3) висвітлюють деякі специфічні переваги впровадженого інструменту, а також наборів даних у прикладах програм.

База даних SSURGO. Відповідно до Національного довідника з ґрунтів (USDA, 2002a), SSURGO визначено як найбільш детальну з цифрових географічних баз ґрунтів, підготовлених NRCS. SSURGO складається з карт на рівні округу, метаданих та таблиць, які визначають пропорційний обсяг складових ґрунтів (фаз) та їх властивості для кожної одиниці карти. SSURGO є первинним продуктом програми Національного кооперативного дослідження грунтів (NCSS), спільними зусиллями NRCS та інших федеральних, державних та місцевих установ, для розміщення даних обстеження ґрунтів у цифровому форматі з метою полегшення їх використання у ГІС. Бази відображення зазвичай є ортофото-квадрациклами або 7,5-хвилинними топо-квадрациклами. Дані архівуються у 7,5-хвилинних одиницях топових квадроциклів та розподіляються як повне охоплення для кожної ділянки обстеження (яка може складатися з округу, кількох округів або частин кількох округів) із усіма суміжними одиницями, що знаходяться між ними, за 7,5 хвилин. Оцифрування інформації опитування округів відповідно до встановлених NRCS специфікацій та стандартів є складним і тривалим завданням (Бек та ін., 2002). NRCS працює з хранителями оцифрованих опитувань для перевірки та перевірки сертифікації стандартів (USDA, 1995). Після того, як дані атрибутів, пов’язані з одиницями ґрунтової карти, були внесені до системи управління базами даних NRCS, вони будуть легко доступні для використання з оцифрованими картами ґрунту. Станом на 3 грудня 2003 р. (USDA, 2003) було визначено, що 1708 із 2519 районів досліджень ґрунтів у США були оцифровані та заархівовані.

В даний час розгорнуто дві окремі та альтернативні структури даних, перша версія SSURGO та поточна версія SSURGO, надалі іменувані SSURGO I та SSURGO II.

SSURGO I використовується з 1990 -х років і є спадщиною базової системи баз даних, раніше прийнятої NRCS і названої Державною базою геодезичних досліджень ґрунтів (SSSD). Система Державної бази даних геодезичних досліджень грунтувалася на Записі інтерпретації ґрунтів (SIR) та атрибутивних даних, пов'язаних з одиницями ґрунтової карти, які були ідентифіковані як реляційна база даних інтерпретації одиниць карти (MUIR) (USDA, 2002b). База даних записів інтерпретації одиниць карти містить колекцію фізичних і хімічних властивостей ґрунту, інтерпретації та дані про продуктивність для ґрунтової площі, а також її компоненти одиниці карти та складові шари. Вони включають наявну ємність води, реакцію ґрунту, коефіцієнти ерозії ґрунту, гідравлічні показники ґрунту, водойми, затоплення, глибину та тривалість залягання води, основу, інтерпретації для санітарно -побутових приміщень, розробку будівельних майданчиків, інженерію, пасовища, ліси, рекреаційний розвиток та врожайність для звичайні культури, показники місцевості звичайних дерев та потенційне виробництво пасовищних рослин. Таблиці в базі даних пов'язані з таблицями словника даних для визначення їх кодів та елементів та ієрархічно та логічно організовані так, щоб містити пов'язані елементи. Таблиці згруповані в п’ять наборів: таблиці зон обстеження ґрунту, таблиці пошуку, таблиці одиниць карти, таблиці компонентів та таблиці шарів. Деталі атрибутів, включених до бази даних SSURGO, можна знайти у публікаціях NRCS (USDA, 1995). Одиниця карти в цифровому вигляді визначається одним або декількома багатокутниками з географічною прив'язкою. Унікальною специфікацією одиниці ґрунтової карти в кожній зоні зйомки є ідентифікатор одиниці карти (muid), створений шляхом об’єднання символу ділянки обстеження ґрунту (ssaid) та символу одиниці карти (musym), який пов'язує графічний об’єкт з атрибутом дані в MUIR. Кожна одиниця карти представляє область, де домінують до трьох фаз ґрунтових рядів (компонентів). Для кожного компонента існує 60 властивостей та інтерпретацій у 84 різних елементах даних (таблиці компонентів) (тобто заповнення). Знову ж таки, немає географічного розмежування розташування компонентів у одиниці карти. Таблиця основних компонентів повідомляє про розмір компонента у відсотках від одиниці карти. Для кожного компонента можливий від одного до шести ґрунтових горизонтів (шарів). Для кожного шару в таблиці шарів визначено до 28 властивостей ґрунту (тобто відсоток глини). На малюнку 1 показана спрощена діаграма структури таблиці даних ґрунту для кожної одиниці карти в SSURGO I.

Важливим питанням є те, що більшість даних у базі даних зберігалися у вигляді діапазону властивостей ґрунту, що відображає діапазон для території ґрунтового обстеження. У деяких частинах країни ареали часто були досить великими, оскільки вони були розраховані на включення всіх варіацій, які можуть бути виявлені в межах цілого ряду ґрунтів.

SSURGO II є еволюцією SSURGO I і є наслідком поточної розробки та прийняття NRCS Національної системи інформації про ґрунти (NASIS) (USDA, 2000) для розміщення та підтримки даних обстеження ґрунтів. Завдяки Національній інформаційній системі ґрунтів NRCS вдосконалює кілька аспектів делікатного та складного маршруту даних обстеження ґрунтів, починаючи з збору та інтерпретації даних на місцях, за допомогою ефективних методів зберігання та закінчуючи наданням населенню. Національна інформаційна система ґрунтів містить загальні програмні засоби для управління даними в системі реляційних баз даних, що містять інформацію про базу даних обстеження ґрунтів. Можливості управління програмним забезпеченням включають: редагування даних, запит до бази даних Національної інформаційної системи ґрунтів, створення звітів та експорт даних. Однак доступ до NASIS обмежений авторизованими науковцями NRCS, і з появою NASIS 5.0 дані знаходяться на центральному сервері, тоді як відділення периферійних досліджень ґрунту мають віддалені зв’язки для перегляду та редагування даних, якими вони володіють. Крім того, з 2001 року функція експорту, яка надавала колишні таблиці SSURGO I, була змінена для надання нових таблиць даних SSURGO II. Ці таблиці призначені для використання ГІС та містять вибрані дані та інтерпретації, які були об’єднані в одне значення для кожної одиниці карти. SSURGO II нагадує структуру баз даних NASIS і відповідає тій, що використовується в Інструментах обслуговування клієнтів та засобі перегляду даних про ґрунти, двох настільних рішеннях, розгорнутих NRCS, щоб дозволити розробляти та поставляти продукти технічної допомоги, такі як карти та описові документи, пов'язані з плануванням збереження. та оцінка ресурсів для клієнтів. Набір даних SSURGO II тепер являє собою повний пакет просторової, табличної та метаданої інформації для окремої зони обстеження. Просторові дані сертифіковані відповідно до стандартів розробки карти. Табличні дані сертифіковані відповідно до кореляційного документа для обстеження, а просторові та табличні дані спільно сертифіковані на наявність внутрішньої референтної цілісності. Метадані відповідають стандартам метаданих Федерального комітету географічних даних (FGDC) версії 2 і містять велику кількість документації, що описує структуру даних SSURGO II, таблиці, стовпці, індекси та відносини, а також різноманітні атрибути для кожної з цих баз даних об'єктів (USDA, 2001a). Атрибути включають описи таблиць та стовпців та детальну інформацію про домен.

При розробці SSURGO II існуючі дані SSURGO I переглядаються та архівуються у новішому форматі. Важливі відмінності між цими двома наборами даних описані у навчальному посібнику Національної інформаційної системи ґрунту (USDA, 2001b). Істотними питаннями для наших цілей є:

1. NRCS поширює дані SSURGO серед широкого загалу в будь-якому з двох форматів, через компакт-диск та в Інтернеті насамперед через національний веб-сайт SSURGO (http://www.ncgc.nrcs.usda.gov/branch/ssb /products/ssurgo/data/index.html) через протокол передачі файлів (FTP) (ftp: //ftp.ftw. nrcs.usda.gov/pub/ssurgo/online98/data/). В даний час NRCS розгортає Solar Data Mart (http://soildatamart.nrcs.usda.gov/) для покращення розподілу даних. "Soil Data Mart замінить національний веб -сайт SSURGO, але цей перехід триватиме протягом більшої частини 2004 року. У цей період переходу дані для певної території обстеження можуть перебувати на будь -якій ділянці, але ніколи на обох сайтах одночасно" (USDA, 2004).

2. Набори даних поширюються у схожому, але не ідентичному стисненому форматі, а компонент карти дещо відрізняється. Таблиці, названі по -різному, все ще поставляються у текстових файлах ASCII: у SSURGO I стовпці розділені табуляціями, тоді як у SSURGO II вони розділені каналами.

3. Одиниці карти мають необмежену кількість компонентів, а компоненти можуть мати необмежену кількість горизонтів.

4. Деякі елементи даних у SSURGO II фізично та концептуально розташовані у різних таблицях та полях, ніж у SSURGO I, а деякі відповідні значення були оновлені. Таблиці альтернативно пов'язуються за допомогою таких клавіш: mukey проти muid, cokey проти seqnum, chkey проти layernum).

5. SSURGO II включає репрезентативні значення (RV) для кількох властивостей, включаючи похідні гідравлічні властивості ґрунту.

На малюнку 1 показана спрощена діаграма структури таблиць даних про ґрунт та ключів зв’язку для кожної одиниці карти в SSURGO II поряд із SSURGO I.На малюнку також висвітлено деякі числові оновлення (тобто відсоток компонентів, глибина ґрунтового шару) для підмножини прикладу даних географічної зони (округ Белл, Техас).

AVSWAT. Додатковий компонент AVSWAT, предмет цієї статті, був розроблений та реалізований як інструмент для вирішення цих проблем, що виникають при використанні наборів даних SSURGO. AVSWAT надає кілька діалогових інтерфейсів, які допомагають користувачам виконувати різні завдання, такі як визначення гідрологічних властивостей вододілу, зберігання, упорядкування та маніпулювання відповідними просторовими та табличними даними та аналіз сценаріїв управління. Для створення цих діалогових інтерфейсів були використані ArcView Dialog Designer та Spatial Analyst Extensions. Dialog Designer пропонує легко використовувані елементи керування плагінами, такі як меню, кнопки та інструменти. Конкретні завдання, активовані за допомогою цих елементів керування, були розроблені за допомогою AVENUE, мови програмування ArcView 3.x. Крім того, розширення Spatial Analyst забезпечує процедури просторового аналізу для растрових даних, тоді як лише ArcView надає можливості просторового аналізу з використанням векторних даних.

Розширення SSURGO для AVSWAT (SEA) було розроблено з використанням тих же основних матеріалів і як специфічне розширення AVSWAT. Наступні чотири основні модулі SEA можуть бути використані для збору, обробки та використання наборів даних SSURGO: (1) збір даних (2) підготовка даних (3) розрахунок, зберігання та редагування даних та (4) включення та об'єднання даних, перелічені у природний порядок використання цих розділів. Перші три одиниці згруповані в межах інструменту інтерфейсу менеджера, загальною метою якого є вилучення полігонів одиниць карти та створення похідної таблиці атрибутів, що містить вхідні дані грунту SWAT для кожного набору даних обстеження ґрунту (малюнок 2).

Модуль збору даних містить процедури завантаження наборів даних SSURGO, упакованих для кожної ділянки обстеження ґрунту у стисненому форматі, безпосередньо з серверів NRCS через Інтернет. Процедури використовуються для виконання таких завдань:

1. Автоматичний вхід на сервер даних.

2. Перевірте поточну доступність наборів даних щодо обраної користувачем території обстеження ґрунту.

3. Застосуйте Інтернет -протокол за допомогою програмного компонента (бібліотеки динамічних посилань), налаштованого для автоматичного завантаження необхідних стиснених файлів та контролю процесу передачі.

4. Збережіть ці файли в організованій структурі.

Оскільки дані зараз можуть знаходитись у новому Soil Data Mart, користувач проходить кроки, необхідні для перевірки наявності даних та їх завантаження через веб -браузер.

Модуль підготовки даних містить процедури для налаштування необхідних даних шляхом виконання таких завдань:

1. Виявити структуру даних (SSURGO I або SSURGO II).

2. Витягніть полігони одиниць карти та необхідні таблиці ASCII з різними процедурами за типом структури даних. Таблиці перелічені на малюнку 2.

3. Таблиці ASCII перетворюються на стандартні таблиці dBASE ArcView.

Модуль розрахунку, зберігання та редагування даних містить процедури, які були розроблені у відповідь на потребу в єдиних значеннях атрибутів та характеристиках утримання води для моделі SWAT.

При використанні SSURGO I застосовується методологія, розроблена NRCS (Baumer and Rice, 1988). Гідравлічні властивості ґрунту оцінюються за сурогатними характеристиками ґрунту, дані про які легше отримуються під час традиційних обстежень ґрунту. На основі цього методу була побудована комп’ютерна програма для файлів користувачів картки (Baumer et al., 1994). Файли користувачів одиниць карти були написані на FORTRAN для оцінки гідравлічних властивостей ґрунту безпосередньо з SIR. На жаль, файли користувача одиниці карти-це окрема програма, що складається з власної бази даних, що зберігається у форматах Soils-5. Файли користувачів одиниць карти не оновлювалися з грудня 1995 року, оскільки формат Soils-5 більше не використовується NRCS. Для AVSWAT за допомогою AVENUE була розроблена нова програма, що нагадує файли користувача одиниці карти. Програма включає кілька процедур для виконання таких завдань:

1. Відкрийте таблиці, отримані з SSURGO I.

2. Об’єднайте набір вхідних даних, щоб передбачити певні значення, які відсутні в базах даних ґрунту, але потрібні як вхідні дані для процедури розрахунку наступного завдання.

3. Обчисліть необхідні властивості ґрунту на рівні одиниці карти, компонента та шару. Текстура ґрунту, органічні речовини, насипна щільність, активність глини та макропористість-основні параметри, які використовуються для складання основних оцінок утримання ґрунту та води. Модель ван Генухтена (van Genuchten and Nielsen, 1985) використовується для моделювання кривої утримання води. За цією моделлю розраховується насичена гідропровідність ґрунту. Метод Муалема (1976) використовується для оцінки ненасиченої гідравлічної провідності як функції вмісту води або всмоктування.

4. Налаштуйте одиницю виміру.

Дані SSURGO II включають (на відміну від SSURGO I) "репрезентативні значення" разом з діапазонами атрибутів. Ці значення були заповнені вченими NRCS у відповідь на необхідність картографування та моделювання єдиного значення властивості ґрунту, характерного для одиниці карти, компонента одиниці карти або горизонту. Крім того, застосовувані методи мають на меті забезпечити ті значення властивостей ґрунту, які зазвичай не доступні в базах даних ґрунтів (тобто насичена гідропровідність, ненасичена гідравлічна провідність, утримання ґрунту та води, характеристики). Методи, що використовуються для визначення репрезентативних значень, насамперед базуються на польових та лабораторних даних (USDA, 2002a) та алгоритмах педопередачі, розрахованих за діапазонами атрибутів. Вчений NRCS застосував більш простий метод, ніж файли користувачів одиниць карти: одноточкову процедуру, розроблену Вільямсом та Ахуджею (1992), на основі рівняння для функції утримання води ln-ln, розробленого Грегсоном та ін. (1987).

СЕО включає процедури, що виконують такі завдання:

1. Прочитайте таблиці SSURGO II.

2. Витягніть відповідні RV з таблиць і налаштуйте одиницю виміру.

Дані про ґрунти, необхідні для моделі SWAT, наведені в Таблиці 1. СЕО включає зберігання отриманих даних про ґрунт (або з SSURGO I, або з SSURGO II), необхідних SWAT, у таблицях бази даних (таблиці dBASE), на які посилаються ідентифікатори ґрунтового обстеження. Кожну з цих таблиць можна додатково переглянути за допомогою зручного інтерфейсу діалогу перед включенням даних у вододіл дослідження.

Модуль включення та об'єднання даних містить процедури, вбудовані в модуль землекористування та визначення ґрунту в рамках AVSWAT (Ді Луціо та ін., 2004), що завершує гідрологічну схему вододілу. Цей розширений модуль дозволяє виконувати такі додаткові завдання:

1. Перевірте узгодженість отриманих карт SSURGO та відповідних таблиць атрибутів ґрунту для територій обстеження, що накладають вододіл.

2. Змініть систему координат, растеризуйте та виріжте вихідні карти ґрунту до зони вододілу. Якщо задіяно декілька областей обстеження, відповідні растрові карти об’єднуються і обробляється остаточна сумісність SSURGO I та SSURGO II.

3. Контролюйте рекласифікацію шару SSURGO та розподіл нещодавно згаданих комбінацій землекористування/ґрунт (HRU) за допомогою растрового функціоналу, наданого просторовим аналітиком.

4. Витяг (кожен окремий запис компонента ґрунту може бути націленим) та форматування в необхідному вході моделі ASCII SWAT в рамках моделювання моделі вододілу.

5. Перегляньте дані на рівні суббасейну та HRU, що є частиною стандартної можливості AVSWAT.

Модель SWAT вимагає введення декількох гідравлічних параметрів ґрунту в просторово розподіленому місці. Хоча AVSWAT, пов'язаний з ГІС -інтерфейсом ArcView, прискорює та підтримує користувачів моделі, потрібен був додатковий інструмент для прискорення збору необхідних цифрових, великомасштабних карт ґрунту, а також для зменшення складності, часу та праці, пов'язаних з генеруванням відповідні параметри для моделювання вододілу. Зокрема, застосування моделі на підтримку вододільних програм у Сполучених Штатах вимагало впровадження розвиваючих наборів даних SSRGO NRCS.

Нова архітектура AVSWAT була розроблена для розміщення розширень, що забезпечують додаткові та необов’язкові функції, функції та набори даних. SEA-це перше індивідуальне розширення, розроблене для надання масштабних карт ґрунту та отримання атрибутів карт ґрунту як покращеної альтернативи входу STATSGO. Поряд з AVSWAT, цей інструмент майже повністю запрограмований в AVENUE, а отже, незалежний від платформи і може передаватися між версіями Windows та UNIX. AVSWAT і SEA містять явні альтернативні процедури для тих функцій, які залежать від платформи, наприклад виконання модельного доступу до Інтернету.

Ключовою вимогою була можливість отримати єдині репрезентативні значення для кожного типу ґрунту та профілю для введення моделі. Паралельною вимогою також була можливість використання обох форматів (SSURGO I та II), які використовуються NRCS для доставки наборів даних SSURGO. Ми вважаємо, що надання SSURGO I, файлової програми для одиниць карти, повністю вбудованої в СЕО, дає користувачеві надійний метод, який досі офіційно використовується в кількох штатах, одночасно усуваючи необхідність вивчати та застосовувати автономне програмне забезпечення, а потім збирати та ввести результати вручну. Також набори даних SSURGO II містять кілька таблиць (більше 50), з яких вилучення значень параметрів вручну може бути складним завданням. У цьому випадку реалізований метод забезпечує простий спосіб відгонки необхідних вхідних даних. Вони також можуть бути переглянуті за допомогою спеціального інструменту, перш ніж параметри будуть фактично включені до потоку моделювання та/або використані як вхідні дані для інших моделей.

Іншою важливою вимогою було надати спосіб подолати складну, трудомістку та громіздку задачу збору та управління необробленими цифровими даними, які необхідно налаштувати та відформатувати для використання в моделі. Без розробленого інструменту звичайний метод зажадав би значної кількості часу. Буде потрібно кілька ручних кроків: знайти та отримати доступ до вихідного сервера даних, зареєструватися та ввійти через Інтернет на сервер даних, переглянути розташування даних, визначити специфікацію даних та формати, завантажити вибрані файли, визначити спосіб розпакування файлів, розпакувати файли, визначити версію даних, визначити необхідні таблиці та цифрову карту, витягти таблиці та карту, перетворити таблиці у формат dBASE та імпортувати їх, імпортувати карту. Ці попередні кроки виконуються модулями збору даних та підготовки даних розробленого інструменту, використовуючи лише кілька кліків мишею. Крім того, надане Інтернет -з'єднання з основним сервером NRCS надає користувачеві доступ до найновішої версії наборів даних. Оскільки файли набору даних досить великі (приблизно від 10 до 25 МБ для кожної області опитування), час завантаження обмежений швидкістю доступного доступу до Інтернету. Однак очікується, що з часом це питання стане менш обмежуючим, оскільки швидкість Інтернет -з'єднань та можливості комп’ютерного обладнання слідують загальній тенденції покращення. Крім того, NRCS, відповідаючи директивам FGDC, планує розробку централізованого пункту доставки (Склад даних про ґрунти), здатного цілодобово надавати офіційне джерело даних, включаючи SSURGO, та більш вдосконалені протоколи для електронного доступу до даних через Інтернет (USDA, 2001c).

Методологія, розроблена для більш ранньої версії наборів даних AVSWAT та SSURGO I (Buland et al., 2000), вимагатиме близько 30 ручних кроків, що зайнятимуть близько двох днів для збору та керування набором цифрових даних обстеження ґрунту разом із виведенням властивості ґрунту. Напівавтоматичні інструменти в SEA виконують той самий процес за три кроки та 30 хвилин (включаючи загальні 20 хвилин часу завантаження), прискорюючи однакові завдання, а також усуваючи ймовірність помилок вручну.

Однак іншою важливою вимогою нашого інструменту було забезпечення плавного включення наборів даних про ґрунт у схему моделювання вододілу. Цього повністю досягає розділ "Включення даних та об'єднання". Поряд з функціональністю AVSWAT, користувач рятується від інших складних і специфічних завдань ГІС, включаючи вирівнювання різноманітних систем координат, з'єднання атрибутів ґрунту та накладання карти землекористування та покриву землі, особливо важко, коли набори даних двох різних версій накладають один і той же вододіл дослідження (див. рисунок 3). SEA включає процедури, спеціально налаштовані для управління картою та атрибутами SSURGO, залишаючи користувачеві свободу встановлювати розподіл комбінацій ґрунтів землекористування (HRU) за необхідності та включати до моделювання конкретні компоненти ґрунту.

Кінцевою метою впровадженої методології було інтегрувати цифрові характеристики ґрунту ландшафтів США з найкращою доступною деталізацією в AVSWAT. На малюнку 3 показано порівняння впровадження наборів даних STATSGO та SSURGO у вододілі річки Верхня Північна Боска, що охоплює близько 932 квадратних кілометрів (360 квадратних миль) на півночі центрального Техасу. На цьому ж вододілі, в той час як загалом вісім одиниць ґрунтової карти розрізняються за допомогою STATSGO, загалом 86 одиниць визначено за допомогою SSURGO. Вододіл був сегментований (62 підріви) з використанням Національного набору даних висот (NED) (Gesch et al., 2002) та карти сухопутного покриву з Національних даних земельного покриву (NLCD) (Vogelmann et al., 2001) [обидва Дозвіл 30 метрів (98 футів)] та кількість визначених HRU складали 1199 та 9635 відповідно із використанням STATSGO проти SSURGO.

Як згадувалося вище, у літературі було підкреслено, що збільшення середньої кількості HRU для кожного підрозділу забезпечує потенційне поліпшення характеристик моделювання. Однак удосконалення моделювання також залежать від масштабу, геоморфологічних та ландшафтних параметрів та складних механізмів гідрологічної взаємодії.

Тим не менш впровадження наборів даних про ґрунт із підвищеною деталізацією приносить об’єктивну перевагу, таку як можливість сформулювати більш точні та різноманітні стратегії управління (на рівні HRU), що стосуються типів ґрунтів у межах вододілу дослідження та його складових підрозділів. Коротко обговорюються два приклади:

(1) Потенціал відходів тварин переробляти поживні речовини, покращувати якість ґрунту та збільшувати продуктивність сільськогосподарських культур добре відомий. Занепокоєння при внесенні на землю відходів тварин полягає в тому, що надмірне внесення може пошкодити водойму через надмірне накопичення (і подальше виділення) поживних речовин. Тому основною метою найкращих методів господарювання є використання поживних речовин у посліді для задоволення норм видалення поживних речовин під час збирання та використання біомаси. Наприклад, поводження з молочними відходами є ключовою метою для вододілу річки Верхня Північна Боська, де переважною сільськогосподарською практикою є молочне тваринництво: 70 молокозаводів з понад 30 000 доїльних голів великої рогатої худоби включені до цієї території (Kiesling et al., 2001 ). Це середовище викликає особливе занепокоєння щодо якості води, оскільки річка Боске впадає в озеро Вако, яке використовується як громадське водопостачання для міста Вако та кількох прилеглих громад. Поточні та попередні програми покращення якості води на вододілі включають широкі вибірки, а також використання комп'ютерних імітаційних моделей для виявлення джерел поживних речовин та визначення того, як вони розподілені по вододілу для покращення якості води.

В одній заявці до вододілу річки Верхня Північна Боська, Салех та ін. (2000) показали переваги використання моделі SWAT для оцінки різних умов у межах вододілу. Зокрема, було здійснено оцінку завантаження забруднюючих речовин за наявності та відсутності роботи молочних підприємств. У цьому дослідженні було виділено критичний підрозділ річки Верхня Північна Боська, що впадає в Скарборо-Крик. Цей підвододіл складався з розрахункового розміру доїння 1256, щільності молочних корів 1,6 (корів/га або 0,65 корів/ак) та 45,4 відсотка площі з полями для внесення відходів.

Ми застосували систему AVSWAT до вододілу Скарборо. На малюнку 4 (а) та (б) зображено підрозділ, розбитий на три субодиниці та ідентифікований у місці виходу (позначений NF020), отриманий за даними, описаними вище. За допомогою наборів даних STATSGO було визначено три одиниці ґрунтової карти та 41 HRU. За допомогою наборів даних SSURGO було визначено 16 одиниць ґрунтової карти та 151 HRU. Модель SWAT була застосована без урахування місця розташування відходів, дозволяючи лише автоматичне внесення добрив (це варіант в моделі для задоволення потреб вирощування сільськогосподарських культур) у менш ніж 10 відсотках сільськогосподарських територій підвододілу (див. розподіл землекористування у Таблиці 2) та з використанням решти значень за замовчуванням, наданих AVSWAT.

Ми порівняли моделювання для двох випадків, отримані з використанням тих же вкладів опадів та температури, які використовували Saleh et al. (2000), але протягом дев’ятирічного періоду з січня 1988 р. По грудень 1996 р. Ми перевірили відсутність зміни витрат води у наданих наборах даних ґрунту на виході з вододілу. Ми також перевірили незначну чутливість до виходу осаду та чутливі відмінності в завантаженні деяких компонентів поживних речовин, особливо органічного азоту. Це показано на малюнку 5, де різниця місячних результатів для двох методів (результати STATSGO віднімаються від результатів SSURGO) були усереднені та нанесені на графік. Метою цього дослідження не є повне дослідження причин цих відмінностей, але варто зазначити, що середній вміст органічного вуглецю в ґрунті (відсоток ваги ґрунту) у двох верхніх шарах ґрунту вододілу становить 0,73 та 0,52 за допомогою STATSGO та 0,85 та 0,27 за допомогою SSURGO. Це важливе питання, оскільки органічна речовина є показником здоров'я або якості ґрунту, що, у свою чергу, може відображати здатність ґрунту циркулювати поживні речовини, як на полі, так і в контексті моделювання.

Підводячи підсумок, в той час як точне землеробство (Vanden Heuvel, 1996) та охорона якості ґрунту (Eghball, 2002) вимагають отримання конкретної для конкретної місцевості інформації про мінливість (просторову та часову) ключових змінних ландшафту, моделювання тих самих або альтернативних методів управління (тобто застосування поживних речовин для відходів) відповідає тим самим вимогам. У цій перспективі, хоча поширення технологій дистанційного зондування обіцяє забезпечити швидку та велику доступність топографічної інформації та інформації про земний покрив, цифрові набори даних ґрунту, такі як SSURGO, показують їхнє значення у моделюванні вододілів широких територій Сполучених Штатів.

(2) Управління та збереження прибережних коридорів мають неабиякий потенціал, що допомагає контролювати транспортування осаду та хімічних речовин у русла потоків (Lowrance et al., 1985). Насправді, з огляду на природну природу, прибережну екосистему переміщують переміщення води та хімічних речовин, що утворюються у воді, та осадів з піднесених сільськогосподарських полів та лісів.Процеси вегетації (тобто осадження, стабілізація стримбажу та зниження температури води) та ґрунтові процеси (тобто втрата азоту в газоподібному стані через мікробну денітрифікацію та захоплення адсорбованих пестицидів) становлять основу для контролю точкового забруднення у прибережних коридорах. Складність прибережної екосистеми, яка в значній мірі пов’язана з територіями, що прилягають до потоку, а також з усім вододілом, а також із залученими гідрологічними потоками та процесами, можна описати за допомогою імітаційних моделей вододілів. Тривають перші спроби включити оцінку прибережних територій до моделі SWAT (Арнольд та ін., 2002). Модель допоможе зрозуміти спостережувану ефективність керованих та некерованих прибережних буферів (Райлі, 2000) у видаленні поживних речовин з поверхневих вод та ґрунтових вод, що протікають у межах вододілу. Зокрема, потенціал переміщення поживних речовин за межі ділянки все ще існує, навіть якщо відходи тварин вносяться за агротехнічними нормами. Інструмент моделювання допоможе визначити утилізацію відходів тваринного походження, що мінімізує деградацію навколишнього середовища, уникаючи при цьому непотрібних обмежень щодо використання землі. У цьому випадку положення ландшафту (тобто відстань від потоку та використання землі) та інформація про грунт (тобто проникність, органічна речовина, вміст глини) пов’язані з гідрологічними процесами, такими як час перебування води, денітрифікація та поглинання фосфору (P) та азоту (N) формує і може відігравати ключову роль для оптимізації внесення гною за допомогою моделі SWAT. Для вододілу, наведеного у прикладі (1), на малюнку 4 (c) та (d) показані одиниці ґрунтової карти, отримані за допомогою STATSGO (дві одиниці) та SSURGO (сім одиниць) відповідно, у прибережному буфері, окресленому на 100 футів навколо кожної сторони Скарборо -Крик. Для застосування моделі SWAT цей результат забезпечує розширення уявлень про моделювання та потенціал для похідних стратегій планування.

Зрештою, ці приклади показують, що ефективне використання наборів даних SSURGO проти STATSGO у рамках AVSWAT має потенціал для покращення оцінки на вододілі, а також масштабу водозбору малого охоплення. Знання ландшафту з підвищеною точністю (тобто інформація про тип ґрунту) дозволить краще оцінити альтернативи управління для досягнення агрономічних цілей, якості ґрунтів та якості води.

Розроблено методологію для повної інтеграції наборів даних SSURGO з SWAT та AVSWAT. SEA (розширення SSURGO для AVSWAT) було створено як додаткове доповнення до нещодавно розширюваної структури AVSWAT. SEA надає доступ до наборів даних грунтових досліджень, напівавтоматично завантажених через Інтернет, і захищає користувачів від складності цих ґрунтових баз даних.

Поодинокі репрезентативні значення (обчислені за допомогою функцій передачі педо), необхідні SWAT для ряду параметрів ґрунту, або генеруються, коли набори даних SSURGO все ще поширюються у їх попередньому форматі (схема MUIR у SSURGO I), або витягуються з таблиць розповсюджується NRCS (нагадує формат NASIS у SSURGO II). SEA зберігає отримані дані обстеження ґрунту в таблицях та діалогових вікнах з індивідуальними даними, щоб забезпечити можливості редагування та перевірки помилок. Нарешті, ґрунтові карти та атрибути безперебійно вирізаються над будь -якою структурою вододілу дослідження в системі AVSWAT. Практичними перевагами SEA є скорочення часу на збір даних та організацію оновлених наборів даних, а також збільшення деталізації введення. Це має потенціал для поліпшення моделювання моделей і відіграє ключову роль у плануванні стратегій управління (тобто програм TMDL), що вимагають адекватної просторової точності.

Майбутні розробки SEA пов'язані з методом розповсюдження даних NRCS, в даний час розгортаючи та оновлюючи шлюз природних ресурсів (включаючи Soil Data Mart) для полегшення розташування та розподілу просторових та непросторових природних ресурсів. Оновлення розташування набору даних SSURGO вимагатиме лише оновлення компонента Збору даних СЕО, включаючи застосування нового протоколу прямої оцінки даних на основі Інтернету, який NRCS планує надати кінцевим користувачам.


Перетворення значень та методи PPGIS підсилювача

1. Браун, Г. і Д. Вебер. 2011. ГІС участі громадськості: новий метод планування національних парків. Ландшафтне та міське дослідження. 102 (1): 1-15 Посилання на статтю.

У цій статті описано дослідження з оцінки використання геоінформаційної системи участі громадськості (PPGIS) для планування національних парків. Поняття відвідувачів про досвід парку, вплив на навколишнє середовище та потреби об’єктів збирали за допомогою методу картографування в Інтернеті для введення в систему підтримки прийняття рішень щодо планування національних парків. Результати демонструють, що Інтернет -метод картографування за участю учасників може бути ефективним для вимірювання досвіду відвідувачів, впливу на навколишнє середовище та потреб об’єктів для різноманітних процесів планування парків.

2. Браун, Г. і П. Рід. 2011. Метрики соціального ландшафту: заходи для розуміння цінностей місця за участю громадських географічних інформаційних систем (PPGIS). DOI: 10.1080/01426397.2011.591487 Ландшафтні дослідження. Посилання на статтю.

У цій статті представлено поняття соціальних ландшафтних метрик, які кількісно оцінюють людське сприйняття місця в результаті використання геоінформаційних систем участі громадськості (PPGIS). У статтях представлено та пояснено набір соціальних ландшафтних метрик, які вимірюють склад та конфігурацію людського сприйняття ландшафтів. Два класи метрик соціального ландшафту, межа та індуктивний, описані разом із їх застосуваннями для планування та управління землекористуванням.

3. Браун Г., Дж. Монтег і К. Ліон. 2011. ГІС участі громадськості: метод ідентифікації екосистемних послуг. Суспільство та природні ресурси. http://dx.doi.org/10.1080/08941920.2011.621511 Посилання на статтю.

У цій статті описано використання геоінформаційної системи за участю громадськості в Інтернеті (PPGIS) для ідентифікації екосистемних послуг у графстві Гранд, штат Колорадо. Метод PPGIS демонструє потенціал для виявлення екосистемних послуг для розширення експертного судження та інформування громадських чи екологічних рішень щодо компромісів щодо використання земель.

4. Браун, Г. і Д. Пуллар. 2011. Оцінка використання точок проти полігонів у географічних інформаційних системах участі громадськості (PPGIS) з використанням квазіекспериментального проектування та моделювання Монте-Карло. Міжнародний журнал географічної інформатики. http://www.tandfonline.com/loi/tgis20 Посилання на статтю.

У цій статті описується квазі-експериментальний дизайн, де просторові дані були зібрані як точкові, так і багатокутні просторові ознаки в одному дослідженні PPGIS. Методи моделювання Монте -Карло використовуються для опису залежності між кількістю зібраних даних та ступенем просторової конвергенції у двох методах для кожного з чотирьох атрибутів PPGIS. Результати демонструють, що ті ж атрибути PPGIS, що ідентифіковані точками та багатокутниками, будуть сходитися на колективній просторовій “істині” в межах досліджуваної території за умови достатньої кількості спостережень, проте ступінь просторової конвергенції змінюється залежно від типу атрибута PPGIS та кількості зібраних даних .

5. Жу, X., С. Пфуеллер, П. Уайтлоу і К. Вінтер. 2010. Просторова диференціація ландшафтних цінностей у районі річки Мюррей у штаті Вікторія, Австралія. Екологічний менеджмент 45(5):896-911.

Ця стаття покращує розуміння розташування сприйманих ландшафтних цінностей за допомогою статистично обґрунтованого підходу до просторового аналізу щільностей значень. Дані опитування були отримані від вибірки людей, які проживають у регіоні річки Мюррей в Австралії та користуються ним, де зниження якості навколишнього середовища спричинило переоцінку її природоохоронного статусу. Коли за допомогою географічних інформаційних систем (ГІС) були нанесені на карту щільності 12 сприйнятих ландшафтних значень, цінні місця, скупчені вздовж усього берега річки та у відповідних національних/державних парках та заповідниках. Хоча просте картографування щільності виявило велику щільність значень у різних місцях, воно не вказувало, яку щільність ландшафтного значення можна розглядати як статистично значущу гарячу точку, а також не розрізняло, чи перекриваються області високої щільності для різних значень вказують на однакові або сусідні місця. Просторова статистика Getis – Ord Gi* була використана для позначення статистично значущих просторових кластерів високої щільності значень або «« гарячих точок »».

6. Браун, Г. і Рід. 2009. ГІС участі громадськості: новий метод національного лісового планування. Лісова наука 55 (2): 166-182. Посилання на статтю.

Ця стаття: 1) розглядає попередні застосування методів відображення ландшафтних цінностей у різних додатках планування; 2) описує метод участі в Інтернеті, використаний у 3 дослідженнях національних лісів в Арізоні та Орегоні у 2006 та 2007 рр. 3) представляє та оцінює результати щоб показати ймовірні обмеження впровадження у майбутньому та 4) на основі отриманих уроків описує рекомендований протокол PPGIS для національного лісового планування.

7. Беверлі, Дженніфер Л., Уто, Кінга, Уілкс, Дж. Та П. Ботвелл. 2008. Оцінка просторових атрибутів цінностей лісового ландшафту: підхід до картографування на основі участі в Інтернеті. Канадський журнал досліджень лісу. 38:289-303.

Паперовий метод ГІС картографування ландшафтних цінностей (Браун та Рід) адаптований до Інтернету для регіону в провінції Альберта, Канада, насамперед для допомоги у плануванні управління лісовими пожежами. Цей рукопис містить короткий опис різноманітних просторових методів, які описують частоту та розподіл ландшафтних значень на досліджуваній території.

8. Браун, Г. 2005. Відображення просторових атрибутів в обстежувальних дослідженнях для управління природними ресурсами: методи та застосування. Суспільство та природні ресурси 18 (1): 1-23. Посилання на статтю.

Це основна стаття про методи відображення ландшафтної вартості. Автор описує просторові виміри ландшафтних цінностей та атрибутів місць, розроблених та використаних у п’яти опитуваннях широкої громадськості на Алясці (1998-2003 рр.). Автор оглядає обґрунтування збору просторових даних, що стоять за цими дослідженнями, а також концепції проектування, методи та питання впровадження для загального огляду населення, що включає компонент просторового картографування. Інші теми, які висвітлюються, включають операціоналізацію теорії, вибір карт і матеріалів, проблеми оцифрування та введення даних, а також інструменти аналізу просторових даних.

9. Браун, Г. 2006. Картографування ландшафтних цінностей та переваг розвитку: метод планування туризму та житлового будівництва. Міжнародний журнал досліджень туризму 8: 101-113. Посилання на статтю.

Автор представляє метод вимірювання та аналізу ландшафтних цінностей та переваг туризму та житлового будівництва. Дані опитування з острова Кенгуру, Південна Австралія, аналізуються, щоб визначити відносну силу ландшафтних цінностей як провісників вподобань розвитку, характерних для конкретного місця. Результати показують, що переваги розвитку туризму найтісніше пов'язані з рекреаційними, економічними та мальовничими цінностями ландшафту, тоді як переваги житлового розвитку тісно пов'язані (навпаки) з рекреаційними, економічними та навчальними цінностями. Вподобання щодо "без розвитку" найтісніше пов'язані з дикою природою, терапевтичними та внутрішніми цінностями ландшафту. З просторових даних формується простий індекс розвитку, який коливається від позитивних (прийнятний розвиток) до негативних (без розвитку) значень.

10. Раймонд, К. та Г. Браун. 2006. Метод оцінки розподілу заповідних територій з використанням типології ландшафтних цінностей. Журнал екологічного планування та управління49 (6): 797-812. Посилання на статтю.

Автори використовують дані просторового обстеження з регіону Отвейс, штат Вікторія, Австралія, щоб представити метод, який розрізняє державні та приватні землі на основі цінностей ландшафту, що сприймаються місцево. Дискримінаційний аналіз використовується для прогнозування перспективних територій розширення національних парків. Результати показують, що респонденти опитування володіють більш непрямими та менш відчутними цінностями для національних парків та заповідників, а також більш прямими цінами використання приватних земель. Між громадськими та експертними межами національних парків існувала поміркована згода. Автори стверджують, що зіставлення місцевих ландшафтних цінностей у поєднанні з експертною оцінкою може посилити планування та управління заповідними територіями.

11. Раймонд К. і Браун Г. 2007. Просторовий метод оцінки ставлення резидентів та відвідувачів до зростання та розвитку туризму. Журнал сталого туризму. 15 (5): 1-22. Посилання на статтю.

Автори порівнюють ставлення до розвитку туризму в регіоні Otways у штаті Вікторія, Австралія, використовуючи традиційні опитувальні запитання з просторовими уподобаннями щодо розвитку, зібраними в цьому ж опитуванні. Результати опитування показують умовну підтримку зростання та розвитку туризму в глибині Отвей та уздовж узбережжя Отвею, тоді як результати з даних просторових атрибутів показують, що існують певні місцеві відмінності у вподобаннях «прийнятного розвитку» та «невідповідного розвитку». Автори стверджують, що метод просторових атрибутів є інклюзивним процесом, який потенційно може подолати відповіді про розвиток та антирозвиток, які виникають під час консультацій із громадою, надаючи дані про переваги розвитку, масштабовані як на місцевому, так і на регіональному рівні.

12. Браун, Г. 2003. Метод оцінки якостей шосе для інтеграції цінностей у планування автомобільних доріг. Журнал транспортної географії 11 (4): 271-283. Посилання на статтю.

Автор представляє методологію опитування для відображення шести властивостей автомобільних доріг, а також спеціальні місця, які допомагають вибирати та визначати пріоритети автомобільних доріг для номінації мальовничих магістралей. Аналіз даних державного опитування 2001 року серед жителів Аляски використовується для розробки концепції спектру можливостей для автотранспорту та класів потенційних можливостей для досвіду. Знаючи про просторові розташування властивостей автомобільних доріг, планувальники транспорту можуть приймати усвідомлений вибір, щоб зберегти або змінити набір можливостей для автодорог, пов'язаних із системою автомобільних доріг.

13. Тірвайнен, Л., Макінен, К. та Дж. Шиппержин. 2007. Інструменти для відображення соціальних цінностей міських лісів та інших зелених насаджень. Ландшафтне та містобудування 79(1):5–19.

Автори представляють простий метод опису соціальних цінностей зелених насаджень у міських районах для цілей стратегічного планування. За допомогою опитування поштою у Гельсінкі, Фінляндія, було виміряно загальне ставлення до переваг зелених насаджень. Місцевих мешканців попросили визначити на карті такі позитивні якості, як чудові пейзажі, спокій і тиша, відчуття перебування в лісі, а також негативні якості. Результати були зіставлені в ГІС з найважливішими ознаками, пов’язаними з улюбленими місцями - спокоєм, відчуттям перебування в лісі та природністю.

14. Макінтайр Н., Юан М., Пейн Р. Дж. Та Дж. Мур. 2004. Розробка ціннісного підходу до управління відпочинком на землях Канади. Матеріали другої Міжнародної конференції з моніторингу та управління потоками відвідувачів у рекреаційних та заповідних зонах, 16–20 червня 2004 р., Рованіємі, Фінляндія.

У статті описується підхід, який поєднує як інтерпретаційні підходи до збору даних (розповіді та зіставлення цінностей), так і методи опитування для виявлення значень, прикріплених до робочого лісу. З точки зору методів, учасників фокус -груп було запропоновано позначити «особливі місця» та пов'язані з ними значення безпосередньо на 1: 50000 картах досліджуваної території в районі Дог -Рівер/Матавін на північному заході Онтаріо. Відвідувачів цієї місцевості попросили сфотографувати під час своїх подорожей та записати тему, місце розташування, важливість та позитивний чи негативний вплив на її/його досвід. Фотографії та фото-журнали були проаналізовані на предмет вираження значень. Нарешті, було проведено опитування (n = 487), яке просило респондентів (мешканців та відвідувачів) оцінити шість загальних цінностей лісу та більш конкретні значення, отримані з аналізу фокус -груп.

15. Гундерсон К., Уотсон А., Нельсон та Дж. Тітр. 2004. Зіставлення значень місць у Біттеррутовому національному лісі-ландшафтна оцінка особистих та суспільних цінностей як вихідних даних для зменшення ризиків палива. Короткий зміст дослідницького проекту BEMRP. Дослідницький інститут дикої природи імені Альдо Леопольда. http://leopold.wilderness.net/unpublished/UNP105.pdf

У дослідженні були використані якісні методи дослідження, зосереджені на знаннях місцевої спільноти, щоб відобразити якомога більше контексту щодо стосунків людей із Біттерутовим фронтом, Національним лісом Біттеррут, штат Монтана. були використані для збору даних (всього 33 особи). Інтерв'ю включало інформацію, що стосується важливих місць, які відвідували, та місць, які рідко або ніколи не відвідували, але важливих для Біттеррунтського фронту, видів відпочинку та робочої діяльності в кожному конкретному місці, а також відповіді на питання "чому вони цінують" конкретні місця. Респондентів також попросили обвести та оцінити в порядку важливості перші три конкретні місця, які вони визначили на карті, наданій дослідниками. Значення "гарячих точок" були визначені як області, де спостерігався високий рівень вибору респондентів. Вибір сайтів поділявся на 3 класифікації за специфічністю: конкретна, середня та широка. За винятком кількох респондентів, які обрали весь біттеррутський фронт важливим, місця, які «не вибрані», як правило, не мали доступу до дороги та стежок.

1. Ролстон, Х. та Дж. Куфал. 1991. Лісова етика та багатозначне управління лісами. Лісовий журнал 89(4):35-40.

Автори оскаржують традиційну ціннісну орієнтацію професії лісового господарства та стверджують про розширення п’яти встановлених законом загальнодоступних цінностей лісу, включивши як людські, так і біотичні елементи. Типологія десяти лісових цінностей, які відстоюються авторами, включає підтримку життя, економічну, наукову, рекреаційну, естетичну, дику природу, біотичне різноманіття, природничу історію, духовну та внутрішню цінність. Ця типологія цінностей стає еталонним стандартом для типології Брауна та Ріда (2000).

2. Браун, Г. і П. Рід. 2000. Перевірка типології цінностей лісу для використання у національному плануванні лісів. Ліс Наука 46 (2): 240-247. Посилання на статтю.

Автори представляють дані опитування мешканців Аляски в процесі перегляду Національного плану лісів Чугача для перевірки типології цінностей лісу, натхненної Ролстоном та Куфалом (1991), а також для вивчення взаємозв’язку між ставленням до дій щодо лісового господарства та цінностями лісу.Ключові результати показують, що: (1) респонденти опитування змогли ідентифікувати 13 різних цінностей лісу на основі модифікованої типології цінності лісів Ролстона та Куфала (1991), (2) жодна очевидна прихована структура змінних чи конструкцій не з’явилася з факторного аналізу 13 цінностей лісу, що вказують на те, що типологію цінності лісу не можна легко спростити без шкоди для виключності вимірюваних цінностей лісу, (3) були виявлені невеликі, але статистично значущі кореляції між ставленням до конкретних методів ведення лісового господарства, таких як рубка та видобуток корисних копалин, та цінностей лісу, що зберігаються , та (4) значення лісів скромно передбачають уподобання респондентів для прийняття конкретних рішень щодо планування лісу.

3. Таррант, М. А., Корделл, Х. К. і Г. Т. Зелений. 2003. PVF: Шкала для оцінки суспільних цінностей лісів. Лісовий журнал 101 (6): 24-30. Вересень 2003 р

Автори представляють шкалу з 12 пунктів для вимірювання відносної важливості національних лісових ресурсів - як економічних, так і неекономічних - на основі даних, зібраних з Національного опитування рекреації та навколишнього середовища. Шкала підтверджує існування трьох прихованих факторів: захисту, зручності та результатів. Шкала мала помірний рівень внутрішньої надійності та продемонструвала достовірність прогнозу. Значення захисту були значно вищими для жінок, жителів міст та молодих респондентів. Ця шкала відрізнялася від типології вартості Брауна та Ріда тим, що не включала в себе елементи шкали, які вимірювали духовні, культурні, історичні чи внутрішні цінності лісів.

4. Меннінг Р., Валльєр В. і Б. Мінтір. 1999. Цінності, етика та ставлення до національного лісового господарства: емпіричне дослідження. Суспільство та природні ресурси12:421–36.

Автори виміряли екологічні цінності та етику та їх зв'язок із ставленням до національного лісового господарства на основі опитування мешканців Вермонта щодо управління національним лісом Зелена гора. Результати опитування показали, що респонденти (1) підтримують нематеріальні цінності національних лісів, (2) дотримуються різноманітності екологічної етики, включаючи антропоцентричну та біо-/екоцентричну, та (3) підтримують нові концепції управління екосистемами. Екологічні цінності та етика пояснюють приблизно 60% відмінностей у ставленні до національного управління лісами. Шкала цінностей відрізнялася від типології цінностей Брауна та Ріда тим, що вона не включала терапевтичні, натуральні, майбутні та внутрішні цінності та містила нові цінності, позначені як інтелектуальні, освітні та морально -етичні. Історичні та культурні цінності були об'єднані в роботі Manning et al. масштаб.

5. Стдлі, Дж. Ф. 2005. Сталі системи знань та управління ресурсами: у пошуках парадигм етнолісового господарства для корінного населення східного Хаму. Докторська дисертація. Університет Лафборо. 481 с. http://hdl.handle.net/2134/2101

Автор використовує типологію лісових цінностей, розроблену Брауном та Рід (2000) з корінними народами регіону Хам у Тибеті. У польових випробуваннях типології цінностей окремих осіб попросили розподілити 100 штифтів, що представляють загальну вартість лісу, по набору з 13 паперових кіл на основі відносної важливості кожного значення для них. Виявилося, що метод досить добре працює з усіма використаними значеннями, хоча пізніше перелік цінностей лісу був розширений, щоб включити більше культурно прив'язаних цінностей лісу. Використання типології лісових цінностей було невеликою частиною більш масштабного дослідження, спрямованого на когнітивне зіставлення цінностей лісу серед тибетських меншин, для відображення їх просторового розподілу та співвідношення змін цінностей лісу з культурними та біофізичними явищами.

6. Браун, Г. та Раймонд, С. 2007. Взаємозв’язок між прикріпленням місця та значеннями ландшафту: до нанесення на карту вкладення місця. Прикладна географія. 27: 89-111. Посилання на статтю.

Автори досліджують зовнішню валідність двовимірної шкали прикріплення місця (Williams and Vaske, 2003) в Австралії та її зв’язок із цінністю ландшафту, орієнтованої на місце. Шкала прикріплення місця та оцінка вартості ландшафту були включені до опитування мешканців та відвідувачів регіону Otways (Вікторія, Австралія) поштою. Регресійний аналіз використовується для того, щоб показати, що значення важливості ландшафту, особливо духовні та дикі, є істотними провісниками масштабної міри прихильності місця. Досліджено взаємозв’язок між вимірюванням прикріплення місця на карті та відображеними значеннями ландшафту. Просторовий перехресний кореляційний та регресійний аналіз показує, що естетичні, рекреаційні, економічні, духовні та терапевтичні цінності просторово співіснуйте зі спеціальними місцями і, ймовірно, сприяйте прикріпленню до місця. Автори стверджують, що картографічне опитування ландшафтних цінностей та особливих місць забезпечує розумну оцінку масштабних вимірювань прикріплення місць, надаючи при цьому більш багату інформацію на основі місця для планування землекористування.

7. Алесса Н., Кліскі А. і Браун Г. 2008. Картографування соціально-екологічних точок: просторовий підхід до ідентифікації пов'язаного соціально-екологічного простору. Ландшафтне та містобудування. 85 (1): 27-39. Посилання на статтю.

Автори представляють метод ідентифікації пов'язаних соціально-екологічних гарячих точок, просторових областей зближення високих людських та екологічних цінностей. Використовуючи дані з відображених значень ландшафту на Алясці та вимірюючи чисту первинну продуктивність, автори накладають соціальний простір на екологічний простір у тому ж регіоні. Гарячі точки значень (і теплі точки) визначаються за допомогою методів оцінки щільності ядра. Потенційна цінність картографування соціально-екологічних систем підкреслюється на прикладі планування землекористування відповідно до Закону про управління прибережною зоною.

8. Браун, Г. 2008. Теорія географії міських парків. Журнал досліджень дозвілля 40 (4): 589-607. Посилання на статтю.

Представлена ​​теорія цінностей міських парків з використанням теорії острівної біогеографії як аналога. Розглядаючи міські парки як острови у віртуальному морі розвитку, теорія передбачає, що два фактори - розмір парку та відстань від зосередженого людського житла - впливають на різноманітність паркових цінностей. За інших рівних чинників різноманітність людських цінностей для парків збільшуватиметься із збільшенням розміру парку, тоді як різноманітність паркових цінностей буде зменшуватись у міру подальшого переміщення із зосереджених територій проживання людей. Просторові дані дослідження Анкориджа, мешканців Аляски, вказують на відносно сильну залежність між розмірами парку та різноманітністю паркових цінностей, а також на слабку зворотну залежність між віддаленістю від місця проживання та різноманітністю паркових цінностей. Результати також показують, що: 1) різноманітність паркових цінностей відрізняється за класифікацією NRPA з найменшою класифікацією - парки околиць - з найменшою різноманітністю цінностей, а парки з природними ресурсами мають найбільшу ціннісну різноманітність; 2) парки мікрорайонів містять значно вищі соціальні/культурні цінності ніж парки громад та природних ресурсів, 3) парки громад та природних ресурсів містять значно вищі значення природних та диких тварин, ніж парки мікрорайонів. Обговорюються наслідки теорії для планування парків міських територій.

9. Нільсен-Пінкус, Макс. 2011. Відображення ландшафтних цінностей: аналіз методів та географічних асоціацій серед цінностей у ландшафтному масштабі. Суспільство та природні ресурси. 24(6): 535-552.

Автор використовує типологію ландшафтних цінностей, щоб дослідити, як ці значення відображаються на ландшафті в трьох округах Айдахо та Орегон, і порівнює емпірично зібрані дані про значення з теорією екологічних цінностей. Автор досліджує просторову шкалу, на якій учасники спільно картографують регіони цінності та географічні асоціації між різними значеннями в типології. Результати демонструють, що певна область може запропонувати громадам кілька цінностей. Крім того, коли географічно функціоналізовано, типологію ландшафтних цінностей можна поділити насамперед на дві категорії: матеріальні (соціально -економічна якість) та постматеріальні (особистісні/екологічні якості) цінності. Висновки відображають потребу плановиків землекористування, розпорядників природних ресурсів та місцевих осіб, які приймають рішення, сприяти прийняттю рішень як матеріальних, так і постматеріальних цінностей.

10. Блек, Енн Е. та Адам Лілєблад. Робочий документ. Відображення цінностей місць на державних землях. Доступно від Енн Блек, Дослідницького інституту Альдо Леопольда, Лісової служби Міністерства сільського господарства США, Дослідницької станції Скелясті гори, Міссула, Массачусетс. [email protected]

1. Клемент, Дж. Та А. Ченг. 2010. Використання аналізу орієнтацій, ставлення та уподобань суспільної цінності для інформування національного планування лісів у Колорадо та Вайомінгу. Прикладна географія 31:393-400.

У цій статті представлені результати та обговорюються наслідки соціальних опитувань, проведених у трьох національних лісах Колорадо та Вайомінгу. Результати показують, що хоча респонденти визначили естетичні, біорізноманіття, ціннісні орієнтації на майбутнє та відпочинок як найважливіші, існують також дивовижні зв’язки між ціннісними орієнтаціями, ставленням та уподобаннями щодо використання лісів та варіантами політики, пов’язаними з конкретними географічними та соціально-економічними контекстами та умовами. Результати також
запропонувати деякі «гарячі точки», де ціннісні орієнтації, ставлення та уподобання демонструють явні суперечності.

2. Макс Нільсен-Пінкус, Карен С. Голдберг, Емі Почевіч, Джо Елленс Форс,
Лізетт П. Уейтс, Пенелопа Морган, Лі Вірлінг. 2010. Прогнозовані наслідки розвитку житлового фонду на північному Айдахо за умов альтернативної політики управління зростанням та охорони земель. Ландшафтне та містобудування94:255–263.

Автори оцінили два інструменти політики - межі зростання міст та зонування сільськогосподарського використання - на предмет їх потенціалу в управлінні зростанням та підтримці сільського господарства
пейзаж. Використовуючи модель на основі опитування, вони змоделювали вплив двох інструментів політики на зміну землекористування та порівняли результати з прогнозами зміни землекористування для двох сільських округів (4794 км2) на півночі Айдахо, розробленими в попередньому проекті. Вони виміряли вплив прогнозованого розвитку заміського села за допомогою чотирьох показників: кількість житлових одиниць, передбачених на продуктивних сільськогосподарських землях, кількість
житлових одиниць, передбачених на території підземних водних ресурсів, зміни до індексу небезпеки пожеж для житлових споруд та соціальної прийнятності моделей забудови житла з огляду на поточні переваги забудови. Остання міра була виміряна за допомогою даних PPGIS.

3. Браун, Г. та Л. Алесса. 2005. Індуктивне дослідження цінностей дикої природи на основі ГІС. Міжнародний журнал дикої природи11 (1): 14-18. Посилання на статтю.

Автори представляють результати просторового аналізу цінностей дикої природи на Алясці. Використовуючи дані двох досліджень регіонального планування, порівнювали сприйняті значення ландшафту всередині та за межами територій пустелі, щоб визначити, чи існує пропорційна ціннісна різниця між територіями дикої природи та недикими місцевостями. Для підтвердження результатів та визначення відносної сили загальних значень ландшафту як предикторів вартості пустелі використовувався множинний регресійний аналіз. Результати показують, що зони дикої природи відображають цінності, пов'язані з непрямим, нематеріальним або відстроченим використанням ландшафту людиною - життєздатними, внутрішніми та майбутніми цінностями, тоді як ландшафтні цінності за межами районів пустелі відображають більш пряме, відчутне та безпосереднє використання ландшафту - економічне, рекреаційне та прожиткові вартості. Ці результати узгоджуються з результатами національних досліджень цінностей дикої природи для Національної системи охорони дикої природи. Автори припускають, що сприйняття цінності ландшафту можна використати для доповнення методів інвентаризації пустель на основі ГІС.

4. Браун Г., К. Сміт, Л. Алесса та А. Кліскі. 2004. Порівняння сприйняття біологічної цінності з науковою оцінкою біологічного значення. Прикладна географія 24 (2): 161-180. Посилання на статтю.

Автори оцінюють просторовий збіг місцевих уявлень про біологічну цінність, виявлених в ході опитування мешканців Аляски, з біологічно значущими територіями, визначеними вченими з майстерні збереження моря. Результати вказують на помірний ступінь просторового збігу між місцевими цінностями та науковою оцінкою з очевидними географічними зонами узгодження та розбіжностей у досліджуваному районі Принца Вільяма Саунда, Аляска. Автори стверджують, що включення місцевого сприйняття біологічної важливості може доповнити та посилити наукові біологічні оцінки, і вони пропонують ітеративний процес планування збереження, який включає обидві методології.

5. Рід, П. і Г. Браун. 2003. Аналіз придатності цінностей: методологія визначення та інтеграції суспільного сприйняття цінностей екосистем лісів у національному плануванні лісів. Журнал екологічного планування та управління 46 (5): 643-658. Посилання на статтю.

Автори представляють методологію планування під назвою "аналіз придатності для оцінки" (VSA), яка поєднує в собі ознаки розширеної участі громадськості з раціональною, аналітичною основою для включення людських цінностей у прийняття рішень щодо плану лісу. Методологія VSA забезпечує засіб для оцінки та порівняння того, наскільки «логічно узгоджені» потенційні приписи управління (набір заходів) з загальноприйнятими цінностями лісу. На основі просторової інвентаризації ландшафтних цінностей методологія VSA будує числовий рейтинг або набір рейтингів для кожного рецепта управління та взаємодії з цінністю ландшафту. Ці рейтинги використовуються для визначення (1), який рецепт управління найбільш сумісний з домінуючою цінністю ландшафту в певній сфері управління, а також (2) граничною різницею в загальній сумісності між альтернативними рецептами управління. Методологія VSA може бути використана для створення альтернатив лісового плану або служити еталоном для оцінки різних альтернатив лісового плану. Автори вважають, що прийняттю VSA може перешкодити відсутність довіри та інші інституційні питання.

6. Браун, Г., Рід і К. Гарріс. 2002. Перевірка теорії місцевості для оцінки навколишнього середовища: Тематичне дослідження Аляски. Прикладна географія. 22 (1): 49-77. Посилання на статтю.

Автори перевіряють теорію оцінки навколишнього середовища Нортона та Хеннона (1997), яка ґрунтується на прихильності до місця чи «відчуття місця», використовуючи дані опитувань на основі громад, зібрані в рамках процесу планування національного лісу Чугач (Аляска). Теорія припускає, що люди займаються географічними знижками (людям подобається перебувати поблизу позитивних атрибутів місця і далеко від негативних атрибутів місця), на що впливає відчуття місця. Емпіричні дані свідчать про помірне підтвердження теорії про те, що прихильність місцевості пов'язана з віддаленістю та інтенсивністю оцінки навколишнього середовища, тобто з тим, як люди в межах спільноти сприймають ландшафтні цінності навколо своєї громади. Враховуючи результати, автори підкреслюють важливість громадського аналізу навколишнього середовища.

1. Вебер, Д. і Г. Браун. 2014. Визначення та відображення цінностей вікторіанських громадських земель. Університет Квінсленду та Університет Південної Австралії.

2. Браун, Г. і Д. Вебер. 2012. Створення громадами досвіду парку та впливу на навколишнє середовище у Південно -Західній Вікторії: Дослідження PPGIS. Університет Квінсленду та Університет Південної Австралії.

3. Браун Г., Д. Вебер, Д. Занон. 2009. Картографічний досвід парку та вплив на навколишнє середовище у регіоні Вікторія, Австралія: опитування відвідувачів парку PPGIS. (Примітка: завантажується файл 42 МБ). Університет Південної Австралії, Університет Центрального Вашингтона та Парки Вікторії.


Параметри доступу

Купуйте окрему статтю

Миттєвий доступ до повної статті PDF.

Розрахунок податку буде завершено під час оплати.

Підпишіться на журнал

Негайний онлайн -доступ до всіх питань з 2019 року. Підписка буде поновлюватися щорічно автоматично.

Розрахунок податку буде завершено під час оплати.


Заключне правило IPPS за 2019 рік: Більш уважний погляд на платіж за розряд

CMS повідомляє про приблизне збільшення на 2,4 відсотка у 2019 фінансовому році загальних виплат лікарням, які виплачуються за IPPS. Це збільшення пояснюється застосовним процентним збільшенням та змінами у політиці, що стосується MSDRG, географічних змін та викидів. Національна стандартизована сума збільшується на 1,85 відсотка. Лікарні, які оплачуються відповідно до лікарняних тарифів, отримають оновлення лікарні 1,35 відсотка.

Щорічне оновлення лікарні включає:

  • Оновлення 9 -відсоткового кошика ринку
  • Зменшення на 8 процентних пунктів для багатофакторного регулювання продуктивності
  • Зменшення на 75 процентних пунктів відповідно до розділу 3401 Закону про доступну медичну допомогу

*Джерело даних Заключне правило IPPS за 2019 рік, Таблиця II CMS

За класифікацією виплат, за оцінками лікарень міських районів, у 2019 фінансовому році виплати за виписку збільшаться на 2,3 відсотки. Виплати за виписку у сільській місцевості збільшаться на 2,7 відсотка у 2019 році.

*Джерело даних Заключне правило IPPS за 2019 рік, Таблиця II CMS

Оглядаючи зміни платежів за розміром ліжок, більші лікарні (міські лікарні на 500 і більше ліжок, сільські лікарні на 200 і більше ліжок), за оцінками, зазнають найбільшого збільшення платежів на 2,9% та 1,6% відповідно. Проте категорія розміру ліжок, що складає 500 і більше ліжок, становить лише приблизно 8,8% усіх лікарень міського географічного розташування та 5,2% усіх сільських лікарень з географічним розташуванням.

*Джерело даних Заключне правило IPPS за 2019 рік, Таблиця II CMS

Які наслідки мають зміни до виплат із непропорційної часткової лікарні Medicare (DSH) та некомпенсованої допомоги (UC)?

Лікарні, які мають право отримувати виплати Medicare DSH, отримають:

  • 25 відсотків суми, яку вони раніше отримали б згідно із законодавчо встановленою формулою виплат Medicare DSH згідно з розділом 1886 (d) (5) (F) Закону.
  • 75 відсотків залишку того, що раніше сплачувалося як виплати Medicare DSH (фактор 1), зменшене, щоб відобразити зміни у відсотках незастрахованих осіб та додаткові законодавчі коригування (фактор 2), плюс додатковий платіж на основі приблизної частки загальної суми обсяг некомпенсованої допомоги (фактор 3).

Примітка: Зміна до виплат Medicare DSH відповідно до розділу 3133 Закону про доступну медичну допомогу не є нейтральною для бюджету.

*Джерело даних Остаточне правило IPPS за 2019 рік, модельовані безкомпенсовані виплати за медичну допомогу за прогнозованими планами медичного обслуговування за 2019 рік за типом лікарні: модель UCP $ (у мільйонах) з 2018 до 2019 фінансового року

CMS включала 2448 лікарень, які, згідно з прогнозами, матимуть право на DSH у 2019 фінансовому році.

*Джерело даних Остаточне правило IPPS за 2019 рік, модельовані безкомпенсовані виплати за медичну допомогу за прогнозованими планами медичного обслуговування за 2019 рік за типом лікарні: модель UCP $ (у мільйонах) з 2018 до 2019 фінансового року

CMS продовжує включати дані з робочого аркуша S-10, щоб визначити фактор 3 щодо обсягу некомпенсованої допомоги. Для фінансового 2019 року був використаний робочий аркуш S-10 за 2014, 2015 фінансовий рік із довіреними даними щодо частки лікарні з датами страхування з низькими доходами на 2013 фінансовий рік.

Чому лікарні повинні знати про загальні зміни платежів?

На загальні зміни платежів впливає кілька факторів політики, серед яких ключовими є:

  • Операційна базова ставка
  • Індекс заробітної плати
  • Відносна вага MSDRG
  • Унікальні обсяги послуг

Платежі IPPS до та після змін повинні бути бюджетно нейтральними, що включає фактори індексу заробітної плати, географічної рекласифікації та перекалібровки та рекласифікації MSDRG. Однак вплив на кожну лікарню може бути різним. Зі зміною цих факторів з року в рік лікарні повинні розуміти, що викликає будь -які суттєві відмінності у оплаті, характерні для постачальника послуг.

Крім того, лікарням необхідно приділити належну увагу завершенню робочого аркуша S-10 через прямий вплив на платежі UCP.

Приклад лікарняного випадку: Міська лікарня Огайо

Показано, що лікарня у місті Огайо відчує загальне збільшення операційних виплат на 1,2% з 2018 до 2019 фінансового року, незважаючи на те, що загальний індекс заробітної плати цієї лікарні зменшився на 1,72% з 0,971 у 2018 -му до 0,9543 у 2019 -му.

*Джерело даних: CMS, FY 2018 & amp 2019 Table, 5, FY 2018 & amp 2019 Final Rule Impact Files, 2017 MedPAR

Однак цей прогноз був створений за припущення, що унікальні обсяги послуг не змінюються. Пам’ятаючи про це припущення, лікарня повинна стежити за будь -якими окремими змінами MSDRG та про те, як ці зміни впливають на загальну виплату. Якщо обсяги збільшуються в зонах виплат MSDRG, що мають негативний вплив, лікарня може не зазнати прогнозів, викладених у Політиці остаточного правила.

Який вплив на мою лікарню?

Оцінка впливу на політику перспективних платежів є важливою для розуміння майбутніх виплат Medicare та виплат, подібних до Medicare. Визначення рушійних факторів може допомогти лікарні запропонувати зворотний зв'язок CMS, іншим платникам та/або бюджетним цілям на рівні закладу та відомства.

Хочете отримати додаткову інформацію?

Якщо ви хочете обговорити наше покриття або те, що це може означати для вашої лікарні, зателефонуйте нам за номером 888.779.5663


Клінічне використання наших результатів

Менеджери з догляду співпрацюють з іншими членами клінічних груп. Ми автоматично пояснимо ранні попередження та запропонуємо можливі втручання, щоб допомогти бригадам клінічної допомоги формувати індивідуальні плани допомоги на основі об’єктивних даних. Це може полегшити клініцистам швидший перегляд структурованих даних у таблицях пацієнтів та забезпечити тіснішу співпрацю між керівниками медичної допомоги та іншими членами бригад клінічної допомоги. Після того, як наші методи знайдуть пацієнтів з найбільшими прогнозованими ризиками для майбутнього використання в лікарні та дадуть пояснення, клініцисти перевірять діаграми пацієнтів, вивчать такі фактори, як соціальні аспекти та потенціал для поліпшення [102], та приймуть рішення щодо зарахування та втручання керівництва догляду.

З плином часу обидві особливості, пов'язані з високим ризиком для майбутнього використання в лікарні, і стан пацієнта постійно змінюються. У клінічній практиці ми можемо регулярно повторно застосовувати наші методики до останніх наборів даних клінічних, адміністративних даних, якості повітря та погоди, щоб перемістити пацієнтів до та з медичної допомоги та з часом знайти нові особливості функцій.

Як і у випадку з LSTM, маючи інформацію лише з одного відвідування, запропоновані нами моделі прогнозування можуть розпочати прогнозування пацієнта. Тим не менш, за інших рівних умов, ми очікуємо, що точність прогнозування та своєчасність попередження про ризик, досягнуті нашими моделями, покращаться із збільшенням тривалості історії пацієнтів.

Узагальнення

Ми будемо напівавтоматично вилучати прогнозні та клінічно значущі часові особливості з поздовжніх даних, вирішуючи відкриту проблему інформатики [60]. І наші методи вилучення функцій, і автоматичні методи пояснення допоможуть скинути неінформативні змінні, зменшивши змінні, що використовуються в моделі. Це збільшує узагальнення моделі та частково усуває обмеження, яке одне дослідження не може дозволити собі перевірити моделі на всіх пацієнтах США. Як показали Гупта та ін. [114], багато видобутих ознак представляють загальні властивості атрибутів, що використовуються в ознаках, і можуть бути цінними для інших завдань прогнозування моделювання. Використовуючи вилучені функції для створення бібліотеки тимчасових функцій, що допомагає повторному використанню функцій, ми можемо скоротити зусилля, необхідні для побудови моделей для інших завдань інтелектуального моделювання.

Принципи наших методик є загальними і не залежать від унікальних характеристик конкретного захворювання, когорти пацієнтів чи системи охорони здоров’я. Управління доглядом також широко використовується для пацієнтів з діабетом та серцевими захворюваннями [34], де наші методи можуть бути використані. Наше моделювання виявить, як узагальнити модель прогнозування на інших сайтах, що збирають різні набори змінних та ті змінні, які є найважливішими для узагальнення. Ми будемо використовувати дані з 3 систем охорони здоров’я IH, KPSC та UWM для ілюстрації наших методик щодо випадків ХОЗЛ та хворих на астму. Ці системи охорони здоров’я включають 2 інтегровані системи (IH та KPSC), академічну систему, де більшість пацієнтів направляються з інших систем (UWM), та багато неоднорідних закладів. Ці заклади охоплюють 41 лікарню та 424 клініки, розташовані на 3 великих географічних територіях, починаючи від сільських та громадських міських клінік, у яких працюють різноманітні клініцисти, включаючи лікарів, медсестер, терапевтів та практиків із передовою практикою, які мають обмежені ресурси, до столичних лікарень третинної медичної допомоги, укомплектованих субспеціалістами . Ці системи використовують 4 різні електронні системи обліку стану здоров’я: IH використовує Cerner, HELP, а HELP2 UWM використовує Cerner, а Epic KPSC - Epic. Різноманітність сфери послуг, складу персоналу, географічного положення, культурного походження, кількості пацієнтів, типу системи охорони здоров’я та електронної системи обліку стану здоров’я дозволяє нам знаходити фактори, які можна узагальнити для інших закладів по всій країні. Наші моделі будуть базуватися на загальній моделі даних OMOP [72] та пов'язаних з нею стандартизованих термінологіях [73], які стандартизують клінічні та адміністративні змінні з � великих систем охорони здоров’я США [115,116]. Як мінімум, наші моделі застосовуватимуться до тих систем, які використовують OMOP.

Після розширення наші методи можуть бути застосовані до різних програм підтримки прийняття рішень та хвороб та сприятимуть клінічному машинному навчанню: (1) більш точні моделі, що попереджають попередження, посилять інструменти підтримки прийняття рішень щодо управління обмеженими ресурсами, такі як планування розподілу ресурсів охорони здоров’я [117] ] і автоматичне виявлення пацієнтів, які мають тенденцію до швидкої повторної госпіталізації, що викликає відвідування медсестер на дому для скорочення реадмісії та (2) використання наших методів може підвищити точність прогнозування та своєчасність попередження про ризик інших результатів, таких як пропущені зустрічі [118], задоволеність пацієнтів [119] та дотримання лікування [120]. Це допоможе спрямувати ресурси, такі як нагадування про телефонні дзвінки, щоб скоротити пропущені зустрічі [118], або втручання для підвищення прихильності до лікування [120].

Ми очікуємо, що наші більш точні моделі прогнозування, що дають попередні попередження, матимуть значення для клінічної практики. Майбутні дослідження будуть перевіряти наші методи на деяких когортах та захворюваннях пацієнтів, застосовувати наші методи в UWM, IH та KPSC для лікування догляду за ХОЗЛ та астмою та оцінюватимуть вплив у рандомізованих контрольованих дослідженнях.

Підводячи підсумок, методи, які будуть розроблені в цьому дослідженні, сприятимуть покращенню машинного навчання для багатьох клінічних застосувань та допоможуть перетворити профілактичну допомогу на більш ефективну, дієву та своєчасну. Це підвищить результати та заощадить ресурси.


Як застосувати другу геометричну форму Гана-Банаха, щоб довести, що існує функціонал з нормою один і має певне значення в певній точці.

Я намагаюся вирішити цю проблему: start & amp text <Нехай> M text < - належне замкнене підпростор нормованого векторного простору> E текст <. Нехай> u_ <0> в E text <таке, що> & amp ім'я оператора ліворуч (u_ <0>, M праворуч) = inf _ вліво | u_ <0> -v вправо | = d & gt0. text <Доведіть, що існує> varphi в E^ < prime> text <такий, що> varphi left (u_ <0> right) = d & amp left. varphi right | _= 0 текст <і> | varphi | _> = 1. кінець

Основна ідея, яку мені довелося довести, - розглянути $ [ varphi = d] $ і спробувати довести, що це гіперплан, який розрізає E на дві частини. Оскільки я маю відстань між $ u_0 $ та $ M $, вона чітко розділяє $ u_0 $ та $ M $. Ця частина $ varphi | _= 0 $ вже доведено. Але чому $ varphi (u_0) = d $ і його норма така, що я не можу це побачити. Я не знаю, чи моя думка правильна, я хочу кілька порад, щоб закінчити цей доказ.


Довідка зі списком SharePoint

Я застряг тут із цією формулою стовпців списку SharePoint. Напевно, є простіший спосіб це зробити. У мене є колонка з двома варіантами вибору, один для телефону, а інший для ноутбука.

Я створив стовпці, але він віднімає те саме значення 1-10 = 9. Я б хотів, щоб при виборі телефону він вилучив -1 із значення стовпця Доступні телефони, наприклад, 10 і так далі кожного разу додається новий рядок, поки він не досягне нуля. А при видаленні рядків він повертається до значення за замовчуванням, наприклад, 10. Те ж саме, звичайно, з вибором ноутбука. Я вдячний за деякі поради!


Подивіться відео: Processing. Символи