Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "python" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    SFMToolbox: an ArcGIS Python Toolbox for Automatic Production of Maps of Soil Fertility
    Autorzy:
    Velamala, Ranga Rao
    Pant, Pawan Kumar
    Powiązania:
    https://bibliotekanauki.pl/articles/2174667.pdf
    Data publikacji:
    2023
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    ArcGIS
    GIS
    Python
    ArcPy
    ArcMap
    soil fertility
    toolbox
    soil health card
    Opis:
    SFMToolbox is an ArcGIS Python toolbox developed in ArcGIS Desktop (ArcMap) to perform preprocessing tasks for the automatic creation of maps of soil fertility parameters. Through SFMToolbox, users can automatically produce 12 soil fertility parameter maps as a batch at one time. It is easy to use, where users can only provide input; the output files are automatically created from the name of the sample point and saved in the defined workspace. During the execution of the tools, various processes, such as Inverse Distance Weighted (IDW) – a technique of interpolation, reclassification, adding color, merging, projection, area calculation, and legend are done automatically for all 12 parameters at the same time. The SFMToolbox was validated as part of the following case study: village – Kashipur, tehsil – Balrampur, district – Balrampur, state – Uttar Pradesh, Country – India. The results show that the user can quickly generate maps and save time, improve accuracy, and reduce human intervention and ensure uniformity among maps. This toolbox also applied to Cycle II data from the Government of India’s Soil Health Card (SHC) scheme and timely produced 12-parameters soil nutrient maps for 630 districts in a uniform format. The toolbox may be used by public and private organizations to make timely decisions on agricultural and environmental issues.
    Źródło:
    Geomatics and Environmental Engineering; 2023, 17, 2; 105--145
    1898-1135
    Pojawia się w:
    Geomatics and Environmental Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    ReMo3D – an open-source Python package for 2D and 3D simulation of normal and lateral resistivity logs
    Autorzy:
    Wilkosz, Michał
    Powiązania:
    https://bibliotekanauki.pl/articles/2124700.pdf
    Data publikacji:
    2022
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    normal and lateral resistivity logs
    geophysical forward problem
    finite element method
    Python
    Gmsh
    Netgen/NGSolv
    Opis:
    An open-source Python package is presented, ReMo3D, which allows the generation of synthetic normal and lateral resistivity logs for 2D and 3D models. The package is built around a finite element mesh generator Gmsh and a high-performance multiphysics finite element software Netgen/NGSolve and supports distributed-memory parallel computation. The examples included in the paper show that the developed software can accurately simulate the measurement process and produce detailed synthetic normal and lateral resistivity logs. In addition, basic information about normal and lateral tools such as tool configurations, measurement principles, nomenclature and a brief history of utilization is included in the paper.
    Źródło:
    Geology, Geophysics and Environment; 2022, 48, 2; 195--211
    2299-8004
    2353-0790
    Pojawia się w:
    Geology, Geophysics and Environment
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Streamlining of Obtaining and Processing Data from Ogimet Service Using Python Language Script
    Ułatwienie procesu pozyskiwania i przetwarzania danych z serwisu Ogimet
    Autorzy:
    Pietras-Szewczyk, Małgorzata
    Szewczyk, Leszek
    Powiązania:
    https://bibliotekanauki.pl/articles/385398.pdf
    Data publikacji:
    2019
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    cloudiness
    meteorological data
    long-term average
    obtaining data
    zachmurzenie
    dane meteorologiczne
    średnie długoterminowe
    pozyskiwanie danych
    Opis:
    This paper contains a study of using Ogimet services as a source of meteorological data and the Python language script to streamline data processing. Meteorological data is important in large number of research projects in different disciplines of sciences and technology. In this case, it was used to analyze cloudiness, but it can also be used for energy, hydrology, and environment analyses. Attention has been paid to the total cloudiness variability in an area of the Lower Silesia region in Poland during the time period of 2001–2010 using the data from eight synoptic stations (the data was obtained from the Ogimet service). A very important part of the work constituted Ogimet services as a source of free and easily available meteorological data. The biggest advantage of Ogimet is that the process of obtaining data is very easy and helpful in reducing the time needed to collect the data necessary in the research process. The offered data is free and available via the Internet, but it is raw and general. For these reasons, a Python script language application was made for faster and easier data processing. The script applied in this project has been described in detail in the work. Finally, after processing the data, the daily averages of total cloudiness have been calculated based on the available data for eight meteorological stations. Next, the ten-year average for each day and month have been calculated. The results of the study were compared with works that took a longer data time period of total cloudiness into account.
    Artykuł poświęcony jest wykorzystaniu usługi Ogimet jako źródła danych meteorologicznych opisujących zachmurzenie oraz skryptu w języku Python do optymalizacji procesu przetwarzania pozyskanych danych. Dane meteorologiczne są istotne w wielu zagadnieniach badawczych z różnych dyscyplin nauki i techniki. W tym przypadku dane zostały wykorzystane do analizy wielkości zachmurzenia. Z równym powodzeniem opisane narzędzia mogą być wykorzystane w innych dziadzinach, takich jak hydrologia, ochrona środowiska czy energetyka. Zasadniczym elementem pracy jest opis usługi Ogimet jako źródła wolnych i łatwo dostępnych danych meteorologicznych. Największą zaletą serwisu jest prostote i szybkie pozyskiwanie danych. Oferowane dane są bezpłatne i dostępne przez Internet, ale są one surowe i ogólne. Z tego powodu zaproponowano użycie języka skryptowego Python do przetwarzania danych. Skrypt zastosowany w tym projekcie został szczegółowo opisany w pracy. Po przetworzeniu danych, na podstawie dostępnych informacji z ośmiu stacji meteorologicznych, obliczono wartości średnich dobowych całkowitego zachmurzenia. Następnie obliczono średnie dziesięcioletnie dla każdej ze stacji. Wyniki zostały porównane danymi zawartymi w pracach, w których analizowano zachmurzenie w dłuższym okresie.
    Źródło:
    Geomatics and Environmental Engineering; 2019, 13, 1; 51-62
    1898-1135
    Pojawia się w:
    Geomatics and Environmental Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A Python library for the Jupyteo IDE Earth observation processing tool enabling interoperability with the QGIS System for use in data science
    Autorzy:
    Bednarczyk, Michał
    Powiązania:
    https://bibliotekanauki.pl/articles/2055774.pdf
    Data publikacji:
    2022
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    Earth observation data processing
    IDE
    IPython
    Jupyter notebook
    web processing service
    GIS
    data science
    machine learning
    API
    Opis:
    This paper describes JupyQgis – a new Python library for Jupyteo IDE enabling interoperability with the QGIS system. Jupyteo is an online integrated development environment for earth observation data processing and is available on a cloud platform. It is targeted at remote sensing experts, scientists and users who can develop the Jupyter notebook by reusing embedded open-source tools, WPS interfaces and existing notebooks. In recent years, there has been an increasing popularity of data science methods that have become the focus of many organizations. Many scientific disciplines are facing a significant transformation due to data-driven solutions. This is especially true of geodesy, environmental sciences, and Earth sciences, where large data sets, such as Earth observation satellite data (EO data) and GIS data are used. The previous experience in using Jupyteo, both among the users of this platform and its creators, indicates the need to supplement its functionality with GIS analytical tools. This study analyzed the most efficient way to combine the functionality of the QGIS system with the functionality of the Jupyteo platform in one tool. It was found that the most suitable solution is to create a custom library providing an API for collaboration between both environments. The resulting library makes the work much easier and simplifies the source code of the created Python scripts. The functionality of the developed solution was illustrated with a test use case.
    Źródło:
    Geomatics and Environmental Engineering; 2022, 16, 1; 117--144
    1898-1135
    Pojawia się w:
    Geomatics and Environmental Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An Analysis and 3D Visualization of Shading of Urban Spatial Objects with the Use of the Phython Programming Language in the Blender Application
    Analiza i wizualizacja zacienienia miejskich obiektów przestrzennych 3D z wykorzystaniem języka programistycznego Python w aplikacji Blender
    Autorzy:
    Ilba, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/385982.pdf
    Data publikacji:
    2015
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    analiza zacienienia
    miasto 3D
    Blender
    wizualizacje 3D
    GIS
    analysis of shading
    3D city
    3D visualization
    Opis:
    Analizy zacienienia są wykonywane od kilkunastu lat. Powszechnie są one tworzone na podstawie danych rastrowych z zapisanymi atrybutami wysokościowymi. Niewątpliwą zaletą użycia rastra jest szybkość i prostość analizy, dużym minusem są różnego typu ograniczenia. Jednym z nich jest niemożność wykonania prawidłowej analizy modelu miasta 3D. Analiza oparta tylko na danych rastrowych nie daje odpowiedzi na pytanie, co się dzieje na elementach pionowych budynków, a przecież sumarycznie powierzchnie tych elementów (ścian) w dużych miastach przewyższają znacznie powierzchnie elementów poziomych i skośnych, które da się zapisać w postaci rastra. Dopiero od niedawna dostępne są narzędzia do wykonywania analiz zacienienia na modelach 3D. Jednak takie narzędzia są drogie i mają pewne ograniczenia. Na przykładzie aplikacji ArcGIS można stwierdzić, że takimi ograniczeniami są trudność w wyznaczaniu powierzchni zacienionych wraz z ich statystyką. W przypadku aplikacji Bentley Microstation V8i minusem jest brak wpływu na statystykę wynikową i fakt, że wygenerowane dane są dostępne tylko w postaci wyświetlanego wyniku. Wprawdzie powstają dodatki do różnych aplikacji, ale są one płatne i również nie zapewniają stuprocentowej kontroli nad prezentacją wyników. W niniejszym artykule rozważana jest możliwość wykonania analizy zacienienia wysokich zabudowań miejskich oraz jej wizualizacji przy wykorzystaniu algorytmu śledzenia promieni dostępnego w aplikacji Blender udostępnianej na licencji GPL. Autor przetestował działanie aplikacji na przykładzie modelu 3D fragmentu miasta zbudowanego na potrzeby analizy, a także modelu miasta rzeczywistego (Nowy Jork).
    Shading analysis has been performed for several years. It is commonly performed on the basis of raster data with saved height attributes. An undoubted advantage of the application of raster is the speed and the easiness of the analysis but this solution has also many limitations. One of them is the impossibility of executing a correct analysis for a 3D city. The analysis performed only on raster data cannot answer the question, what happens to vertical elements of buildings and yet surfaces of these elements (walls) are far greater in big cities than horizontal and oblique ones, which we are able to save as raster images [11]. It is only recently that the tools are available, which make it possible to analyze the shading on 3D models. However, such tools have a lot disadvantages; they are expensive and have some limitations. On the example of the ArcGIS application, the following limitations can be enumerated: difficulties, while determining shadowed surfaces together with their classification; in the case of the Bentley Microstation V8i application, there is no in fluence on the output classification; the access to the generated data is carried out by displaying results. Additional software for these applications is created but it is payable and also does not give 100% control over the presentation of results. It is in this article that we will take a closer look at the feasibility of an analysis of shading of high urban buildings and its visualization using an algorithm for ray tracing that is available in the Blender application available under the GPL license. The author tested the work of the application on an example of an artificially built part of a 3D city and on a part of New York.
    Źródło:
    Geomatics and Environmental Engineering; 2015, 9, 3; 35-44
    1898-1135
    Pojawia się w:
    Geomatics and Environmental Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies