Usuário:Peter/Lembretes DNGS e casos de uso: mudanças entre as edições
Sem resumo de edição |
Sem resumo de edição |
||
| Linha 2: | Linha 2: | ||
* "Wāhi, a discrete global grid gazetteer built using linked open data", de 2016, usa Geonames e indiretamente Wikidata, https://www.tandfonline.com/doi/full/10.1080/17538947.2016.1229819 | * "Wāhi, a discrete global grid gazetteer built using linked open data", de 2016, usa Geonames e indiretamente Wikidata, https://www.tandfonline.com/doi/full/10.1080/17538947.2016.1229819 | ||
* ... | * ... | ||
== Conversão de grade de campo == | |||
Exemplo da grade de população do IBGE. | |||
# Define 1024m como referencia target, poranto 1km source. O target mais seguro é a metade, 512 m, ~1/4 da área de 1km2. | |||
# Varre todas as células de 512 m do Brasil. Serão milhões... Mas o algoritmo é rápido. | |||
# JOIN do centro da célula 512 com grid_ibge.xySany_to_gid(ponto, escala). Gera tabela de gID com dados populacionais do IBGE. Na mesma tabela faz a média ponderada por área de valores para fixar referencia 1024 m. Fazer teste inicial em 1 só quadrante e cronometrar. Custo linear por serem apenas equações envolvidas, sem busca nem geometria. | |||
Nota. Não importa a grandeza envolvida na agregação final de 4 células 512 para obter a mãe de 1024 m, por serem áreas iguais a média ponderada será a média da grandeza, independente de ser intensiva ou extensiva. Se fossem recortes da source em interseção com a target, aí sim, seria média ponderada da grandeza extensiva, e probabilidade amostral da intensiva, ambas ponderando pela área. | |||
Edição atual tal como às 10h29min de 8 de julho de 2024
- Exemplo de dados de grade científica: https://www.mdpi.com/2073-445X/11/12/2274
- "Wāhi, a discrete global grid gazetteer built using linked open data", de 2016, usa Geonames e indiretamente Wikidata, https://www.tandfonline.com/doi/full/10.1080/17538947.2016.1229819
- ...
Conversão de grade de campo
Exemplo da grade de população do IBGE.
- Define 1024m como referencia target, poranto 1km source. O target mais seguro é a metade, 512 m, ~1/4 da área de 1km2.
- Varre todas as células de 512 m do Brasil. Serão milhões... Mas o algoritmo é rápido.
- JOIN do centro da célula 512 com grid_ibge.xySany_to_gid(ponto, escala). Gera tabela de gID com dados populacionais do IBGE. Na mesma tabela faz a média ponderada por área de valores para fixar referencia 1024 m. Fazer teste inicial em 1 só quadrante e cronometrar. Custo linear por serem apenas equações envolvidas, sem busca nem geometria.
Nota. Não importa a grandeza envolvida na agregação final de 4 células 512 para obter a mãe de 1024 m, por serem áreas iguais a média ponderada será a média da grandeza, independente de ser intensiva ou extensiva. Se fossem recortes da source em interseção com a target, aí sim, seria média ponderada da grandeza extensiva, e probabilidade amostral da intensiva, ambas ponderando pela área.