La mia seconda settimana della #30DayMapChallenge
La mia avventura nella #30DayMapChallenge continua la seconda settimana
La mia visione personale della seconda settimana del #30DayMapChallange, una sfida sociale quotidiana volta a progettare mappe tematiche ogni giorno di novembre.
Dal 2019, la comunità del Sistema Informato Geografico (SIG) e dell’analisi spaziale è stata piuttosto impegnata ogni novembre, grazie a una divertente sfida chiamata #30DayMapChallange. Ogni anno, questa sfida ha un programma tematico, proponendo un argomento che dovrebbe essere la direttiva principale per la visualizzazione della mappa da pubblicare in quel determinato giorno. Mentre gli argomenti giornalieri predefiniti rappresentano certamente un limite per la mente creativa, aiutano anche i partecipanti a trovare interessi comuni, condividere fonti di dati ed esprimere stili individuali in modo visuale e tecnologico.
Qui vorrei dare una breve panoramica della mia seconda settimana di questa sfida, fornendo dettagli e mostrando le diverse mappe che ho creato, di solito in Python.
In questo articolo, tutte le immagini sono state create dall’autore.
- Embeddings + Knowledge Graphs Gli strumenti finali per i sistemi RAG
- Verso la comprensione del modello di miscele di esperti
- Adattamento di dominio di un grande modello linguistico
Giorno 8 – Africa
Per iniziare la seconda settimana, mi sono basato sul dataset dei fiumi africani pubblicato dalle Nazioni Unite FAO. Il loro file GIS contiene quasi 200.000 poligoni lineari appartenenti a fiumi attribuiti con un paio di parametri, come il principale bacino fluviale o l’ordine di deflusso di Strahler di ogni arco. Ho utilizzato il numero per impostare sia il colore che la larghezza di ciascun fiume; più alto è il rango, più scuro e sottile è il fiume, passando dai corsi d’acqua di primo ordine ai tronchi primari di ottavo ordine.
Giorno 9 – Esagoni
Questo è un po’ complesso, ma si basa sugli esagoni H3 di Uber. Prima, ho raccolto dati dal database geospaziale della Lista Rossa IUCN delle specie minacciate che copre l’habitat di tutte le specie mammifere (circa 5.000) in formato poligonale. Poi, ho calcolato la sovrapposizione spaziale di ciascun habitat delle specie facendo confronti a coppie. A causa della complessità dei poligoni, ciò avrebbe richiesto molto tempo se avessi utilizzato semplici sovrapposizioni di GeoPandas, quindi invece ho diviso ciascun habitat in esagoni e ho semplicemente catturato la sovrapposizione degli habitat come…
