Lisää

ArcGIS-palvelimen tietojen poiminta - työtä ei ole tai sitä ei voida käyttää


Olen seurannut dokumentaatiota ja videota asettaaksesi tiedonpoiston geoprosessointipalvelun, jota käytän ArcGIS Viewer for Flex -ohjelmalla (jae 2.3.1). Kun suoritan Pura tiedot -widgetin katseluohjelmassa, saan virheen: Töitä (työn kansion nimi) ei ole tai sitä ei voida käyttää. Kun menen palvelimen arcgisjobs-kansioon, kansio on siellä yhdessä raaputuskansion ja ulostulevan .zip-tiedoston kanssa, joka sisältää leikatut tiedot. Raaputuskansiossa olevan messages.xml-tiedoston mukaan työ valmistuu onnistuneesti.

Olen tarkistanut ArcGIS Server- ja Windows-lokit, enkä ole löytänyt mitään ilmeistä, mikä viittaa ongelmaan. Kansion oikeuksien tulisi olla oikein, koska tehtävä voi luoda työkansion, leikata tiedot ja luoda ulostulevan .zip-kansion. Tehtävä suoritetaan onnistuneesti, kun sitä käytetään ArcGIS Desktopin kautta.

Joten onko kukaan kokenut samanlaista käyttäytymistä tietojen purkutyökalun tai muiden GP-tehtävien kanssa? Onko sinulla ideoita siitä, mistä voin etsiä seuraavaksi?

Ympäristö:
ArcGIS Server 10, .NET, SP2 - hajautettu asennus
ArcGIS Desktop 10, SP2
Windows Server 2008 x64 R2
Kiitos, Tim

Päivittää:
Tein joitain testejä tänään (Firefoxissa) ja löysin vielä muutamia asioita:
1. Yleislääkäripalvelu tekee toisinaan näyttää siltä. Joka muutama yritän saada kehotteen ladata puretut tiedot vain saadaksesi hiekkalaatikkorikkomuksen:
http: //PALVELIN IP/Samples/DataExtract/Flex/widgets/DataExtract/DataExtractWidget.swf ei voi ladata tietoja osoitteesta http: //PALVELIMEN NIMI/arcgisjobs/sumner.dataextract_gpserver/j77643b1b114e458f82e6f416262aaf58/scratch/output.zip.
2. Kun minua kehotetaan lataamaan tiedosto, Firebug osoittaa, että se ei voi ladata crossdomain.xml-tiedostoni. Se näyttää osoitteen muodossa http: //PALVELIMEN NIMI/crossdomain.xml

Molemmissa tapauksissa se yrittää käyttää http: // palvelimen URL-osoitetta eikä pääse sinne. Ongelmana on, etten voi selvittää, mistä se saa tämän URL-osoitteen. Yritin muokata virtuaalihakemiston URL-osoitteita ja julkaista palvelut uudelleen käyttämällä ArcGIS Server IP: tä koneen nimen sijasta muuttamatta käyttäytymistä.


Jos ajattelen sen komentosarjaa, työkirja on kovakoodattu komentosarjassa. Avaa komentosarja ja varmista, että komentosarjassa oleva työpaikkojen hakemisto on samankaltainen kuin ympäristössäsi.

Sanontasi mukaan kuulostaa siltä, ​​että työ valmistuu onnistuneesti, se vain palauttaa väärän URL-osoitteen FlexApp-sovellukseen .zip-tiedoston lataamiseksi.


Minulla on hajautettu AGS10 SP2 -asennus, joka näyttää samanlaiselta kuin sinun. Olen kehittänyt PDF-palvelua, joka perustuu ArcPy.Mapping Simple ExportToPDF Geoprocessing Service -esimerkkiin ja olen havainnut saman "Job xx: ää ei ole tai sitä ei ole saatavilla" -sanoman.

Minun tapauksessani näyttää siltä, ​​että kyseessä on ajoitus: tehtävä on valmis, mutta prosessi yrittää käyttää tuloksia ennen kuin ne voidaan siirtää SOC: sta SOM: n työkansioon.

Väliaikainen kiertotapa on siepata tietty virhe, purkaa JobID ja soittaa luodun PDF-tiedoston hakemiseksi:

funktio gpError (e) {if (e.message.search ("ei ole olemassa tai ei ole käytettävissä")> -1) {var jobId = e.message.replace (/ Job '([az, 0-9] *) 'ei ole olemassa tai siihen ei pääse  ./, "$ 1"); gp.getResultData (jobId, "Output_PDF"); } else {showDialog (dojo.string.substitute ('

Virhe: $ {error}

', {virhe: e.message})); }}

Tätä en todellakaan halua laittaa tuotantoon, mutta se antaa minun kiertää virheen ja jatkaa kehitystyötä odottaessani ESRI: n ratkaisevan ongelman.


Kingston Data Traveler Vault Privacy - lisää salasanayrityksiä

Kingston Data Traveler Vault Privacy USB -asemalla on oletusarvoisesti 10 salasanaa ennen sen poistamista. Minulle on jäänyt yksi ja kysymys on, antaako jokin seuraavista kahdesta lähestymistavasta useampia yrityksiä kirjoittaa salasanaa (minun pitäisi tietää oikea, minun on vain pitkä aika sen asettamisesta). En aio raakaa voimaa siihen.

kopioi salatut tiedot asemasta ja tee salauksen purku aseman ulkopuolella

kopioi salatut tiedot varmuuskopiona, kirjoita asemaan salasana, anna sen muotoilla itsensä ja kopioi sitten varmuuskopioidut tiedot uudelleen asemaan

oppia tallennetun salasanan AES-esitys ja yritä arvata salasana aseman ympäristön ulkopuolella ja laittaa oikea salasana vasta, kun vastaava AES-esitys on löydetty


6 vastausta 6

Olen Crossrefiltä. DOI: n tulisi aina ratkaista tietty paikka, vaikka sisältö olisi muuttanut sijaintia verkossa tai vaihtanut julkaisijaa. Voitteko jakaa esimerkin, jotta voimme raportoida sen? On mahdollista, että se ei ole tietysti Crossref DOI (on olemassa useita muita DOI-virastoja), mutta saan selville DOI: stä. Etuliite viittaa usein tiettyyn julkaisijaan, mutta lehdet vaihtavat omistajaa usein, kun yhteiskunnat neuvottelevat erilaisista julkaisusopimuksista, joten se ei välttämättä ole epäonnistunut tapa ratkaista ongelma (jonka ei pitäisi olla sinun ongelmasi!). Autan mielelläni, jos jaat esimerkkejä :-)

Olen myös Crossrefistä. Katkenneet DOI-linkit eivät ole hyviä, ja yritämme korjata ne. Jos saat & quotDOI Not Found & quot -virhesivun - esimerkiksi seuraamalla tätä linkkiä - https://doi.org/10.15680/IJIRSET.2019.0806081 - se tarkoittaa, että DOI: tä ei ole rekisteröity. Jos täytät lomakkeen, tästä virheestä ilmoitetaan asianomaiselle rekisteröintivirastolle. Crossrefin tapauksessa ilmoitamme julkaisijalle virheestä ja pyydämme häntä korjaamaan ongelma - se yleensä korjautuu, mutta jos julkaisija on lopettanut toimintansa tai ei ole enää Crossref-jäsen, linkkiä ei ehkä voida korjata. Jos arkistointijärjestelyt ovat käytössä, DOI voidaan ohjata arkistoituihin kopioihin sisällöstä.

Vaikka DOI: t eivät olekaan niin epävakaat kuin URL-osoitteet, ne voidaan silti kumota tai muuten olla poissa käytöstä.

Harkitse tapauksessasi, onko mahdollista, että DOI voi tulla uudelleen saataville (isännän kanssa saattaa olla teknisiä vaikeuksia) vai onko olemassa muuta saatavilla olevaa lähdettä (toinen DOI). Henkilökohtaisesti sisällytän DOI: n bibliografiaan ja lähetän viestin tekijälle (tekijöille) tai toimittajalle (tämän ei pitäisi olla ongelmasi ratkaista).

Kaikkia esteettömiä DOI: itä voi hakea Crossrefillä (haku nimen, tekijän, DOI: n ja muiden metatietojen mukaan).

Vaikka DOI: t ovat erittäin käteviä, se ei todellakaan voi olla ongelma, jos se on rikki. Yleensä sitaatit sisältävät tekijän (nimet), lehden nimen, lehdenumeron, vuoden ja mahdollisesti sivuviitteen ja artikkelin otsikon. Pelkästään näiden tietojen avulla sinun pitäisi pystyä löytämään viitattu artikkeli perinteistä menetelmää käyttäen. Siksi DOI: itä voidaan pitää mukavuuspalveluna, jossa ei ole liian suurta laskeumaa, jos ne rikkoutuvat. Toinen kätevä & quotservice & quot on kysyä oppilaitoksesi kirjastonhoitajalta, jos sinulla on vaikeuksia löytää viitattu lähde.

Pidä lisäksi mielessä, että DOI voi yksinkertaisesti sisältää kirjoitusvirheen, eikä sitä siksi voida ratkaista oikein. Tämä voi tietysti tapahtua myös perinteisillä viittauksilla, mutta siellä on yleensä helpompaa nähdä, että & quotNautren & quot; artikkeli on todella julkaistu & quotNature & quot: ssä.

Lopuksi haluaisin huomauttaa, että Internetillä on muita työkaluja DOI: n ratkaisemiseen kuin tavalliset verkkosivustot. Esimerkiksi löydän kommenteissasi mainitsemasi artikkelin helposti käyttämällä tavallista Internet-hakukonetta.

Tämä vastaus on osittain johdettu muista vastauksista ja kommenteista tähän kysymykseen:

Vastaus kysymykseen 1

Huolimatta siitä, että DOI: t pitäisi pysyä toimintakykyisenä / käytettävissä, on olemassa erilaisia ​​syitä sille, miksi niihin voi päästä käsiksi:

Jotkut kustantajat saattavat kadota ajan myötä. Tässä tapauksessa DOI-viranomaiseen voidaan ottaa yhteyttä ilmoittamaan rikkoutuneesta DOI: stä.

Kustantaja on saatettu yhdistää toiseen julkaisijaan. Jos tällainen DOI on rikki, julkaisijalle tai DOI-viranomaiselle voidaan ilmoittaa. Yleensä uusi julkaisija voi korjata sen.

Jotkut paperit saatetaan peruuttaa julkaisemisen jälkeen. Tässä tapauksessa tulisi ottaa yhteyttä DOI-viranomaiseen, jotta DOI ei linkitä URL-osoitteeseen, joka esim. ei ole enää olemassa.

Julkaisijan toimialue voi olla väliaikaisesti poissa käytöstä. Tämä tapaus voidaan testata lataamalla saman julkaisijan muita verkkosivuja. Jos useita sivuja on alaspäin samanaikaisesti, on suositeltavaa odottaa muutama tunti ja tarkistaa sitten uudelleen verkkotunnuksen tila. Vain kärsivällisyys saattaa ratkaista tämän ongelman.

Kustantajan verkkotunnuksen tietyllä verkkosivustolla saattaa olla tekninen ongelma. Esimerkiksi. sisältö olisi voitu siirtää toiseen sijaintiin / osoitteeseen. Tämä voidaan testata tarkistamalla saman julkaisijan muut verkkosivut. Jos ne toimivat kunnolla, on todennäköistä, että tietyllä verkkosivustolla on jokin ongelma, jonka julkaisijan on korjattava. Siksi kustantajalle tulisi ilmoittaa asiasta.

Joskus, kun papereita julkaistiin äskettäin, DOI saattaa olla jo olemassa, mutta paperia ei ole vielä saatavilla. Hyvin tuoreiden paperien kohdalla vain kärsivällisyys saattaa ratkaista tämän ongelman, kunnes sisältö on ladattu oikein.

Jotkut lehdet voivat olla myös väärennettyjä tai kustantaja saattaa tarjota heikkolaatuisia papereita. Jos DOI: hen ei pääse, voi olla hyödyllistä tarkistaa julkaisijan luotettavuus:

  • Onko se melko tuntematon julkaisija?
  • Näyttääkö verkkosivusto epäilyttävältä?
  • Onko lehdissä tai julkaisijan verkkotunnuksessa paljon kirjoitusvirheitä?
  • Onko kustantaja julkaissut julkaisuja vain mm. 1 tai 2 vuotta?
  • Onko tällä julkaisijalla useita artikkeleita, joiden DOI: t eivät ole käytettävissä?
  • Löydätkö muita epäjohdonmukaisuuksia?
  • Valinnainen eikä yleensä suositeltava: Eikö toinen kirjoittaja tai vain harvat kirjoittajat ole koskaan viitanneet tähän artikkeliin (viittausten määrä)? Tämä ei ole yleinen suositus, koska jokaisen tuoreen paperin on aloitettava viittausten lukumäärällä nolla. Lisäksi ei ole aina täysin avointa, kuinka olemassa olevat järjestelmät luovat viittausten määrän. Eri järjestelmät voivat ilmoittaa erilaisista viittausmääristä. Lisäksi viittausten määrä tuskin on täysin tarkka. Jos tämä otetaan huomioon, sitä tulisi pitää vain pienenä indikaattorina yhdessä muiden kriteerien kanssa.

Mitä enemmän kysymyksiin voidaan vastata kyllä, sitä epäilyttävämpää on, että kustantaja voi olla petollinen. Saattaa myös tapahtua, että tämä kustantaja on & quot; matala laatu & quot; kustantaja, joka toimittaa heikkolaatuisia papereita ilman laajennettua vertaisarviointiprosessia. Kaikissa mainituissa tapauksissa on suositeltavaa harkita vaihtoehtoisten lehtien löytämistä todennäköisesti myös muilta kustantajilta, jos mahdollista.

DOI osoittaa väärään paperiin. Jos DOI osoittaa väärään paperiin tai sisältöön, DOI-viranomaiselle tulisi ilmoittaa siitä.

Joitakin kirjoitusvirheitä saattaa olla DOI: ssä. Lopuksi on myös mahdollista, että annetussa DOI: ssä on vain jonkinlainen kirjoitusvirhe.


Tietolähteet H-K

Tietolähde Yhdistä työpöydältä Yhdistä ja päivitä palvelusta DirectQuery / Live-yhteys Yhdyskäytävä (tuettu) Yhdyskäytävä (vaaditaan) Power BI -tietovirrat
Hadoop-tiedosto (HDFS) Joo Ei Ei Ei Ei Ei
Hive LLAP Joo Joo Joo Joo Ei Ei
Interaktiivinen HDInsight-kysely Joo Joo Joo Ei Ei Ei
IBM DB2 Joo Joo Joo Joo Ei Joo
IBM Informix -tietokanta Joo Joo Ei Joo Ei Ei
IBM Netezza Joo Joo Joo Joo Joo Ei
Impala Joo Joo Joo Joo Joo Joo
Indexima Joo Joo Joo Joo Joo Ei
Teollinen App Store Joo Joo Ei Ei Ei Ei
Tietoruudukko Joo Joo Ei Ei Ei Ei
Intersystems IRIS Joo Joo Joo Joo Joo Ei
Intune-tietovarasto Joo Joo Ei Ei Ei Ei
Jethro ODBC Joo Joo Joo Joo Joo Ei
JSON Joo Joo Ei Joo** Ei 3 Joo
Kyligence Enterprise Joo Joo Joo Joo Joo Ei

Tietoturva tiedonkeruutekniikoille ☆

Monet kehitysmaiden organisaatiot (esim. Kansalaisjärjestöt) sisällyttävät digitaalisen tiedonkeruun työnkulkuunsa. Kerätyt tiedot voivat sisältää tietoja, joita voidaan pitää arkaluontoisina, kuten lääketieteellisiä tai sosioekonomisia tietoja, ja joihin tietoturvahyökkäykset tai tahattomat väärinkäytökset voivat vaikuttaa. Tietoja keräävien organisaatioiden asenteilla ja käytännöillä on vaikutuksia luottamuksellisuus, saatavuusja eheys tietoja. Tämä työ, tietoturvan ja ICTD: n tutkijoiden välinen yhteistyö, tutkii tietoturva- ja yksityisyydensuuntausasenteita, käytäntöjä ja tarpeita organisaatioissa, jotka käyttävät Open Data Kitia (ODK), joka on merkittävä digitaalisen tiedonkeruualusta. Suoritamme yksityiskohtaisen uhkien mallintaminen harjoitus kertoa näkemyksemme mahdollisista turvallisuusuhkista ja suorittaa ja analysoida sitten kysely ja haastattelut näiden organisaatioiden teknologia-asiantuntijoiden kanssa perustellakseen tämän analyysin todellisilla käyttöönottokokemuksilla. Sitten pohdimme tuloksia, saamme opetuksia sekä tietoja kerääville organisaatioille että työkalujen kehittäjille.


Koska TDE perustuu masteriin tallennettuun varmenteeseen (jota käytetään tietokannan salausavaimen salaamiseen), tämä toimisi vain jos voit palauttaa päätietokannan toiselle palvelimelle siten, että varmenne voidaan purkaa.

Tämä on TDE-salaushierarkia:

  1. Palvelun pääavain (suojattu Windows, joka on sidottu palvelutilin tunnistetietoihin, ja kone-avain)
  2. Tietokannan pääavain (tässä tapauksessa päätietokannan avain)
  3. Todistus
  4. TDE-salausavain

Kolme ensimmäistä kohdetta on tallennettu päätietokantaan, ja ne kaikki voidaan varmuuskopioida. Neljäs on tallennettu (salattu # 3 -varmennuksella) salatun tietokannan otsikkoon.

Joten vikatilanteessa joudut palauttamaan tarpeeksi salaushierarkian, jotta voit lukea TDE-avaimen. SQL Server luo palvelun pääavaimen asennuksen yhteydessä, joten samalla kun päätietokannan palauttaminen toiseen ilmentymään palauttaa myös kohteet 2 ja 3, niiden salauksen purkamiseen tarvittavia avaimia ei ole. Tulos: lukukelvoton data.

Kaksi parasta vaihtoehtoa on joko palauttaa varmenne (# 3) varmuuskopiosta (hyvä vaihtoehto, jos masteria ei voida palauttaa jostain syystä), tai palauttaa päätietokanta ja sen pääavain (# 2) varmuuskopiosta. Pääavaimen palauttaminen voi olla parempi vaihtoehto, jos sinulla on paljon tällä avaimella suojattuja varmenteita / avaimia ja sinun on asetettava ne kaikki saataville kerralla. Tähän liittyy samat varotoimet, jotka yleensä liittyvät päätietokannan palauttamiseen (lajittelu, kirjautumistunnukset, tietokannan nimet ja tiedostopolut jne.)

Yleensä suosittelen masterin palauttamista vain palautumisskenaariossa. Siirtymis- / laajennustilanteissa (kuten käytettävyysryhmien käyttäminen / peilaaminen TDE-salatun tietokannan kanssa) on parempi varmuuskopioida / palauttaa varmenne (# 3) siten, että se salataan jokaisella liikkuvalla instanssilla ainutlaatuisilla pääavaimilla . Sinun on sisällytettävä yksityinen avain varmenteen varmuuskopioon.

Joka tapauksessa joudut tekemään varmuuskopiot avaimista / varmenteista, joten varo niitä hyvin ja säilytä niitä turhissa, turvallisissa paikoissa. Yksinkertaisesti varmuuskopio masterista ei päästäksesi TDE-katastrofista tarvitset varmuuskopion ainakin yhdestä avaimesta tai varmenteesta.


Big Data -integraatio

Liiketoimintatiedon työkalut

Jäsennelty liiketiede

Tietovaraston tietovarastojen lisäksi ovat perinteiset liiketoimintatiedon työkalut, jotka toimivat ensisijaisesti relaatiotietokantojen strukturoidulla datalla. Perinteisistä liiketoimintatiedon työkaluista tulee tehokkaampia kuin koskaan, kun niitä syötetään asianmukaisessa jäsennellyssä muodossa strukturoimattomista tietolähteistä datan virtualisointipalvelimen kautta.

Hae yritystietoja

Kriittinen big data -arkkitehtuurille on työkalujen sisällyttäminen asiakirjojen ja sähköpostin hallintaan, mukaan lukien liiketoimintatiedon työkalut, jotka keskittyvät näiden tietojen analysointiin, jota kutsutaan yleisesti "hakutyyppiseksi" analyysiksi. Hakuanalyysityökaluilla on pääsy monen tyyppisiin tietoihin ja moniin paikkoihin.

Hadoop ja MapReduce liiketoimintatiedon

Monissa tapauksissa "big data" ja Hadoop käytetään synonyymeinä. Osana Hadoop-ratkaisusarjaa MapReducea käytetään yleensä Hadoop-tiedostojärjestelmään tallennettujen tietojen orkestrointiin ja analysointiin.

Visualisointi

Datan visualisointityökaluja valtavan tietomäärän esittämiseen käytetään useimpien välitietokeskusten, mukaan lukien tietovarastojen, datavirtojen ja Hadoopin, tietoihin.


Nigerian väestökeskusten tunnistaminen

Mielenkiintoinen algoritmi & # 8230 de citit. Mai jos se afla si un link cu sursele de date, pentru cei care vor sa afle mai multe sau sa experimenteze direct.

Planeetalla on suuria alueita, jotka (vaikkakin asuttuina) pysyvät kartoittamattomina tähän päivään asti. DigitalGlobe on käynnistänyt joukkorahoituskampanjat Etiopian, Sudanin ja Swazimaan syrjäisten asutuskeskusten havaitsemiseksi kansalaisjärjestöjen rokotus- ja avunjakoaloitteiden tueksi. Tämä on yksi monista nykyisistä aloitteista, joilla pyritään täyttämään globaalin kartan aukot, jotta ensiavun saajat voivat tarjota apua haavoittuvassa asemassa oleville ihmisiä, mutta niihin ei kuitenkaan pääse.

Kylien havaitsemisen väkijoukot ovat tarkkoja, mutta hitaita. Ihmissilmät pystyvät helposti havaitsemaan rakennukset, mutta niiden vieminen jonkin aikaa peittää suuret maaperät. Aiemmin olemme yhdistäneet joukkorahoituksen ja GBDX: n syvällisen oppimisen esineiden havaitsemiseksi ja luokittelemiseksi mittakaavassa. Tämä on lähestymistapa: kerää harjoittelunäytteitä joukosta, kouluta hermoverkko kiinnostavan kohteen tunnistamiseksi ja asenna sitten koulutettu malli suurille alueille.

Viimeaikaisen laajamittaisen väestökartoituskampanjan yhteydessä kohtaimme tavallisen kysymyksen. Löydätkö rakennuksia väkijoukon joukosta vai kouluttaako kone tekemään sen? Tämä johti toiseen kysymykseen: voidaanko konvoluutiohermoverkko (CNN), jonka olemme kouluttaneet etsimään uima-altaita Adelaidesta, kouluttaa havaitsemaan rakennukset Nigeriassa?

Vastauksena tähän kysymykseen valitsimme kiinnostavan alueen Koillis-Nigeriassa, Nigerin ja Kamerunin rajalla. DigitalGloben kuvakirjastossa oli tarvittava sisältö: yhdeksän WorldView-2- ja kaksi GeoEye-1-kuvanauhaa, jotka on kerätty tammikuun 2015 ja toukokuun 2016 välillä.

Valitsimme neljä WorldView-2-nauhaa, jaoimme ne neliömäisiksi siruiksi, joiden koko oli 115 m / sivu (250 pikseliä anturin resoluutiolla) ja pyysimme väkijoukkojamme merkitsemään ne "rakennuksiksi" tai "ei rakennuksiksi". Tällä tavalla saimme merkittyä tietoa hermoverkon kouluttamiseksi.

Koulutettu malli otettiin sitten käyttöön muiden nauhojen päälle. Tähän sisältyi jokaisen kuvan jakaminen samankokoisiksi siruiksi kuin harjoittelumme, ja mallin luokittelemisen jälkeen kukin yksittäinen siru rakennuksiksi tai rakennuksiksi.

Tulos: tiedosto, joka sisältää kaikki sirut, jotka on luokiteltu rakennuksiksi tai rakennuksiksi, sekä luottamuspisteet jokaisessa luokituksessa.

Tulokset

Tässä on mallin malliluokitukset:

Vihreän intensiteetti on verrannollinen mallin luottamukseen rakennuksen läsnä ollessa. On ilmeistä, että luottamus kasvaa rakennustiheyden myötä. Malli tekee työnsä!

Mitä hermoverkko todella oppii? Alla on esimerkkejä piilokerroksen tuotoksista, jotka syntyvät luokitettaessa siruja, jotka sisältävät rakennuksia. Huomaa, että kun siru prosessoidaan peräkkäisillä kerroksilla, rakennusten sijainnit valaistuvat yhä enemmän ja johtavat suureen luottamuspäätökseen siitä, että siru sisältää rakennuksia.

Tässä on suurempi otos tuloksista. Nopea tarkistus Google Mapsista osoittaa, että suurin osa näistä kylistä ei ole kartalla.

Joten vastaamaan alkuperäiseen kysymykseemme: kyllä, samaa hermoverkkoarkkitehtuuria, jota käytetään onnistuneesti uima-altaiden havaitsemiseen Australian esikaupunkialueella, voidaan käyttää rakennusten havaitsemiseen Nigerian autiomaassa. Koulutettu malli voi luokitella noin 200000 sirua (hieman yli 3000 km2) GPU: lla varustetussa Amazon-instanssissa. GBDX mahdollistaa mallin rinnakkaisen käyttöönoton mielivaltaisen määrän nauhoja pitkin - mikä tekee väestökeskusten kartoittamisesta mannermaisen mittakaavan.

Löydät koko tarinan täältä ja linkin täyden resoluution karttaan kiinnostavan alueen osajoukosta täältä.

Jaa tämä:

Kuten tämä:


Turvallisuuden varmistamisen prosessit ja käytännöt

Azure-eristysvarmuutta täydentää Microsoftin sisäinen turvallisuuskehityksen elinkaaren (SDL) ja muiden vahvojen tietoturvaprosessien käyttö hyökkäyspintojen suojaamiseksi ja uhkien lieventämiseksi. Microsoft on perustanut alan johtavia prosesseja ja työkaluja, jotka takaavat korkean luottamuksen Azure-eristystakuun.

  • Tietoturvakehityksen elinkaari (SDL) - Microsoft SDL tuo tietoturva- ja yksityisyydensuojaan liittyviä näkökohtia kaikissa kehitysprosessin vaiheissa, mikä auttaa kehittäjiä rakentamaan erittäin turvallisia ohjelmistoja, vastaamaan tietoturvasääntöjen vaatimuksiin ja vähentämään kehityskustannuksia. Microsoft SDL: n ohjeet, parhaat käytännöt, työkalut ja prosessit ovat käytäntöjä, joita käytetään sisäisesti kaikkien Azure-palvelujen rakentamiseen ja turvallisempien tuotteiden ja palveluiden luomiseen. Tämä prosessi on myös dokumentoitu julkisesti jakamaan Microsoftin kokemukset laajemman teollisuuden kanssa ja sisällyttämään alan palautetta vahvemman tietoturvakehitysprosessin luomiseksi.
  • Työkalut ja prosessit - Kaikkiin Azure-koodeihin kuuluu laaja valikoima sekä staattisia että dynaamisia analyysityökaluja, jotka tunnistavat mahdolliset haavoittuvuudet, tehottomat tietoturvamallit, muistin vioittumisen, käyttäjien oikeuksiin liittyvät ongelmat ja muut kriittiset turvallisuusongelmat.
    • Tarkoituksena rakennettu fuusiointi - testaustekniikka, jota käytetään ohjelmistotuotteiden ja -palveluiden tietoturva-aukkojen löytämiseen. Se koostuu modifioidun tai fuusioidun tiedon toistuvasta syöttämisestä ohjelmistotuloihin, jotta laukaisut, poikkeukset ja kaatumiset, ts. Vikatilanteet, joita hyökkääjä voi hyödyntää häiritsemään tai hallitsemaan sovelluksia ja palveluita. Microsoft SDL suosittelee sulauttaa kaikki ohjelmistotuotteen hyökkäyspinnat, erityisesti ne pinnat, jotka altistavat datan jäsentimen epäluotettaville tiedoille.
    • Live-sivuston tunkeutumistestaus - Microsoft suorittaa jatkuvaa reaaliaikaisen sivuston läpäisytestausta pilvien suojauksen hallinnan ja prosessien parantamiseksi osana tässä osassa myöhemmin kuvattua Red Teaming -ohjelmaa. Tunkeutumistestaus on ammattitaitoisten turvallisuusammattilaisten suorittama ohjelmistojärjestelmän tietoturva-analyysi, joka simuloi hakkereiden toimintaa. Tunkeutumistestin tarkoituksena on paljastaa mahdolliset haavoittuvuudet, jotka johtuvat koodausvirheistä, järjestelmän kokoonpanovirheistä tai muista operatiivisen käyttöönoton heikkouksista. Testit suoritetaan Azure-infrastruktuurilla ja -alustoilla sekä Microsoftin omilla vuokralaisilla, sovelluksilla ja tiedoilla. Azuressa olevia asiakasvuokralaisia, -sovelluksia ja -tietoja ei koskaan kohdenneta, mutta asiakkaat voivat tehdä omat Azure-sovellustensa tunkeutumistestit.
    • Uhkamallinnus - Microsoft SDL: n ydinelementti. Se on tekninen tekniikka, jota käytetään sovellusten ja palveluiden mahdollisesti uhkaavien uhkien, hyökkäysten, haavoittuvuuksien ja vastatoimien tunnistamiseen. Uhkamallinnus on osa Azure-rutiininomaisen kehityksen elinkaarta.
    • Automaattinen rakennehälytys hyökkäyspinta-alan muutoksista - Attack Surface Analyzer on Microsoftin kehittämä avoimen lähdekoodin tietoturvatyökalu, joka analysoi kohdejärjestelmän hyökkäyspinnan ja raportoi mahdollisista tietoturva-aukkoista, jotka on otettu käyttöön ohjelmiston asennuksen tai järjestelmän väärän määrityksen yhteydessä. Attack Surface Analyzerin ydinominaisuus on kyky "hajauttaa" käyttöjärjestelmän suojauskokoonpanoa ennen ohjelmistokomponentin asentamista ja sen jälkeen. Tämä ominaisuus on tärkeä, koska useimmat asennusprosessit vaativat suurempia käyttöoikeuksia, ja saatuaan ne voivat johtaa tahattomiin järjestelmän kokoonpanomuutoksiin.

    Pilvipalveluun siirtyessään asiakkaat, jotka ovat tottuneet perinteiseen paikan päällä sijaitsevaan datakeskusten käyttöönottoon, suorittavat yleensä riskinarvioinnin uhkien altistumisen arvioimiseksi ja muotoilemaan lieventäviä toimenpiteitä. Monissa näistä tapauksista perinteisen paikallisen käyttöönoton turvallisuusnäkökohdat ovat yleensä hyvin ymmärrettäviä, kun taas vastaavat pilvivaihtoehdot ovat yleensä uusia. Seuraava osa on tarkoitettu auttamaan asiakkaita tässä vertailussa.


    Poistaa ja Poista määritellään melko samalla tavalla, mutta suurin ero niiden välillä on poistaa tarkoittaa pyyhi (eli tehty olemattomaksi tai palautumattomaksi), kun taas Poista merkitykset ota pois ja aseta sivuun (mutta pidetään olemassa).

    Esimerkissä, jos kohde on olemassa poistamisen jälkeen, sano vain Poista, mutta jos se lakkaa olemasta, sano poistaa.

    Sivuhuomautuksena: poistaa käytetään joskus tietokonetiedostoista siirrä roskakoriin (joten se on edelleen palautettavissa), mutta se ei ole tavanomainen merkitys kyseisen kontekstin ulkopuolella.

    Ne ovat hyvin samankaltaisia, mutta tapa, jolla erottaisin tässä, perustuu siihen, mitä toiminto tekee, ja kohteeseen, joka poistetaan / poistetaan luettelosta.

    Jos kohde on edelleen luettelon ulkopuolella, suosittelen "poista", koska se poistetaan luettelosta, mutta itse tuotetta ei poisteta.

    Jos kohdetta ei enää ole, niin "poista" ja "poista" ovat olennaisilta osiltaan vastaavia, vaikka "poista" voi olla hieman selkeämpi, koska käyttäjä poistaa kohteen.

    Voit poistaa jotain kokoelmasta (esim. Tiedoston projektista, kansion kirjastosta) poistamatta sitä. Jos kyseisellä tuotteella ei ole elämää kokoelmasi ulkopuolella (esim. Kappale Word-asiakirjasta), poiston ja poistamisen välillä ei ole eroa. Mutta jos sillä on sellainen elämä (esim. Kuvatiedosto HTML-sivulla), poisto ja poisto voivat olla erilaisia. Poista on vahvempi - paitsi lopeta sen sisällyttäminen kokoelmaani siihen, linkittäminen mihin tahansa, vaan myös poista se missä tahansa.


    Weary, D.J. & amp. Lääkäri, D.H. Karst Yhdysvalloissa: digitaalisen kartan kokoelma ja tietokanta, https://doi.org/10.3133/ofr20141156 (2014).

    Weary, D.Karstin vajoamisen ja sinkhole-romahduksen kustannukset romahtavat Yhdysvalloissa verrattuna muihin luonnonvaaroihin. Sisään Sinkholes sekä Karstin tekniset ja ympäristövaikutukset: Neljännentoista monitieteisen konferenssin julkaisut (toim. Doctor, D.H., Land, L. & amp. Stephenson, J.B.) 433–445, https://doi.org/10.5038/9780991000951.1062 (National Cave and Karst Research Institute, Carlsbad, NM, 2015).

    Floridan vakuutustoimisto. Raportti vuoden 2010 Sinkhole-datapuhelun uudelleentarkastelusta (2010).

    Scott, T.M.Floridan jouset Jeopardiassa. Geotimes 47, 16–20 (2002).

    Lindsey, B.D. et ai. Sinkhole-tiheyden ja antropogeenisten epäpuhtauksien välinen suhde valittujen karbonaattisten pohjavesien välillä Yhdysvaltojen itäosassa. Env. Earth Sci 60, 1073–1090 (2010).

    Katz, B. G., Sepulveda, A. A. ja amp Verdi, R. J. typpikuormituksen arvioiminen pohjaveteen ja alttiuden arviointi nitraattikontaminaatiolle suuressa karstalähteen altaassa Floridassa. J. Am. Vedenlähde. Assoc. 45, 607–627 (2009).

    Kidanu, S. T., Anderson, N. L. ja amp Rogers, J.D. Gis-pohjaisen spatiaalisen analyysin avulla tekijöiden määrittämiseen, jotka vaikuttavat sinkholien muodostumiseen Greene Countyssa Missourissa. Ympäristö Eng. Geosci. 24, 251–261 (2018).

    Galve, J. P. et ai. Todennäköinen sinkhole-mallinnus vaarojen arviointia varten. Earth Surf. Prosessi. Maanmuodot 34, 437–452 (2009).

    Whitman, D., Gubbels, T. & amp Powell, L.Spatsiaaliset suhteet järvien korkeuksien, vesipöytien ja sinkhole-esiintymien välillä Keski-Floridassa: GIS-lähestymistapa. Valokuva. Eng. Etätunnistus 65, 1169–1178 (1999).

    Wilson, W.L. & amp Beck, B.F. Hydrogeologiset tekijät, jotka vaikuttavat uuteen sinkhole-kehitykseen Orlandon alueella Floridassa. Pohjavesi 30, 918–930 (1992).

    Gongyu, L. & amp Wanfang, Z. Sinkholes karstikaivosalueilla Kiinassa ja joitain ehkäisymenetelmiä. Eng. Geol. 52, 45–50 (1999).

    Benito, G., del Campo, P. P., Gutiérrez-Elorza, M. & amp Sancho, C. Luonnolliset ja ihmisen aiheuttamat sinkholes kipsimaastossa ja niihin liittyvät ympäristöongelmat Espanjan itäosassa. Ympäristö Geol. 25, 156–164 (1995).

    Taheri, K. et ai. Sinkhole-herkkyyskartoitus: Vertailu Bayes-pohjaisten koneoppimisalgoritmien välillä. L. Degrad. Dev, https://doi.org/10.1002/ldr.3255 (2019).

    Brook, G.A. & amp., Allison, T.L. Murtumakartoitus ja maan vajoamisherkkyyden mallintaminen katetulla karstialueella: esimerkki Dougherty Countystä Georgiassa. Maan vajoaminen. IAHS-julkaisu nro 151 (1986).

    Dai, J., Lei, M., Lui, W., Tang, S. & amp Lai, S.Arvio karstin romahtamisvaaroista Guilinissa, Guangxin maakunnassa Kiinassa. Pesuallas. Eng. Ympäristö Vaikutukset Karst 156–164, https://doi.org/10.1061/41003(327)16 (2008).

    Galve, J. P., Remondo, J. & amp Gutiérrez, F. sinkhole-vaaramallien parantaminen sisällyttämällä suuruus-taajuussuhteet ja lähimmän naapurin analyysi. Geomorfologia 134, 157–170 (2011).

    Taheri, K., Gutiérrez, F., Mohseni, H., Raeisi, E. & amp Taheri, M. Geomorfologia 234, 64–79 (2015).

    Orndorff, R. C., Weary, D.J. & amp Lagueux, K.M.Geologisten tietojärjestelmien analyysi geologisten kontrollien suhteen doliinien leviämiselle Ozarkissa Etelä-Keski-Missourissa, USA. Acta Carsologica 29, 161–175 (2000).

    Gao, Y., Alexander, E. C. & amp Barnes, R. J. Karst -tietokannan toteutus Minnesotassa: Analyysi sinkhole-jakelusta. Ympäristö Geol. 47, 1083–1098 (2005).

    Zhou, W., Beck, B.F. & amp Adams, A.L.Matriisianalyysin soveltaminen valtatien varrella sijaitsevien sinkhole-riskialueiden rajaamiseen (I-70 lähellä Frederickiä, Maryland). Ympäristö Geol. 44, 834–842 (2003).

    Tharp, T.M. Peitteen romahtamisen sinkhole muodostuminen ja maaperän plastisuus. Sisään Karhun reikät ja tekniset ja ympäristövaikutukset 110–123 (2003).

    Hän, K., Liu, C. & amp Wang, S.Karst romahtaa liiallisen pumppauksen ja sen vakauden kriteerin vuoksi. Ympäristö Geol. 43, 720–724 (2003).

    Galve, J. P. et ai. Arvioidaan ja verrataan menetyksiä sinkhole-herkkyyskartoituksessa Ebron laakson evaporiittikarstissa (Espanjan itäpuolella). Geomorfologia 111, 160–172 (2009).

    Ciotoli, G. et ai. Sinkhole-alttius, Lazion alue, Keski-Italia. J. Kartat 12, 287–294 (2016).

    Saha, A.K., Gupta, R.P., Sarkar, I., Arora, M.K. & amp Csaplovics, E.Lähestymistapa GIS-pohjaiseen tilastolliseen maanvyörymisherkkyyden vyöhykkeeseen - tapaustutkimuksella Himalajalla. Maanvyörymät 2, 61–69 (2005).

    Yilmaz, I., Marschalko, M. & amp Bednarik, M.Arvio kaksimuuttujaisten, monimuuttujien ja pehmeiden laskentatekniikoiden käytöstä romahtamisalttiudessa GIS-ympäristössä. J. Earth Syst. Sci. 122, 371–388 (2013).

    Yalcin, A. GIS-pohjainen maanvyörymisherkkyyskartoitus käyttäen analyyttistä hierarkiaprosessia ja kaksimuuttujatilastoja Ardesenissa (Turkki): Tulosten ja vahvistusten vertailut. Catena 72, 1–12 (2008).

    Ciurleo, M., Cascini, L. & amp Calvello, M.Tilastollisten ja determinististen menetelmien vertailu matalalle maanvyörymälle alttiudelle vyöhykkeelle savimaisessa maaperässä. Eng. Geol. 223, 71–81 (2017).

    Lee, S. Logistisen regressiomallin soveltaminen ja sen validointi maanvyörymisherkkyyskartoituksessa GIS- ja kaukokartoitustietojen avulla. Int. J. Remote Sens. 26, 1477–1491 (2005).

    Ayalew, L. & amp Yamagishi, H.GIS-pohjaisen logistisen regression soveltaminen maanvyörymisherkkyyden kartoitukseen Kakuda-Yahiko-vuoristossa, Keski-Japanissa. Geomorfologia 65, 15–31 (2005).

    Papadopoulou-Vrynioti, K., Bathrellos, G.D., Skilodimou, H.D., Kaviris, G. & amp Makropoulos, K.Karst romahtaa herkkyyskartoitus ottaen huomioon maan huippukiihtyvyys nopeasti kasvavalla kaupunkialueella. Eng. Geol. 158, 77–88 (2013).

    Ayalew, L., Yamagishi, H. & amp Ugawa, N. Maanvyörymisherkkyyskartoitus käyttäen GIS-pohjaista painotettua lineaarista yhdistelmää, tapaus Agano-joen Tsugawan alueella, Niigata Prefecture, Japani. Maanvyörymät 1, 73–81 (2004).

    Wu, C.H. & amp Chen, S.C. Maanvyörymisherkkyyden määrittäminen Keski-Taiwanissa sateista ja kuudesta sijaintitekijästä analyyttisen hierarkian prosessimenetelmällä. Geomorfologia 112, 190–204 (2009).

    Chen, W. et ai. GIS-pohjainen maanvyörymisherkkyyskartoitus käyttäen analyyttistä hierarkiaprosessia (AHP) ja varmuuskertoimen (CF) malleja Baozhongin alueelle Baoji Cityssä Kiinassa. Ympäristö Earth Sci. 75, 1–14 (2016).

    Ercanoglu, M., Kasmer, O. & Temiz, N. Adaptation and comparison of expert opinion to analytical hierarchy process for landslide susceptibility mapping. Bull. Eng. Geol. Environ. 67, 565–578 (2008).

    Park, S., Choi, C., Kim, B. & Kim, J. Landslide susceptibility mapping using frequency ratio, analytic hierarchy process, logistic regression, and artificial neural network methods at the Inje area, Korea. Environ. Earth Sci. 68, 1443–1464 (2013).

    Komac, M. A landslide susceptibility model using the Analytical Hierarchy Process method and multivariate statistics in perialpine Slovenia. Geomorphology 74, 17–28 (2006).

    Marinoni, O. Implementation of the analytical hierarchy process with VBA in ArcGIS. Laske. Geosci. 30, 637–646 (2004).

    Gutiérrez, F., Cooper, A. H. & Johnson, K. S. Identification, prediction, and mitigation of sinkhole hazards in evaporite karst areas. Environ. Geol. 53, 1007–1022 (2008).

    Tang, Z., Yi, S., Wang, C. & Xiao, Y. Incorporating probabilistic approach into local multi-criteria decision analysis for flood susceptibility assessment. Stoch. Environ. Res. Risk Assess. 32, 701–714 (2018).

    Park, H. J., Lee, J. H. & Woo, I. Assessment of rainfall-induced shallow landslide susceptibility using a GIS-based probabilistic approach. Eng. Geol. 161, 1–15 (2013).

    Census Bureau, U. S. & Census Bureau, U. S. QuickFacts: Marion County, Florida. US Census Bureau, Census of Population and Housing Available at, https://www.census.gov/quickfacts/fact/table/marioncountyflorida/POP060210#viewtop (Accessed: 22 nd October 2018) (2010).

    Florida Department of Community Affairs. Mapping for Emergency Management, Parallel Hazard Information System (2005).

    Miller, J. A. Hydrogeologic framework of the Floridan Aquifer System in Florida and in parts of Georgia, Alabama, and South Carolina. U.S. Geological Survey Professional Paper 1403–B (1986).

    Scott, T. M. Lithostratigraphy and hydrostratigraphy of Florida. Florida Sci. 79, 198–207 (1988).

    Kim, Y. J., Xiao, H., Wang, D., Choi, Y. W. & Nam, B. H. Development of Sinkhole Hazard Mapping for Central Florida. Sisään Geotechnical Frontiers 2017 459–468, https://doi.org/10.1061/9780784480441.048 (American Society of Civil Engineers, 2017).

    Newton, J. G. Sinkholes resulting from ground-water withdrawals in carbonate terranes-an overview, https://doi.org/10.1130/REG6-p195 (1984).

    Sinclair, W. C. Sinkhole development resulting from ground-water withdrawal in the Tampa area, Florida (1982).

    Parise, M. A present risk from past activities: sinkhole occurrence above underground quarries. Carbonates and Evaporites 27, 109–118 (2012).

    Salvati, R. & Sasowsky, I. D. Development of collapse sinkholes in areas of groundwater discharge. J. Hydrol. 264, 1–11 (2002).

    Rawal, K. Exploring the Geomechanics of Sinkholes: A Preliminary Numerical Study. (University of Toledo, 2016).

    Arthur, J. D., Baker, A. E., Cichon, J. R., Wood, A. R. & Rudin, A. Florida aquifer vulnerability assessment (FAVA): contamination potential of Florida’s principal aquifer systems (2005).

    Singh, K. B. & Dhar, B. B. Sinkhole subsidence due to mining. Geotech. Geol. Eng. 15, 327–341 (1997).

    Shofner, G. A., Mills, H. H. & Duke, J. E. A simple map index of karstification and its relationship to sinkhole and cave distribution in Tennessee. J. Cave Karst Stud. 63, 67–75 (2001).

    Saaty, T. L. Multicriteria decision making. The analytical hierarchy process. Sisään McGraw-Hill. 287 (McGraw Hill International, 1980).

    Saaty, T. L. Decision-making with the AHP: Why is the principal eigenvector necessary. Eur. J. Oper. Res. 145, 85–91 (2003).

    Yalcin, A. & Bulut, F. Landslide susceptibility mapping using GIS and digital photogrammetric techniques: a case study from Ardesen (NE-Turkey). Nat. Vaarat 41, 201–226 (2007).

    Pourghasemi, H. R., Pradhan, B. & Gokceoglu, C. Application of fuzzy logic and analytical hierarchy process (AHP) to landslide susceptibility mapping at Haraz watershed, Iran. Nat. Vaarat 63, 965–996 (2012).

    Chendeş, V., Sima, M. & Enciu, P. A country-wide spatial assessment of landslide susceptibility in Romania. Geomorphology 124, 102–112 (2010).

    King, G. & Zeng, L. Logistic regression in rare events data. Polit. Anal. 9, 137–163 (2001).

    Atkinson, P. M. & Massari, R. Generalized linear modelling of susceptibility to landsliding in the Central Apenines, Italy. Laske. Geosci. 24(4), 373–385 (1998).

    Dai, F. & Lee, C. Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong. Geomorphology 42, 213–228 (2002).

    Van Den Eeckhaut, M. et ai. Prediction of landslide susceptibility using rare events logistic regression: A case-study in the Flemish Ardennes (Belgium). Geomorphology 76, 392–410 (2006).

    Ohlmacher, G. C. & Davis, J. C. Using multiple logistic regression and GIS technology to predict landslide hazard in northeast Kansas, USA. Eng. Geol. 69, 331–343 (2003).

    Crone, S. F. & Finlay, S. Instance sampling in credit scoring: An empirical study of sample size and balancing. Int. J. Forecast. 28, 224–238 (2012).

    Alin, A. Multicollinearity. Wiley Interdiscip. Rev. Comput. Stat. 2, 370–374 (2010).

    Chung, C.-J. & Fabbri, A. G. Predicting landslides for risk analysis — Spatial models tested by a cross-validation technique. Geomorphology 94, 438–452 (2008).

    Brinkmann, R., Parise, M. & Dye, D. Sinkhole distribution in a rapidly developing urban environment: Hillsborough County, Tampa Bay area, Florida. Eng. Geol. 99, 169–184 (2008).

    Florida Department of Transportation Surveying and Mapping Office Geographic Mapping Section. Floridia land use, cover and forms classification system. (State of Florida, Department of Transportation, 1999).

    Ozdemir, A. Sinkhole Susceptibility Mapping Using a Frequency Ratio Method and GIS Technology Near Karapınar, Konya-Turkey. Procedia Earth Planet. Sci. 15, 502–506 (2015).

    Todd, A. & Ivey-Burden, L. A method of mapping sinkhole susceptibility using a geographic information system: a case study for interstates in the karst counties of Virginia. Sisään Sinkholes and the Engineering and Environmental Impacts of Karst: Proceedings of the Fourteenth Multidisciplinary Conference (eds Doctor, D. H., Land, L. & Stephenson, J. B.) 299–305 (National Cave and Karst Research Institute, Carlsbad, NM, 2015).

    Gutiérrez-Santolalla, F., Gutiérrez-Elorza, M., Marín, C., Desir, G. & Maldonado, C. Spatial distribution, morphometry and activity of La Puebla de Alfindén sinkhole field in the Ebro river valley (NE Spain): applied aspects for hazard zonation. Environ. Geol. 48, 360–369 (2005).

    Drake, J. & Ford, D. The analysis of growth patterns of two-generation populations: the examples of karst sinkholes. Can. Geogr. 16, 381–384 (1972).

    Lari, S., Frattini, P. & Crosta, G. B. A probabilistic approach for landslide hazard analysis. Eng. Geol. 182, 3–14 (2014).

    Kim, Y. J. & Nam, B. H. Sinkhole Hazard Mapping Using Frequency Ratio and Logistic Regression Models for Central Florida. Sisään Geo-Risk 2017 246–256, https://doi.org/10.1061/9780784480717.023 (American Society of Civil Engineers, 2017).

    Ozdemir, A. Sinkhole susceptibility mapping using logistic regression in Karapınar (Konya, Turkey). Bull. Eng. Geol. Environ. 75, 681–707 (2016).

    Theron, A. & Engelbrecht, J. The Role of Earth Observation, with a Focus on SAR Interferometry, for Sinkhole Hazard Assessment. Remote Sens. 10, 1506 (2018).

    Jones, C. & Blom, R. Pre-Event and Post-Formation Ground Movement Associated with the Bayou Corne Sinkhole. Sisään Sinkholes and the Engineering and Environmental Impacts of Karst: Proceedings of the Fourteenth Multidisciplinary Conference (eds Doctor, D. H., Land, L. & Stephenson, J. B.) 415–422, https://doi.org/10.5038/9780991000951.1083 (National Cave and Karst Research Institute, Carlsbad, NM, 2015).

    Wu, Q., Deng, C. & Chen, Z. Automated delineation of karst sinkholes from LiDAR-derived digital elevation models. Geomorphology 266, 1–10 (2016).

    Fleury, E. S., Carson, S. & Brinkmann, R. Testing reporting bias in the Florida sinkhole database: an analysis of sinkhole occurrences in the Tampa metropolitan statistical area. Southeast. Geogr. 48, 38–52 (2008).

    Xiao, H., Kim, Y. J., Nam, B. H. & Wang, D. Investigation of the impacts of local-scale hydrogeologic conditions on sinkhole occurrence in East-Central Florida, USA. Environ. Earth Sci. 75, 1274 (2016).


    Katso video: Avoimen datan jakelu ArcGIS Online paikkatieto-ohjelmistolla (Lokakuu 2021).