Suite

CPU pour traiter les données lidar à l'aide d'ArcGIS for Desktop ?


Je cherche à construire un ordinateur pour traiter les données dans ArcGIS 10.2.2.

L'utilisation principale sera de rastériser 10 à 100 Go de données lidar.

Cependant, je ne suis pas sûr des capacités d'ArcGIS 10.2.2 à utiliser l'hyper-threading et les cœurs multiples. Dans les versions précédentes d'ArcGIS, je me souviens que seuls certains outils de géotraitement pouvaient utiliser cette capacité de calcul supplémentaire. J'essaye donc de trancher entre les Intel Core i5-4690K et i7-4690K.

Est-ce que quelqu'un a une expérience avec ces processeurs et ArcGIS 10.2.2 ? Mieux encore, est-ce que quelqu'un a de l'expérience avec ces cœurs pour le traitement des données lidar ?


Lidar et SIG se rapprochent

Le lidar est une source majeure d'informations géographiques, mais ses jeux de données volumineux et leurs caractéristiques, différentes de celles des données images ou vectorielles, l'ont historiquement rendu moins accessible aux utilisateurs de SIG. Esri et RIEGL travaillent ensemble pour améliorer la situation, aidés par Ron Behrendt, directeur général de Behron LLC, une société de conseil géospatiale basée à Whitefish, Montana. Revue LIDAR a demandé à Ron d'en dire plus sur son travail.

LIDAR Mag : Nous aimerions discuter de votre travail pour RIEGL et Esri. Veuillez nous dire comment cela a commencé.

Ron Behrendt (RB) : Je me concentre sur la fourniture de clients qui souhaitent utiliser les technologies de télédétection (imagerie, lidar, radar, etc.) comme sources d'informations gérées et analysées dans un SIG. J'ai fourni des services de conseil à Esri de 2011 à 2016, en aidant avec ses nouvelles fonctionnalités lidar ArcGIS et en travaillant avec les utilisateurs d'Esri pour les aider à mieux comprendre et tirer parti de cette nouvelle fonctionnalité. Au cours de cet effort, il est devenu évident qu'une interface client améliorée entre les capteurs lidar et la plate-forme ArcGIS offrirait de nombreux avantages à l'utilisateur final, notamment une efficacité accrue, une meilleure gestion des données et la possibilité d'exploiter les nouvelles fonctionnalités SIG Web 3D d'Esri. RIEGL n'a pas tardé à voir les avantages potentiels pour sa clientèle et, en 2017, m'a amené à évaluer l'opportunité d'intégrer plus étroitement les capteurs lidar au SIG, à explorer les options techniques et à développer des prototypes de flux de travail pouvant être utilisés pour les études de marché.

LM : Veuillez nous parler du logiciel que vous développez et de la différence qu'il fera pour les utilisateurs de RIEGL capteurs et/ou logiciel Esri.

RB : RIEGL développe actuellement le produit logiciel RiMAP, conçu pour transférer en douceur le contenu d'un RIEGL numérisez le projet vers ArcGIS Pro d'Esri afin que les données puissent être pleinement utilisées pour les applications SIG de bureau et Web. La beauté de ceci est que la plupart de ces projets ont un lidar et des images. En termes de nuages ​​de points, le RIEGL RDB (RIEGL Base de données), qui sont créées et remplies à la suite d'un traitement post-capture avec RIEGLLe logiciel RiPROCESS d' est intégré à ArcGIS Pro pour une analyse immédiate. L'imagerie co-enregistrée est mise à disposition sous forme de mosaïques ou du nouveau type d'imagerie orientée, ainsi que des trajectoires et des métadonnées précieuses. L'un des avantages de RiMAP et de ses capacités de données est qu'il a créé la possibilité d'exploiter toutes les fonctionnalités d'ArcGIS pour stocker et gérer les données, une tâche qui est devenue de plus en plus importante à mesure que les utilisateurs capturent de plus en plus de lidar, y compris aéroportés (avec et sans pilote). ) et mobiles.

LM : Où en est le logiciel ? Est-il prêt à être lancé, ou en alpha ou en bêta ?

RB : Le logiciel RiMAP est actuellement en développement et les tests internes devraient débuter au premier trimestre 2020. Un vaste programme de test bêta suivra, permettant au logiciel d'être bien exercé avant sa diffusion au grand public, avec l'objectif final d'un offre de qualité simple d'utilisation. Il n'y a pas de date précise pour la première version de RiMAP, mais une annonce sera faite lorsqu'elle sera disponible pour un usage public.

LM : Comment le nouveau logiciel sera-t-il monétisé ?

RB : RIEGL, avec son partenariat stratégique et de longue date avec Esri, utilisera Esri Marketplace pour distribuer le logiciel RiMAP. Créé en tant que complément à ArcGIS Pro, RIEGLLe logiciel RiMAP d' étendra les capacités d'ArcGIS Pro et activera les fonctionnalités mentionnées ci-dessus. La première version de RiMAP sera destinée aux propriétaires et aux exploitants de RIEGL lidar et leur seront initialement proposés gratuitement.

LM : Quelle est la prochaine étape du processus ?

RB : Nous explorons d'autres opportunités d'étendre l'offre RiMAP initiale et prévoyons d'annoncer RiMAP 2.0 au cours du second semestre 2020. L'architecture que nous développons crée de nombreuses opportunités pour tirer parti de nombreuses technologies 3D les plus récentes d'Esri en combinaison avec les données très précises capturées. par RIEGL systèmes lidar. Nous prévoyons que RiMAP se développera et deviendra une partie intégrante du flux de travail pour les professionnels utilisant la combinaison de RIEGL lidar et Esri ArcGIS.


Logiciel

Tous les logiciels SIG répertoriés ci-dessus sont disponibles pour les professeurs, le personnel et les étudiants actuellement affiliés à l'Université de Chicago. Veuillez vous référer au plan de service ArcGIS pour plus d'informations.

Si vous débutez avec le SIG, nous vous recommandons de commencer avec ArcGIS Online, un service Web doté d'outils de cartographie, d'analyse spatiale et de collecte de données. Si vous travaillez avec de grands ensembles de données, effectuez de nombreuses modifications ou devez créer des cartes imprimées de haute qualité, vous souhaiterez utiliser l'une des applications de bureau d'Esri.
Les frais de licence sont renouvelables chaque mois d'août. Pour l'achat, l'installation ou plus d'informations, veuillez contacter gis-help[at]rcc.uchicago.edu.

ArcGIS Online -Esri ArcGIS Online est une plate-forme de cartographie Web qui vous permet de créer, modifier, analyser, partager et publier facilement des données géospatiales. Pour en savoir plus sur tout ce qu'ArcGIS Online a à offrir, consultez le site Web officiel.

Esri Story Maps - Un service Web qui fournit des modèles pour raconter une histoire avec des cartes. Vous pouvez facilement créer du contenu, notamment du texte, des cartes et des images, ainsi que des liens vers des sites Web et des ressources multimédias. Suivez ce lien : http://storymaps.arcgis.com vers la page de connexion pour Esri Story Maps.

Esri Business Analyst - Esri Business Analyst (BAO) est une plate-forme d'analyse de marché en ligne qui utilise un large éventail de données démographiques, de recensement, de dépenses de consommation et d'entreprise. Vous pouvez trouver des détails sur les fonctionnalités de BAO sur le site Web d'Esri. Il n'y a aucun logiciel à installer et vous vous connecterez avec votre identifiant CNet. Suivez ce lien : https://bao.arcgis.com/ vers la page de connexion pour Esri Business Analyst Online.

Esri CityEngine - Esri CityEngine est un outil de modélisation et de visualisation 3D. Cela a été utilisé pour des applications telles que l'urbanisme, l'architecture, l'archéologie, le développement de jeux et le cinéma (studios d'animation Disney).
ArcGIS Urban – En tant qu'outil de planification urbaine intelligente, ArcGIS Urban est une expérience 3D immersive conçue pour améliorer la planification urbaine et la prise de décision. Visualisez rapidement les projets dans votre contexte local et tirez parti de l'intelligence de localisation pour prendre de meilleures décisions.

ArcGIS Insights - ArcGIS Insights est un logiciel d'analyse qui fusionne l'analyse de localisation avec des workflows de science des données ouvertes et de business intelligence.

ArcGIS Desktop (ArcMap) - Le logiciel SIG de bureau le plus utilisé à l'Université. Si vous allez travailler avec des collègues qui utilisent déjà ArcGIS Desktop, c'est un bon choix pour vous. Notez que ce logiciel nécessite un ordinateur Microsoft Windows (les utilisateurs Mac auront besoin de Bootcamp ou de créer une machine virtuelle). Contactez le service d'assistance RCC-GIS pour obtenir une copie étudiante d'ArcGIS Desktop

ArcGIS Pro - Il s'agit du dernier logiciel SIG de bureau. Il utilise une barre d'outils à ruban similaire à celle des produits Microsoft Office. Notez que ce logiciel nécessite un ordinateur Microsoft Windows.
D'autres produits logiciels ESRI peuvent être disponibles ou non via la licence de site de l'Université de Chicago. Veuillez contacter gis-help[at]rcc.uchicago.edu pour plus de détails.

Autres logiciels et applications SIG propriétaires

Le logiciel FME Desktop offre un outil polyvalent qui fournit une capacité ETL spatiale pour les données vectorielles et raster. FME Server automatise le flux de données entre les applications. Pour en savoir plus sur la suite logicielle FME et découvrir les nouveautés, veuillez cliquer ici.

CARTO

CARTO (anciennement CartoDB) est une plate-forme en ligne qui offre une entrée facile mais puissante dans le monde de l'analyse basée sur la localisation, permettant aux utilisateurs de créer des cartes riches et interactives, d'effectuer des analyses avancées et de développer des fonctions basées sur la localisation dans leurs propres applications Web. .

Agisoft PhotoScan

Agisoft PhotoScan (communément appelé PhotoScan) est un outil professionnel qui effectue le traitement photogrammétrique d'images numériques et génère des données spatiales 3D à utiliser dans les applications SIG, la documentation du patrimoine culturel et la production d'effets visuels ainsi que pour les mesures indirectes d'objets à différentes échelles. .

ERDAS Imaginez

ERDAS® IMAGINE effectue une analyse de télédétection avancée et une modélisation spatiale pour créer de nouvelles informations qui vous permettent de visualiser vos résultats en 2D, 3D, films et compositions cartographiques de qualité.

ENVI + IDL

Les produits ENVI créent la première base logicielle géospatiale pour traiter et analyser tous les types d'images et de données telles que multispectrales, hyperspectrales, LiDAR et SAR. Ils sont conçus pour être utilisés par tout le monde, des professionnels du SIG aux analystes d'images et aux scientifiques de l'image, quelle que soit leur expérience antérieure avec l'imagerie.

Conception AutoCAD MAP et raster

AutoCAD Map 3D est basé sur AutoCAD et inclut toutes les fonctionnalités d'AutoCAD. Les fichiers cartographiques sont enregistrés au format DWG, tout comme les dessins AutoCAD normaux. Le principal avantage par rapport à ArcGIS réside dans la numérisation des données vectorielles.

Logiciels et applications SIG gratuits/open source

Les progiciels SIG répertoriés ci-dessous NE SONT PAS PRIS EN CHARGE sur le campus mais sont recommandés comme alternatives aux logiciels sous licence.


2. Méthodes

La figure 1 résume notre méthode d'estimation de l'adéquation du PV sur le toit. Les entrées comprennent des ensembles de données lidar et d'empreinte de bâtiment. Ces données sont traitées pour déterminer l'ombrage, l'inclinaison et l'azimut de chaque toit à une résolution horizontale de 1 m 2 . Un ensemble de critères est ensuite appliqué pour déterminer quelle surface de toit convient au déploiement PV. Ces résultats peuvent ensuite être agrégés pour déterminer la quantité totale de surface de toit adaptée aux systèmes photovoltaïques à différentes échelles. Une fois que la surface de toit appropriée est quantifiée, la production potentielle d'électricité photovoltaïque est calculée.

Figure 1 Principales étapes pour déterminer l'adéquation de la surface du toit pour le PV.

Mélius et al (2013) valident cette méthode d'estimation de l'adéquation des toitures par rapport aux données d'installation de 205 panneaux photovoltaïques dans trois états. Ils montrent que 89 % des pentes modélisées se trouvaient à moins de 10 degrés de la pente réelle, 99 % des orientations modélisées correspondaient aux orientations réelles et 99 % des résultats modélisés présentaient le nombre minimum d'heures d'ensoleillement requis pour que le PV produise 80 % de génération. Toutes les baies utilisées dans le processus de validation ont montré qu'au moins une partie du toit était adaptée au PV, et 79 % d'entre elles avaient une superficie au moins égale à la taille du système réellement installé.

2.1. Des données d'entrée

Nos données lidar ont été obtenues auprès du programme d'infrastructure de sécurité intérieure du Département de la sécurité intérieure des États-Unis (DHS) pour la période 2006-2014. Pour chacune des 128 villes de l'ensemble de données, le DHS a fourni (1) des données lidar au format raster à une résolution de 1 m sur 1 m et (2) un fichier de formes de polygones correspondant d'empreintes de bâtiments. Les données raster sont basées sur le retour de surface réfléchissante (premier retour) des données lidar, qui sont corrélées à l'altitude du premier objet détecté et crée un modèle de surface numérique pour chaque ville.

L'ensemble de données DHS comprend également des données détaillées pour environ 26,9 millions de bâtiments et 7,7 milliards de m 2 de surface sur les toits, soit environ 23 % des bâtiments américains (EIA 2009, EIA 2012). La zone couverte (figure 2) représente environ 122 millions de personnes soit 40% de la population américaine. Pour mieux comprendre l'adéquation et le potentiel technique des bâtiments de différentes tailles, nous avons subdivisé tous les bâtiments en trois classes en fonction de la surface plane de leurs empreintes :

  • Petit : < 5000 pi 2 (94 % des bâtiments, 58 % de la superficie du toit dans notre échantillon).
  • Moyen : 5 000 à 25 000 pi 2 (5 % des bâtiments, 18 % de la superficie du toit dans notre échantillon).
  • Grand : > 25 000 pi 2 (1 % des bâtiments, 24 % de la superficie du toit dans notre échantillon).

Figure 2 Couverture des données lidar.

2.2. Ombres

Notre première étape dans le traitement des données lidar consistait à exécuter une simulation d'ombrage sur le modèle numérique de surface de chaque ville 3 . La figure 3 fournit un exemple de sortie de simulation, montrant comment les ombres se déplacent au cours d'une seule journée. La variation saisonnière de l'ombrage a été capturée en exécutant la simulation pendant quatre jours : 21 mars, 21 juin, 21 septembre et 21 décembre. la lumière du soleil pour chaque mètre carré, comme le montre la figure 4 4 ​​.

figure 3 Exemple de disponibilité horaire d'ombrage et d'ensoleillement.

Figure 4 Exemple d'heures d'ensoleillement quotidiennes moyennes.

2.3. Orientation (inclinaison et azimut)

Nous avons déterminé l'inclinaison pour chaque mètre carré de surface de toit dans notre ensemble de données lidar. Pour être cohérent avec la définition des toits plats de nombreux couvreurs et installateurs photovoltaïques, nous avons défini toute la surface du toit avec une inclinaison inférieure à 9,5 degrés comme « plat ». Étant donné que l'éclairage est calculé par l'angle auquel le soleil frappe une surface, la simulation d'ombrage sous-estime l'exposition au soleil pour ces toits plats. Pour un sous-ensemble de surfaces de toits plats, nous avons quantifié la différence entre les heures d'ensoleillement prévues et les heures réelles dérivées des données du système installé. L'application d'un multiplicateur de 1,5 à l'éclairage prévu de tous les toits plats a compensé cette différence.

Nous avons également déterminé l'azimut pour chaque mètre carré de surface de toit. Chaque mètre carré a été classé dans l'une des neuf classes d'azimut (figure 5), où les zones de toit inclinées ont été affectées à l'une des huit directions cardinales et intercardinales principales avec une inclinaison inférieure à 9,5 degrés a été classée comme plate. Comme décrit dans la section 2.4, les azimuts nord-ouest, nord et nord-est ont été définis comme inappropriés, ce qui a donné cinq classes d'azimut non plates et une classe plate.

Figure 5 Neuf classifications d'azimut.

Le fichier d'azimut a ensuite été exécuté via une fonction de variété, qui a renvoyé le nombre de valeurs différentes dans les 3 × 3 quartiers entourant chaque mètre carré de surface de toiture. La zone bordée par plus de trois azimuts uniques a été exclue de l'ensemble de données pour supprimer les zones d'orientation changeante du toit et les données excessivement bruyantes.

Nous avons ensuite utilisé les valeurs d'azimut pour identifier les plans de toit en supposant que les zones contiguës de classe d'azimut identique étaient un plan unique, et nous avons agrégé chacun des mètres carrés de surface de toit en polygones représentant des plans de toit contigus. Pour chacun des plans de toit individuels, l'outil ArcGIS Zonal Mean a été appliqué au raster d'inclinaison pour déterminer l'inclinaison moyenne du plan de toit. L'ensemble de données produit par ce processus consistait en un raster donnant une valeur d'inclinaison unique pour chaque plan de toit unique.

Une fois les mètres carrés individuels de surface de toit agrégés en plans contigus, nous avons classé chaque plan dans l'une des 21 classes d'orientation en fonction de son inclinaison et de son azimut, définissant un ensemble de quatre classes d'inclinaison (figure 6), les cinq classes d'azimut susmentionnées, et une classe « plate ». Ces classes ont ensuite été utilisées dans le processus de modélisation de la production d'électricité photovoltaïque (section 2.5) pour estimer plus précisément la productivité de chaque plan de toit.

Figure 6 Cours d'inclinaison.

2.4. Application des critères d'adéquation

Pour déterminer la superficie totale du toit convenant au PV, nous avons exclu la superficie qui ne répondait pas aux critères d'ombrage, d'inclinaison, d'azimut et une quantité minimale de superficie de toit contigu. Pour chaque ville, nous avons utilisé le System Advisor Model (SAM) pour calculer le nombre d'heures qu'un toit aurait besoin d'être exposé au soleil pour produire 80 % de l'énergie produite par un système non ombragé de même orientation. La surface du toit qui ne répondait pas à ce critère d'ombrage a été exclue sur la base des commentaires des installateurs solaires et des analystes de recherche, qui ont suggéré que ce seuil minimum était vers le bas des meilleures pratiques (c'est-à-dire que l'installation d'un système qui a reçu plus d'ombre ne serait généralement pas recommandée).

Les plans de toit ont également été exclus en raison de leur orientation. Tous les plans de toit orientés du nord-ouest au nord-est (292,5 à 67,5 degrés) ont été considérés comme inappropriés pour le photovoltaïque et exclus en raison d'un manque de lumière directe du soleil. Toutes les valeurs d'inclinaison supérieures à 60 degrés ont été supprimées de l'ensemble de données, sur la base des recommandations des installateurs photovoltaïques. Dans tous les cas, nos données montrent que les plans de toit de 60 degrés ou plus sont très rares par rapport aux plans plus progressifs.

Nous avons également exigé qu'un toit adapté au PV ait au moins un plan contigu avec une empreinte horizontale projetée de 10 m 2 ou plus qui réponde également aux critères d'ombrage, d'inclinaison et d'azimut 5 . Cela fournit une surface suffisante pour installer un système de 1,6 kW, en supposant un panneau efficace à 16 %. Nous avons sélectionné ce seuil de taille minimale pour représenter une estimation basse prudente des tailles de systèmes PV viables, basée sur les performances PV actuelles et les modèles historiques de dimensionnement des systèmes PV rapportés. Plus précisément, nous avons examiné les tailles de système signalées pour les petits systèmes photovoltaïques (< 10 kW) jusqu'en 2014 (Barbose et Darghout 2015) et déterminé que 96 % des systèmes de cette classe étaient supérieurs à 1,6 kW. Nous avons considéré un seuil plus élevé de 3 kW, mais 20 % des systèmes historiques inférieurs à 10 kW n'auraient pas dépassé cette valeur, et nous l'avons donc considéré comme trop élevé.

Nous avons calculé la surface de chaque plan de toit approprié, à la fois en tant que surface projetée conforme à l'empreinte du bâtiment et en tant que surface inclinée, afin de déterminer la quantité réelle de surface aménageable. En fin de compte, nous avons utilisé les valeurs de surface inclinée pour calculer la capacité photovoltaïque installée.

L'ensemble de données final contient la superficie appropriée de chaque plan de toit dans les 128 villes couvertes par les données lidar. Cet ensemble de données peut être agrégé au niveau d'un bâtiment, d'un code postal, d'un territoire de service public, d'un état ou de toute autre région pour développer des statistiques récapitulatives décrivant l'adéquation de la région géographique pour le photovoltaïque sur les toits.

2.5. Simulation de la productivité photovoltaïque sur une zone de toit appropriée

Notre prochaine étape consistait à simuler la productivité des modules photovoltaïques couvrant la surface de toit appropriée dans les 21 bacs d'orientation différents pour chaque code postal de l'ensemble de données lidar. Ces simulations de performances PV ont été exécutées à l'aide de SAM (version 2015.1.30). SAM est un modèle de performance et économique conçu pour faciliter la prise de décision et l'analyse des projets d'énergie renouvelable (Gilman et Dobos 2012). Il utilise des données météorologiques horaires, un modèle de performance PV et des hypothèses définies par l'utilisateur pour simuler les performances techniques d'une installation PV.

Les ressources solaires et les données météorologiques utilisées pour cette analyse proviennent de l'ensemble de données météorologiques typiques de l'année 3 (TMY3) de la base de données nationale sur le rayonnement solaire (Wilcox et Marion 2008). L'ensemble de données TMY3 comprend des profils horaires représentatifs pour 1001 stations à travers les États-Unis. Pour une simulation donnée, nous avons utilisé le profil de station TMY3 le plus proche de la limite du code postal considéré. Étant donné que les stations TMY3 sont fréquemment situées dans ou à proximité des grandes villes, la distance moyenne entre un code postal et une station pour l'ensemble de données lidar était de 9 km.

Les performances techniques des systèmes PV peuvent également varier en fonction des équipements utilisés et des choix de conception de l'installateur. Nous avons fait un ensemble d'hypothèses techniques pour représenter la performance moyenne des systèmes photovoltaïques tels qu'ils sont installés en 2015 (tableau 1). Nous avons utilisé ces valeurs dans SAM, en conjonction avec les profils de ressources solaires et météorologiques TMY3, pour déterminer la puissance électrique des systèmes PV 6 .

Tableau 1. Hypothèses pour les simulations de performances PV.

Caractéristiques du système PV Valeur pour les toits plats Valeur pour les toits inclinés
Inclinaison 15 degrés Milieu de la classe d'inclinaison (figure 6)
Rapport de la surface du module à la surface du toit 0.70 0.98
Azimut 180 degrés (face au sud) Milieu de la classe d'azimut
Densité de puissance du module 160 W·m −2
Pertes totales du système 14.08%
Efficacité de l'onduleur 96%
Rapport CC/CA a 1.2

a Le rapport courant continu/courant alternatif (CC/CA) d'un système est le rapport entre la capacité nominale des modules PV et la capacité nominale CA des onduleurs. Par exemple, un système avec un rapport CC/CA de 1,2 aurait 8,33 kW d'onduleurs installés pour chaque 10 kW de capacité PV nominale.

La valeur de densité de puissance utilisée dans cette analyse correspond à un module avec un rendement d'environ 16 %. Cette valeur est l'efficacité médiane des modules d'environ 48 000 systèmes installés en 2014 (Barbose et Darghouth 2015). Cette valeur a été sélectionnée pour représenter un mélange installé de modules en silicium monocristallin, en silicium multicristallin et à couche mince, par opposition à l'installation universelle de systèmes haut de gamme.

Les pertes dues à la salissure, à l'ombrage, à la neige, au câblage et à d'autres sources sont capturées dans le paramètre de pertes totales du système, qui a été choisi pour rester à la valeur par défaut SAM pour cette analyse. La valeur d'efficacité de l'onduleur est également restée au niveau par défaut du SAM. Ces niveaux ont été sélectionnés pour être représentatifs des systèmes typiques. Un rapport DC/AC de 1,2 a été sélectionné sur la base de la littérature existante sur le dimensionnement optimal des onduleurs pour minimiser le coût de l'électricité produite par PV (Mondol et al 2009).

Pour les toits plats, le rapport entre la surface des modules et la surface du toit a été supposé être de 0,7 pour refléter l'espacement des rangées nécessaire pour n'encourir qu'environ 2,5 % de pertes dues à l'auto-ombrage pour les modules orientés vers le sud à une inclinaison de 15 degrés. Pour les toits inclinés, la valeur a été supposée être de 0,98 pour refléter 1,27 cm d'espacement entre chaque module pour les pinces de rayonnage 7 .

En utilisant les hypothèses ci-dessus, nous avons effectué des simulations dans SAM pour estimer la capacité installée et la production d'énergie annuelle pour chaque plan de toit. Nous avons modélisé tous les plans en supposant un système PV aligné avec les valeurs médianes des plages d'inclinaison et d'azimut de leur classe d'orientation. Par exemple, tout plan de toit avec une valeur d'inclinaison comprise entre 47,4 et 60,0 degrés et un azimut entre 157,5 et 202,5 ​​degrés a été modélisé avec un module incliné à 53,7 degrés et orienté à 180 degrés (sud). Nous avons ensuite additionné les potentiels de tous les plans de toit dans un code postal pour arriver aux valeurs de production totales.


Informations sur la carrière et les salaires

Votre carrière

La Saskatchewan Polytechnic a une excellente feuille de route lorsqu'il s'agit d'embaucher des diplômés : 80 % des diplômés en SIG travaillent dans leur domaine dans les six mois suivant l'obtention de leur diplôme. Ils travaillent en tant que techniciens en cartographie SIG, spécialistes en SIG, cartographes cartographiques, opérateurs GPS, analystes de données ou analystes en télédétection. Grâce à votre formation spécialisée dans l'application des SIG à la gestion des ressources, vous pouvez explorer des opportunités d'emploi avec une grande variété d'employeurs potentiels, y compris les industries basées sur les ressources naturelles, les industries des Premières Nations, les cabinets d'experts-conseils, les agences environnementales, les ministères et les agences municipales.


Abstrait

Les technologies de détection de la lumière et de télémétrie (lidar) se sont avérées être les outils les plus puissants pour collecter, en peu de temps, des nuages ​​de points tridimensionnels (3D) avec des informations de surface à haute densité, haute précision et très détaillées concernant le terrain et objets. Cependant, en termes d'extraction de caractéristiques et de reconstruction 3D dans un format de dessin assisté par ordinateur (CAO), la plupart des progiciels de traitement de données lidar autonomes existants sont incapables de traiter un grand volume de données lidar de manière efficace et efficiente. mode. Pour briser ce goulot d'étranglement technique, grâce à la conception d'une plate-forme de virtualisation des processus basée sur Condor, nous avons présenté dans cet article une nouvelle stratégie qui utilise des ressources de calcul liées au réseau pour traiter, gérer et distribuer de grandes quantités de données lidar dans un environnement de cloud computing. . Trois expériences approfondies avec et sans environnement de cloud computing ont été comparées. Les résultats de l'expérience ont démontré que l'approche de virtualisation des processus proposée est applicable de manière prometteuse et efficace dans la gestion des nuages ​​de points lidar à grande échelle.


Certificat SIG en ligne

Le département de planification urbaine et régionale de l'UF et le centre GeoPlan de l'UF sont ravis d'offrir ce certificat d'études supérieures en ligne en systèmes d'information géographique pour les planificateurs urbains et régionaux.

Le programme de certificat comporte une pensée critique associée à des compétences d'analyse spatiale technique à l'aide de logiciels, de méthodes et d'applications SIG modernes. Les étudiants plongeront dans les capacités robustes du SIG pour la visualisation, l'analyse, la modélisation et le partage d'informations géographiques. Les étudiants peuvent développer leurs compétences et profiter de la demande croissante sur le marché du travail pour une expertise spécifique aux SIG.

Le programme est de 12 heures de crédit. Il y a 3 cours obligatoires (9 crédits) et un cours au choix (3 crédits). Les cours durent 16 semaines. Le certificat peut être complété en 12 à 15 mois environ. Les cours sont dispensés par les professeurs d'UF Urban & Regional Planning et GeoPlan Center.

Veuillez noter: Il s'agit d'un programme hors livre. Si vous êtes actuellement inscrit à un programme de campus financé par l'État, vous ne pouvez pas également vous inscrire à ce certificat.

Cours obligatoires:

Il y a trois cours obligatoires (9 crédits). Ces cours couvrent les bases du SIG, la modélisation géospatiale (vecteur et raster), la maîtrise du logiciel avec ArcGIS, l'introduction aux logiciels Open Source (QGIS), la gestion de données et de projets SIG, la cartographie et la publication Web.

Cours au choix:

Choisissez parmi un cours au choix (chacun 3 crédits) – cliquez ci-dessous pour voir les programmes :


Contribuant

Les contributions sont les bienvenues, et elles sont grandement appréciées! Chaque petit geste compte, et le crédit sera toujours accordé. Vous pouvez contribuer de plusieurs manières :

Types de cotisations

Signaler des bogues

Si vous signalez un bogue, veuillez inclure :

  • Le nom et la version de votre système d'exploitation.
  • Tous les détails sur votre configuration locale qui pourraient être utiles pour le dépannage.
  • Étapes détaillées pour reproduire le bogue.

Corriger les bugs

Recherchez les bogues dans les problèmes de GitHub. Tout ce qui est marqué avec "bug" et "help want" est ouvert à quiconque veut l'implémenter.

Mettre en œuvre des fonctionnalités

Consultez les problèmes GitHub pour les fonctionnalités. Tout ce qui est étiqueté avec « amélioration » et « aide recherchée » est ouvert à quiconque souhaite le mettre en œuvre.

Rédiger de la documentation

lidar pourrait toujours utiliser plus de documentation, que ce soit dans le cadre des documents lidar officiels, dans des docstrings, ou même sur le Web dans des articles de blog, des articles, etc.

Soumettre des commentaires

La meilleure façon d'envoyer des commentaires est de déposer un problème sur https://github.com/giswqs/lidar/issues.

Si vous proposez une fonctionnalité :

  • Expliquez en détail comment cela fonctionnerait.
  • Gardez le champ d'application aussi étroit que possible, pour le rendre plus facile à mettre en œuvre.
  • N'oubliez pas qu'il s'agit d'un projet dirigé par des bénévoles et que les contributions sont les bienvenues.

Commencer

Prêt à contribuer ? Voici comment configurer lidar pour le développement local.


Technicien en Système d'Information Géographique (SIG)

L'OPPORTUNITÉ
OC Survey a une opportunité passionnante pour un technicien en système d'information géographique (SIG). Le technicien SIG au sein de l'unité des services géospatiaux sera chargé d'aider les clients internes et externes à développer et à gérer leurs données SIG. Sous supervision générale, ces postes peuvent être nécessaires pour offrir l'assistance d'un technicien SIG aux opérations d'arpentage sur le terrain, aux opérations et à l'entretien, aux services d'infrastructure ou aux services de développement, selon les besoins. Certains des Techniciens SIG

Les tâches et responsabilités peuvent inclure, sans s'y limiter :

  • Aider les géomètres, ingénieurs et autres analystes SIG avec l'intégration à la collecte de données d'enquête
  • Aider à l'élaboration de procédures pour le SIG
  • Aider à la collecte de données SIG mobiles

QUALIFICATIONS ET COMPÉTENCES DE BASE SOUHAITABLES
Le candidat idéal possédera une (1) ou plusieurs années d'expérience en cartographie SIG, en ingénierie de conception et/ou en systèmes d'information. Un baccalauréat en arpentage, ingénierie, géographie, systèmes d'information géographique ou dans un domaine étroitement lié est hautement souhaitable.

De plus, le candidat idéal possédera des connaissances et/ou de l'expérience dans les compétences de base suivantes :

  • Connaissances et expérience techniques
  • Connaissance de l'Internet des objets et de l'intégration de capteurs à l'aide du serveur Esri GeoEvent
  • Connaissance des story maps et de la technologie SIG Web
  • Connaissance des technologies UAV/UAS/Drone et LiDAR
  • Connaissance des systèmes AR/VR
  • Connaissance des principes d'arpentage, d'ingénierie et/ou de construction
  • Connaissance des langages de script et/ou de programmation
  • Expérience dans la création d'applications Web, personnalisées ou prêtes à l'emploi
  • Expérience avec les extensions ESRI ArcGIS Server, ArcPro, ArcGIS Desktop et ArcGIS
  • Expérience dans la production de cartes d'arpentage et/ou de documents de construction civile
  • Expérience avec AutoCAD Civil 3D, Infraworks, Recap ou Revit
  • Expérience de travail dans ArcGIS Online ou ArcGIS Portal
  • Maîtrise des langages de programmation tels que Python, javascript, AutoLisp et amp .Net. La connaissance de
  • BIM/Systèmes de gestion de documents
  • Analyser et interpréter les données
  • Expérience dans la réalisation d'analyses d'arpentage/ingénierie complexes de données géospatiales
  • Expérience dans le traitement et l'analyse de données géospatiales tridimensionnelles
  • Capacité à fournir des analyses et des recommandations pour modifier les procédures
  • Communication orale et écrite
  • Expérience dans l'élaboration et la préparation de cartes et de rapports d'ingénierie et de données SIG
  • Capacité à communiquer, à la fois oralement et par écrit, l'avancement du projet et des recommandations à tous les niveaux des parties concernées
  • Maintenir des relations de travail efficaces avec toutes les parties internes et externes impliquées dans les projets assignés

PROCESSUS DE RECRUTEMENT Les services des ressources humaines (HRS) examinent tous les documents de candidature pour les qualifications minimales et/ou souhaitables. Après la sélection, les candidats qui satisfont aux qualifications minimales et/ou souhaitables seront orientés vers l'étape suivante du processus de recrutement. Tous les candidats seront informés par e-mail de leur statut dans le processus.

Entretien oral structuré | SOI (pondéré 100 %)
Les candidats seront interviewés et évalués par un comité d'évaluation des qualifications composé d'experts en connaissances professionnelles. L'évaluation de chaque candidat sera basée sur les réponses à une série de questions conçues pour obtenir les qualifications du candidat pour le poste. Seuls les candidats les plus retenus seront inscrits sur la liste d'éligibilité.

Selon les besoins du Ministère, les procédures de sélection ci-dessus peuvent être modifiées. Les candidats seront informés de tout changement dans les procédures de sélection.

Liste éligible
Une fois l'évaluation terminée, HRS établira une liste de candidats éligibles. Les candidats inscrits sur la liste d'éligibilité peuvent être référés à un entretien de sélection pour être pris en considération pour les postes vacants présents et futurs.

Préférence d'emploi des vétérans
Le comté s'engage à fournir un mécanisme pour accorder une attention préférentielle aux anciens combattants et à leurs conjoints éligibles dans le processus d'emploi et offrira aux participants éligibles la possibilité de recevoir des entretiens dans le cadre du processus de sélection d'emplois et de stages rémunérés. Veuillez cliquer ici pour consulter la politique.

Lorsque vous postulez, veuillez indiquer que vous répondez à l'annonce sur My GIS Jobs.


SIG et gestion stratégique des actifs avec Ashay Prabhu d'Assetic

Assetic, une société basée à Melbourne qui fournit des logiciels et des services de gestion d'actifs stratégiques pour aider les organisations à gérer les infrastructures publiques et privées, est le plus récent partenaire technologique d'Esri Australie.

Le directeur et co-fondateur Ashay Prabhu explique le rôle futur que jouera la technologie du système d'information géographique (SIG) dans la gestion stratégique des actifs et partage quelques exemples de réussite des gouvernements locaux où le SIG a été intégré aux opérations de l'agence.

EA : Où voyez-vous le potentiel des SIG dans la gestion stratégique des actifs ?

AP : C'est absolument essentiel maintenant – je fais la promotion de l'intelligence des données depuis trois ou quatre ans. Combining Assetic with GIS spatial intelligence tools adds a new dimension in the visual presentation of asset data – enabling organisations to add science into decision-making. They get a clear picture of their assets, what condition they are currently in, and what condition those assets are likely to be in in five, ten or 20 years’ time.

ArcGIS helps spatially locate, analyse and present asset data in a simple and beautiful format, and can integrate with Assetic software that uses the data, applies intelligent analytics, and forecasts multiple options for the future. This means you don’t just see your current assets on a map – you can click a button and model what your portfolio would look like in five years if, say, you cut your funding by half.

You can’t stand up in front of a council, a mayor or a board of directors, and convince them of a situation with current data alone. However, if you publish a map showing the future what-ifs – ‘bingo’, the penny drops.

EA: Do you have a recent example of asset management projections using GIS?

AP: In the United States last month, we presented the Assetic/Esri solution to a large transportation authority. We were able to extract their asset data – $17 billion of infrastructure – and project it on an Esri map, using their network schematics. Through the Assetic myPredictor modelling optimisation engine, we were able to show them eight different scenarios in red, yellow and green – colours representing risk of failure i.e. what their assets would look like given different funding levels, and which assets would need to be replaced, rehabilitated or renewed over a 20-year period.

Their real outcome here was the projected saving on maintaining a $17 billion asset stock, degrading at $140 million per year. The optimisation demonstrated how they reduce network degradation by 35 per cent without any additional capex funding.

The spatial element within the presentation allowed us to get this full story across to the stakeholders. With spatial integration, the message was easy to demonstrate – that the technology offers value for money, and puts them in control of their future.

EA: How is GIS helping agencies manage their assets?

AP: Regulatory guidelines, mandates and audits for transparency mean agencies need to manage assets at a granular component level. Collecting data becomes onerous on paper, and without a GPS location, the data is often less reliable in decision-making.

What used to take local governments months to collect, collate and import the industry is now saying, ‘I want to do that in minutes’ – and honestly, why shouldn’t they? They’re not getting extra resources to do the work, so it’s our job to make the process seamless.

It’s about creating assets, deleting assets, and upgrading attribute information fast – it’s not rocket science.

EA: Can you share some examples of how local governments have generated positive outcomes by leveraging geographic insight?

AP: We have over 130 clients on our books, but let me give you an example. We work with a very large regional council in Queensland, which manages over $2 billion in asset value. Between 2009 and 2013 they turned their asset management completely around, to the point where their asset management maturity has moved from unsustainable to stable, slashing millions of future renewal through asset management science.

And let’s also take a small shire council in Victoria, which is responsible for an $800 million asset portfolio. Originally, this was consuming at about $16 million per year they have successfully cut this down to $10 million within eight years.

EA: What essential role will GIS play with strategic asset management in the future?

AP: The last decade has been focused on understanding your current asset portfolio – but we’ve conquered that territory. Now, there’s so much value in utilising spatial data. Using ArcGIS, you can set up various schematics and colour code your asset profiles, including health, failure metrics, risk and future profiling. You can find out how to get a better asset network in five years’ time, just by spending your money differently.

It’s about modelling and projecting your data, and showing your stakeholders the smart decisions you have to make to reach your goals with less money.

We now live in an era of funding cuts, where there are three tough choices – print more money, raise taxes or slash services. But there is a fourth choice – a smart choice – that of optimising and achieving financial sustainability. A combination of spatial systems for intelligent data, and a truly strategic asset management system, can provide the ultimate solution.