2017 International Conference on Computing, Communication and Automation (ICCCA) 2017
DOI: 10.1109/ccaa.2017.8229777
|View full text |Cite
|
Sign up to set email alerts
|

Investigation into the efficacy of geospatial big data visualization tools

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1
1
1

Citation Types

0
3
0
2

Year Published

2018
2018
2022
2022

Publication Types

Select...
3
3
1

Relationship

0
7

Authors

Journals

citations
Cited by 12 publications
(5 citation statements)
references
References 15 publications
0
3
0
2
Order By: Relevance
“…Monthly mean temperature rasters at a 30 s spatial resolution were downloaded from the WorldClim‐Global Climate Data project (Fick & Hijmans, 2017) using the raster package (Hijmans, 2021) in the R environment (R Development Core Team, 2017). We cropped the temperature raster maps to the Africa and Asia continents using the Crop function from the raster package in ArcMap 10.8.1 (Barik et al, 2017).…”
Section: Methodsmentioning
confidence: 99%
“…Monthly mean temperature rasters at a 30 s spatial resolution were downloaded from the WorldClim‐Global Climate Data project (Fick & Hijmans, 2017) using the raster package (Hijmans, 2021) in the R environment (R Development Core Team, 2017). We cropped the temperature raster maps to the Africa and Asia continents using the Crop function from the raster package in ArcMap 10.8.1 (Barik et al, 2017).…”
Section: Methodsmentioning
confidence: 99%
“…We cropped the temperature raster maps to the Africa and Asia continents using the Crop function from the raster package and assigned values of one and zero depending on whether the probability of S(T ) >0 exceeded the threshold at the temperature in those cells. Maps were created in ArcMap 10.7.1 (Barik et al, 2017;Green et al, 2017).…”
Section: Mapping Temperature Suitability For Malaria Transmissionmentioning
confidence: 99%
“…Los datos geoespaciales ya han excedido la capacidad de almacenamiento y ahora se considera un problema de Big data, el documento [13] presenta una investigación referente al análisis crítico de las herramientas Whitebox GAT, ArcMap, GeoMesa, HadoopViz y GRASS GIS, diseñadas especialmente para la visualización de datos geoespaciales considerando la posibilidad de encontrar patrones y relaciones en los datos, únicamente, con la visualización de los mismos.…”
Section: Herramientas Software Para La Visualización De Datos Geoespacialesunclassified
“…Es importante resaltar que el insumo de entrada para un sistema inteligente corresponde a grandes volúmenes de datos estructurados, semiestructurados y/o no estructurados, provenientes de sensores remotos, datos geoespaciales, redes de información, flujos de datos, la web, entre otros, que deberán ser procesados y analizados para la visualización de los resultados [10]. En los últimos años se han producido investigaciones que podrían ayudar en este proceso y como ejemplos, el documento [11] propone un lenguaje de consulta para permitir el procesamiento de consultas espacio-temporales en flujos de datos semánticos generados a partir de diversos sensores; la referencia en [12], utiliza un estudio de caso de datos de ciudades para resolver el problema heterogéneo en diferentes fuentes mejorando la agregación, integración y representación de los datos; el estudio en [13], realiza un análisis crítico de las herramientas para visualización de información a partir de grandes volúmenes de datos geoespaciales.…”
Section: Introductionunclassified