Il mio personale punto di vista sulla seconda settimana della #30DayMapChallange, una sfida social quotidiana volta a disegnare mappe tematiche ogni giorno nel mese di novembre.
Dal 2019, la comunità del Sistema Informativo Geografico (GIS) e dell’analisi spaziale è stata molto impegnata ogni novembre, grazie a una divertente sfida chiamata #30DayMapSfida. 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 particolare giorno. Sebbene gli argomenti quotidiani predefiniti rappresentino certamente un limite per la mente creativa, aiutano anche i partecipanti a trovare interessi reciproci, condividere fonti di dati ed esprimere stili individuali visivamente e tecnologicamente.
Qui vorrei riassumere brevemente la mia seconda settimana di questa sfida, descrivendo in dettaglio e mostrando le diverse mappe che ho creato, solitamente in Python.
In questo articolo, tutte le immagini sono state create dall’autore.
Per dare il via alla seconda settimana, mi sono basato sul set di dati di Fiumi africani pubblicato dalla FAO delle Nazioni Unite. Il loro file GIS contiene quasi 200.000 poligoni di linea appartenenti a fiumi a cui sono attribuiti un paio di parametri, come il loro bacino fluviale principale o l’ordine del torrente Strahler di ciascun arco. Ho usato la lettera per impostare sia il colore che la larghezza di ciascun fiume; quanto più alto è il rango, tanto più scuro e sottile è il fiume, che va dai corsi d’acqua del primo ordine ai tronchi primari dell’ottavo ordine.
Questo è un po’ contorto ma è basato su quello di Uber Esagoni H3. Innanzitutto, ho raccolto i dati da Database geospaziale della Lista Rossa IUCN delle specie minacciate coprendo il habitat di tutti gli (circa 5k) habitat di specie di mammiferi in formati poligonali. Quindi, ho calcolato la sovrapposizione spaziale dell’habitat di ciascuna specie effettuando confronti a coppie. A causa della complessità dei poligoni, questo avrebbe richiesto un’eternità se si fossero utilizzate semplici sovrapposizioni GeoPanda, quindi ho diviso ciascuno degli habitat in esagoni e ho semplicemente catturato la sovrapposizione degli habitat come…
Fonte: towardsdatascience.com
