Aplicações baseadas em geolocalizações para gestão de instalações desportivas: exemplo de utilização da API da GOOGLE Maps no concelho de Guimarães

O contexto tecnológico em que vivemos é uma realidade. E a tendência é para ser assim também no futuro. Cada vez mais. É o caso das representações de locais e entidades em mapas digitais na web. Na visão de Crocker (2014), esta tendência é ainda mais acentuada, no âmbito das aplicações móveis, como mostram as mais diversas location-based applications. No setor do desporto e da respetiva gestão nem sempre foi fácil desenvolver aplicações, recorrendo a este tipo de representações espaciais. A tecnologia não era fácil e o know-how não era adequadamente qualificado. Mas, as empresas fornecedoras de tecnologia geoespacial simplificaram o desenvolvimento de aplicações web nesta área, através da utilização de application programming interfaces (API). Como refere Svennerberg (2010), estas API’s servem de interface entre um serviço proporcionado por uma empresa, caso da Google Maps (2013) e uma aplicação web ou móvel que utiliza esses serviços. Foi com este objetivo que desenvolvemos uma aplicação web, utilizando as metodologias próprias neste domínio, como a framework de Zachman (2009), tal como foi originalmente adaptada por Whitten e Bentley (2005), onde um dos módulos é precisamente a representação de espaços desportivos, recorrendo à utilização dos serviços da Google Maps. Para além disso, toda a aplicação é suportada numa abordagem Model-View-Control (MVC). Para conseguir representar as instalações desportivas num mapa, criámos uma base de dados MySQL, com dados de longitude e latitude, de cada instalação desportiva. Através de JavaScript criou-se o mapa propriamente dito, indicando o tipo (mapa de estradas, satélite ou street view) e as respetivas opções (nível de zoom, alinhamento, controlo de interface e posicionamente, entre muitas outras opções). O passo seguinte consistiu em passar os dados para o frontend da aplicação web. Para isso, recorreu-se à integração do PHP com as livrarias externas de código JavaSrcipt, criadas especificamente para o efeito (caso da MarkerManager). A implementação destas funcionalidades permite georeferenciar todos os tipos e géneros de espaços desportivos de um concelho, região ou País. Obteve-se ainda know-how, background e massa crítica, para o desenvolvimento de novas funcionalidades. A sua utilização em dispositivos móveis é outra das possibilidades atualmente já em desenvolvimento.

Maps (pdf) and raster images (tif) of predicted rural land cover suitability under current (2010) conditions and future climate scenarios

This study projects land cover probabilities under climate change for corn (maize), soybeans, spring and winter wheat, winter wheat-soybean double cropping, cotton, grassland and forest across 16 central U.S. states at a high spatial resolution, while also taking into account the influence of soil characteristics and topography. The scenarios span three oceanic-atmospheric global circulation models, three Representative Concentration Pathways, and three time periods (2040, 2070, 2100). As climate change intensifies, the suitable area for all six crops display large northward shifts. Total suitable area for spring wheat, followed by corn and soybeans, diminish. Suitable area for winter wheat and for winter wheat-soybean double-cropping expand northward, while cotton suitability migrates to new, more northerly, locations. Suitability for forest intensifies in the south while yielding to crops in the north; grassland intensifies in the western Great Plains as crop suitability diminishes. To maintain current broad geographic patterns of land use, large changes in the thermal response of crops such as corn would be required. A transition from corn-soybean to winter wheat-soybean doubling cropping is an alternative adaptation.

Ensemble prediction distribution maps of macroalgae for current conditions and four climate change scenarios and high resultion bathymetry for Potter Cove, WAP, Antarctica

Species distribution models (SDM) predict species occurrence based on statistical relationships with environmental conditions. The R-package biomod2 which includes 10 different SDM techniques and 10 different evaluation methods was used in this study. Macroalgae are the main biomass producers in Potter Cove, King George Island (Isla 25 de Mayo), Antarctica, and they are sensitive to climate change factors such as suspended particulate matter (SPM). Macroalgae presence and absence data were used to test SDMs suitability and, simultaneously, to assess the environmental response of macroalgae as well as to model four scenarios of distribution shifts by varying SPM conditions due to climate change. According to the averaged evaluation scores of Relative Operating Characteristics (ROC) and True scale statistics (TSS) by models, those methods based on a multitude of decision trees such as Random Forest and Classification Tree Analysis, reached the highest predictive power followed by generalized boosted models (GBM) and maximum-entropy approaches (Maxent). The final ensemble model used 135 of 200 calculated models (TSS > 0.7) and identified hard substrate and SPM as the most influencing parameters followed by distance to glacier, total organic carbon (TOC), bathymetry and slope. The climate change scenarios show an invasive reaction of the macroalgae in case of less SPM and a retreat of the macroalgae in case of higher assumed SPM values.

Census of Queensland, 1886. Report by the Registrar-General, with summary and detailed tables, illustrative maps, diagrams, and appendices.

[Vol. 1]: Report, tables, diagrams, appendices.--[Vol. 2]: Maps.

Venezuela, summary of biostatistics. Maps and charts, population, natality and morality statistics.

Loose-leaf; reproduced from type-written copy.

Nicaragua, summary of biostatistics. Maps and charts, population, natality and mortality statistics.

Reproduced from type-written copy.

Peru, summary of biostatistics. Maps and charts, population, natality and mortality statistics.

Reproduced from type-written copy.