3 datasets found
  1. Seafloor Dissolved Oxygen (ml/l)

    • fiu-srh-open-data-hub-fiugis.hub.arcgis.com
    • ocean-and-coasts-information-system-esrioceans.hub.arcgis.com
    • +2more
    Updated Oct 28, 2015
    + more versions
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    Esri (2015). Seafloor Dissolved Oxygen (ml/l) [Dataset]. https://fiu-srh-open-data-hub-fiugis.hub.arcgis.com/datasets/e545106577054ed9842be4cb1aaa1f02
    Explore at:
    Dataset updated
    Oct 28, 2015
    Dataset authored and provided by
    Esrihttp://esri.com/
    Area covered
    Earth
    Description

    The concentration of dissolved gases in water is of prime importance in considering the quality of water. Sufficient amounts of dissolved oxygen are required for marine-life survival. Dissolved oxygen levels are influenced by temperature and salinity.The ability for oxygen to dissolve in water (solubility) decreases as temperature and salinity increase. Poorly oxygenated areas, or those with a dissolved oxygen level below 1, are considered dead zones or hypoxic zones. Dissolved oxygen is carried to the deep-sea floor by the descending surface waters.Phenomenon Mapped: Seafloor dissolved oxygenUnits: Milliliters per liter (ml/l) Cell Size: 30 arc seconds, approximately 1 kmSource Type: DiscretePixel Type: Unsigned integerSpatial Reference: GCS_WGS_1984Mosaic Projection: Web Mercator Auxiliary SphereExtent: Global oceansSource: Marine Conservation Institute (MCI)Citation: Garcia HE, Locarnini RA, Boyer TP, Antonov JI (2006) World Ocean Atlas 2005, Volume 3: Dissolved Oxygen, Apparent Oxygen Utilization, and Oxygen Saturation. In: Levitus S, editor. 342 p. NOAA Atlas NESDIS 63, U.S. Government Printing Office, Washington DC.Publication Date: 2006ArcGIS Server URL: https://oceans2.arcgis.com/arcgis/The Marine Conservation Institute used this dataset as an input to a predictive habitat model documented in the publication Global Habitat Suitability for Framework-Forming Cold-Water Corals.What can you do with this layer?Visualization: This layer can be used for visualization online in web maps and in ArcGIS Desktop.Analysis: This layer can be used as an input to geoprocessing tools and model builder.Raster Functions: Cartographic Renderer - see this blog for more information.This layer is part of the Living Atlas of the World that provides access to thousands of beautiful and authoritative layers, web maps, and apps.

  2. D

    Cicatrices de quema por región (Histórico). Escala: 1:100.000

    • datos.gov.co
    • datos.siatac.co
    • +4more
    csv, xlsx, xml
    Updated Jan 28, 2025
    + more versions
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    (2025). Cicatrices de quema por región (Histórico). Escala: 1:100.000 [Dataset]. https://www.datos.gov.co/dataset/Cicatrices-de-quema-por-regi-n-Hist-rico-Escala-1-/xjqh-2bxc
    Explore at:
    csv, xml, xlsxAvailable download formats
    Dataset updated
    Jan 28, 2025
    Description

    Descarga aquí el metadato:


    Corresponde a la capa de cicatrices por quemas en la Amazonía colombiana desde marzo del 2017 a escala 1:100.000. Para generar esta capa se seleccionan las imágenes satelitales, del programa LandSat; deben tener menos del 30% de nubes. Se hace una verificación de la cantidad puntos de calor detectados durante el mes de monitoreo, para corroborar cuales Path Row que cubren la región amazónica (4-57, 4-58, 4-59, 4-60, 4-61, 4-62, 4-63, 9-59, 9-60, 7-58, 7-59, 7-60, 7-61, 5-57, 5-58, 5-59, 5-60, 5-61, 5-62, 3-57, 3-58, 3-59, 8-58, 8-59, 8-60, 6-57, 6-58, 6-59, 6-60, 6-61, 6-62) deben priorizarse para la descarga.

    Para el procesamiento y clasificación de las imágenes, y los diferentes geoprocesos se usan herramientas del software ArcGis (Esri, 2022a). Con este programa se aplican los “Model Builder” que se han generado para este procesamiento, los cuales hacen parte de los flujos de trabajo (Workflow) construidos en la plataforma SIATAC. Con las imágenes se generan dos composiciones de color RGB , (1) una que integra el Índice de Vegetación de Diferencia Normalizada - NDVI (B5-B4/B5+B4), el Radio Normalizado de Quema-NBR (B5-B7/ (B5+B7) y la banda del infrarrojo cercano -IR (B5); (2) la otra composición se hace con las bandas B7-B5-B2; estas composiciones resaltan las áreas que han sufrido procesos de quema de la vegetación (Murcia & Otavo, 2018).

    Con la composición RGB (1) se hace una clasificación no supervisada tipo clúster (Clúster Iso) (Esri, 2022b) y se generan 11 clases. Sobre esta capa ráster se hace una verificación visual para determinar cuál de las 11 clases corresponde a las cicatrices, este proceso se hace con respaldo en el protocolo metodológico (Murcia et al., 2018) y las dos composiciones ya generadas. Una vez seleccionada la clase que se ha verificado como cicatrices, se hace una reclasificación binaria de las unidades, en la que uno (1) son cicatrices y cero (0) las otras clases. En el mismo proceso (Model Builder) se hace la vectorización y se genera la capa de polígonos de cicatrices.

    Luego se hace una verificación visual de los polígonos generados, para descartar aquellos que no son cicatrices, para esto se aplican los criterios previstos en el protocolo metodológico (Murcia et al., 2018) teniendo como referente las dos composiciones previamente generadas. Con la capa resultado se hace un proceso de análisis espacial de intersección (Esri, 2022c) para descartar las cicatrices que ya fueron clasificadas en el mes anterior.

    A la capa resultante se le hace control de calidad para verificar la exactitud temática, validando aspectos como delimitación, errores por omisión y errores por comisión. De igual modo, se verifica que la capa cumpla con todos los criterios de topología como la correcta adyacencia entre polígonos, y se aprueba la capa.

    En el siguiente paso, la capa aprobada se integra en un WorkFlow (Esri, 2022d) de la base de datos en la plataforma SIG de Esri, del SIATAC. Luego se aplica un proceso SIG de intersección mediante el cual se clasifican las cicatrices que se ubican en áreas que eran bosques, según la capa de bosques más reciente generada por el IDEAM (Ideam, 2022). Sobre los polígonos restantes, se aplica el mismo proceso SIG (intersección) con la capa de coberturas de la tierra, del periodo más reciente (Sinchi, 2022) y se clasifican las cicatrices que se ubican en donde había vegetación secundaria u otras coberturas, principalmente pastos.

    La capa resultante se somete a un proceso de análisis espacial de intersección para generar la información de las cicatrices con el tipo de cobertura vegetal afectada, por cada Unidad Espacial de Referencia (UER): Grandes paisajes, Jurisdicción de Corporaciones Autónomas Regionales o de Desarrollo sostenible, Estado legal del territorio, Departamentos y Municipios. Para finalizar, las estadísticas se publican en el portal del Sistema de Información Ambiental Territorial de la Amazonia colombiana -SIATAC (https://siatac.co/cicatrices-de-quema/).

    BIBLIOGRAFÍA

    Murcia, U. & Otavo, S. (2018). La amazonia se quema: Detección de áreas con mayor ocurrencia de incendios de vegetación como estrategia para la prevención y control. Revista Colombiana Amazónica No 11 de 2018, 59-72. https://sinchi.org.co/11-revista-colombia-amazonica.

    Cañon I., Gordillo G., León A., Murcia U., Romero H., Velásquez M. (2018). Protocolo para el monitoreo de cicatrices por quemas en la Amazonia colombiana. 46pp.

    Esri. (2022a). ArcGIS Desktop.
    https://www.esri.com/en-us/arcgis/products/arcgis-desktop/overview.

    Esri. (2022b). Clasificación no supervisada de clúster ISO.
    https://pro.arcgis.com/es/pro-app/2.8/tool-reference/spatial-analyst/iso-cluster-unsupervised-classification.htm

    Esri. (2022c). Intersección (Análisis).
    https://pro.arcgis.com/es/pro-app/latest/tool-reference/analysis/intersect.htm

    Esri. (2022d). ArcGIS Workflow Manager (Análisis).
    <a href='https://www.esri.com/en-us/arcgis/products/arcgis-workflow-manager/overview' style='box-sizing:border-box; color:rgb(50, 119, 179); text-decoration-line:none; font-family:"Helvetica Neue", Helvetica, Arial, sans-serif; font-size:14px; text-align:start;' rel='nofollow

  3. G

    Dynamic Precipitation Maps - Experience Builder - A Product of The...

    • open.canada.ca
    • catalogue.arctic-sdi.org
    • +1more
    html
    Updated Oct 15, 2025
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    Government of Manitoba (2025). Dynamic Precipitation Maps - Experience Builder - A Product of The Hydrologic Forecast Centre [Dataset]. https://open.canada.ca/data/dataset/b489e764-82f8-fe11-f202-1e1c1941aed9
    Explore at:
    htmlAvailable download formats
    Dataset updated
    Oct 15, 2025
    Dataset provided by
    Government of Manitoba
    License

    Open Government Licence - Canada 2.0https://open.canada.ca/en/open-government-licence-canada
    License information was derived automatically

    Description

    This is the web experience created using ArcGIS Web Experience Builder to portray the dynamic precipitation maps derived using various weather model data published by the Environment Canada, National Oceanic and Atmospheric Administration and European Centre for Medium-Range Weather Forecasts. It contains various precipitation layers for each of the models depicting various forecast periods / observation periods. The underlying data is updated regularly as the data gets published by ECCC/NOAA/ECMWF as per the publishing frequency. Following are the forecast weather models depicted in this Web Experience : HRDPS Model (High Resolution Deterministic Prediction System - Continental) for 24 and 48 hours of forecast periods. Regional Ensemble Prediction System (REPS) for 72 hours of forecast period hour. Regional Deterministic Prediction System (RDPS) for 84 hours of forecast period hour. Global Deterministic Prediction System (GDPS) for 168 and 240 hours of forecast periods. Global Forecast System (GFS) for 168 hours of forecast period. Global Ensemble Prediction System (GEPS) for 384 hours of forecast period. European Centre for Medium-Range Weather Forecasts for 168 hours of forecast periodAnd following are the observed weather models depicted in this Web Experience :High Resolution Deterministic Precipitation Analysis (HRDPA) with observation periods of the past 1 day, 3 days and 7 days.Special Thanks to Environment and Climate Change Canada, NOAA’s National Centers for Environmental Prediction, European Centre for Medium-Range Weather Forecasts

  4. Not seeing a result you expected?
    Learn how you can add new datasets to our index.

Share
FacebookFacebook
TwitterTwitter
Email
Click to copy link
Link copied
Close
Cite
Esri (2015). Seafloor Dissolved Oxygen (ml/l) [Dataset]. https://fiu-srh-open-data-hub-fiugis.hub.arcgis.com/datasets/e545106577054ed9842be4cb1aaa1f02
Organization logo

Seafloor Dissolved Oxygen (ml/l)

Explore at:
3 scholarly articles cite this dataset (View in Google Scholar)
Dataset updated
Oct 28, 2015
Dataset authored and provided by
Esrihttp://esri.com/
Area covered
Earth
Description

The concentration of dissolved gases in water is of prime importance in considering the quality of water. Sufficient amounts of dissolved oxygen are required for marine-life survival. Dissolved oxygen levels are influenced by temperature and salinity.The ability for oxygen to dissolve in water (solubility) decreases as temperature and salinity increase. Poorly oxygenated areas, or those with a dissolved oxygen level below 1, are considered dead zones or hypoxic zones. Dissolved oxygen is carried to the deep-sea floor by the descending surface waters.Phenomenon Mapped: Seafloor dissolved oxygenUnits: Milliliters per liter (ml/l) Cell Size: 30 arc seconds, approximately 1 kmSource Type: DiscretePixel Type: Unsigned integerSpatial Reference: GCS_WGS_1984Mosaic Projection: Web Mercator Auxiliary SphereExtent: Global oceansSource: Marine Conservation Institute (MCI)Citation: Garcia HE, Locarnini RA, Boyer TP, Antonov JI (2006) World Ocean Atlas 2005, Volume 3: Dissolved Oxygen, Apparent Oxygen Utilization, and Oxygen Saturation. In: Levitus S, editor. 342 p. NOAA Atlas NESDIS 63, U.S. Government Printing Office, Washington DC.Publication Date: 2006ArcGIS Server URL: https://oceans2.arcgis.com/arcgis/The Marine Conservation Institute used this dataset as an input to a predictive habitat model documented in the publication Global Habitat Suitability for Framework-Forming Cold-Water Corals.What can you do with this layer?Visualization: This layer can be used for visualization online in web maps and in ArcGIS Desktop.Analysis: This layer can be used as an input to geoprocessing tools and model builder.Raster Functions: Cartographic Renderer - see this blog for more information.This layer is part of the Living Atlas of the World that provides access to thousands of beautiful and authoritative layers, web maps, and apps.

Search
Clear search
Close search
Google apps
Main menu