Overview: This document is a reference guide for users of the SAR Field Data Collection Form User Guide. The purpose is to provide a better understanding of how to use the form in the field.

The underlying technology used with this form is likely to evolve and change over time, therefore technical user guides will be provided as appendices to this document.

Background: The SAR Field Data Collection Form was created by an interdisciplinary group of first responders, decision-makers and technology specialists from across Federal, State, and Local Urban Search and Rescue Teams – the NAPSG Foundation SAR Working Group. If you have any questions or concerns regarding this document and associated materials, please send a note to comments@publicsafetygis.org.

Purpose: The SAR Field Data Collection Form is intended to provide a standardized approach to the collection of information during disaster response alongside resource management and tracking of assets.The primary goal of this approach is to obtain situational awareness (where, when, what) for SAR Teams in the field across four relevant themes: Victims that may need assistance or have already been helped. Hazards that must be avoided or mitigated. Damage that have been rapidly assessed for damage, when time and the mission permits. Other mission critical intelligence that vary based on mission type. The secondary goal of this approach is to provide essential elements of information to those not currently on-scene of the disaster. Using the themes above, information and maps can be shared based on “need to know”. If you are a technology specialist looking to deploy this application on your own see the Deployment Kit.

As novelty is a core value in science, a reliable approach to measuring the novelty of scientific documents is critical. Previous novelty measures however had a few limitations. First, the majority of previous measures are based on recombinant novelty concept, attempting to identify a novel combination of knowledge elements, but insufficient effort has been made to identify a novel element itself (element novelty). Second, most previous measures are not validated, and it is unclear what aspect of newness is measured. Third, some of the previous measures can be computed only in certain scientific fields for technical constraints. This study thus aims to provide a validated and field-universal approach to computing element novelty. We drew on machine learning to develop a word embedding model, which allows us to extract semantic information from text data. Our validation analyses suggest that our word embedding model does convey semantic information. Based on the trained word embedding, we quantified the element novelty of a document by measuring its distance from the rest of the document universe. We then carried out a questionnaire survey to obtain self-reported novelty scores from 800 scientists. We found that our element novelty measure is significantly correlated with self-reported novelty in terms of discovering and identifying new phenomena, substances, molecules, etc. and that this correlation is observed across different scientific fields.

Käytöstä poistunut maatalousmaa 2000-2020 -aineisto sisältää peltolohkorekisterin peltolohkot vuosilta 2000-2020 sekä tiedon viimeisestä tukivuodesta ja viljellystä kasvilajista peltolohkolla. Aineisto kuvaa todennäköisyyttä sille, että tietty peltolohko on maatalouskäytössä vuonna 2020. Aineisto on koostettu käyttäen Ruokaviraston tuottamaa peruslohkoaineistoa. Peruslohkoaineisto on komission asetuksen 796/2004 ja neuvoston asetuksen (EY) N:o 1782/2003 20 artiklassa tarkoitettu viljelylohkojen tunnistusjärjestelmä. Järjestelmää käytetään EU:n pinta-alaperusteisen maataloustuen hallinnoinnissa. Aineisto käsittää vuoden 2020 peruslohkojen tilanteen 31.12.2020. Peltolohkoihin on yhdistetty kaikkien lohkojen kasvitiedot vuosilta 2000-2020. Jokaiselta lohkolta löytyy tieto siitä, minä vuonna kyseinen lohko on viimeksi saanut maataloustukea, ja mitä lohkolla on tuona vuonna viljelty. Peltolohkoille on laskettu lisätietoa muista aineistoista. Tämä tieto kuvaa mahdollista maankäyttöluokan muutosta käytöstä poistuneilla pelloilla. Lisätietoa on laskettu seuraavista aineistoista: Corine land cover 2018 (https://ckan.ymparisto.fi/dataset/corine-maanpeite-2018): CORINE Land Cover 2018 kuvaa koko Suomen maankäyttöä ja maanpeitettä vuonna 2018. Aineisto on tuotettu Sykessä olemassa oleviin paikkatietoaineistoihin sekä satelliittikuvatulkintaan perustuen. Maankäyttöä/maanpeitettä kuvataan aineistossa nelitasoisella hierarkisella luokittelulla. Viisi pääluokkaa (rakennetut alueet; maatalousalueet; metsät sekä avoimet kankaat ja kalliomaat; kosteikot ja avoimet suot sekä vesialueet) jaetaan toisella tasolla yhteensä 15, kolmannella tasolla 31 ja neljännellä tasolla 49 alaluokkaan. Käytöstä poistunut maatalousmaa 2000-2020 -aineiston peltolohkoille on laskettu prosenttiosuudet viidestä pääluokasta. Maastotietokannan pellot, puutarhat ja niityt: Maanmittauslaitoksen Maastotietokanta on koko Suomen kattava maastoa kuvaava aineisto ja se koostuu erilaisista kohderyhmistä. Maastotietokannan Maatalousmaa -aineisto sisältää Maastotietokannan pellot, ja puutarhat. Niityt ovat erillinen kohdeluokka. Käytöstä poistunut maatalousmaa 2000-2020 -aineiston peltolohkoille on laskettu prosenttiosuudet näiden kolmen kohdeluokan yhdistelmästä. Kohdeluokat ja niiden kuvaukset löytyvät: https://www.maanmittauslaitos.fi/sites/maanmittauslaitos.fi/files/attachments/2018/03/Maastotietokohteet_0.pdf Mammutti-aineistot: Mammuttihankkeessa tuotettiin tietoa peltojen lisäksi kosteikoiden ja soiden, metsien ja rakennetun alueen maankäytöstä ja maanpeitteestä. Käytöstä poistunut maatalousmaa 2000-2020 -aineiston peltolohkoille on laskettu prosenttiosuudet kolmesta aineistosta: Yhdistelmäaineisto ennallistetuista soista, Maanpeite 2 m 2022 ja Puustoisen alan maski. Maanpeite 2 m 2022 aineistosta on laskettu seuraavien luokkien yhdistetty prosenttiosuus käytöstä poistuneella maatalousmaalla: päällystetty tie, päällystämätön tie, rakennus ja muu vettä läpäisemätön pinta. Aineistojen metatietokuvaukset löytyvä: Yhdistelmäaineisto ennallistetuista soista: https://ckan.ymparisto.fi/dataset/yhdistelmaaineisto-ennallistetuista-soista Maanpeite 2 m 2022: https://ckan.ymparisto.fi/dataset/maanpeite-2-m-2022-ja-jatkojaloste-kasvillisuuden-korkeudella Puustoisen alan maski on yhdistelmäaineisto metsäkeskuksen Metsämaskista ja Puustomaskista: https://www.metsakeskus.fi/sites/default/files/document/tietotuotekuvaus_metsamaski.pdf & https://www.metsakeskus.fi/sites/default/files/document/tietotuotekuvaus-puustomaski.pdf Laserkeilausaineistot: Lopulliseen tietotuotteeseen laserkeilausaineistoista laskettiin peltolohkoille ominaisuustiedoiksi kasvillisuuden latvuspeittoa ja korkeutta kuvaavat muuttujat. Nämä laskettiin Sykessä Mika Heikkisen toimesta tuotetuista 8m pikselin rasteriaineistoista laskemalla peltolohkoille latvuspeiton ja kasvillisuuden korkeuden keskiarvo ja maksimi, sekä keilausvuosi. Tämä tehtiin käyttäen sekä vanhaa, vuosina 2008-2019, tehtyjä keilauksia (pistetiheys 0.5p/m2, kattaa koko Suomen) sekä uutta, vuonna 2020 aloitettua laserkeilauskampanjaa (pistetiheys 5p/m2, ei kata tällä hetkellä koko Suomea). Latvuspeiton keskiarvo ja maksimi laskettiin aineistoista "Latvuspeitto, laserkeilattu (8m)" sekä "Latvuspeitto, Laserkeilausaineisto5p (8m) (FEO)", kasvillisuuden korkeuden maksimi aineistoista "Kasvillisuuden korkeus - highest, laserkeilattu (8m)" sekä "Kasvillisuuden korkeus - highest, Laserkeilausaineisto5p (8m) (FEO)" ja kasvillisuuden korkeuden keskiarvo aineistoista "Kasvillisuuden korkeus - average, laserkeilattu (8m)" sekä "Kasvillisuuden korkeus - average, Laserkeilausaineisto5p (8m) (FEO)". Aineistojen metatiedot löytyvät sivuilta "Kasvillisuuden rakenteellisuuden aineistot" https://ckan.ymparisto.fi/dataset/kasvillisuuden-rakenteellisuuden-aineistot-feo sekä "Puuston rakenteellisuusaineiston tietoseloste" http://geoportal.ymparisto.fi/meta/julkinen/dokumentit/Kasvillisuuden_rakenteellisuuden_aineistot.pdf. Ennen keskiarvon ja maksimin laskentaa NoData-arvot muutettiin nolliksi. Peltolohkoja bufferoitiin sisäänpäin 5 m jotta aineistojen sijaintivirheiden ja lohkon ulkopuolella olevan kasvillisuuden vaikutus saataisiin minimoitua. Mikäli peltolohkolle ei ole määritetty keilausvuotta, niin kyseiselle lohkolle ei ole ominaisuustietoja laserkeilauksesta. Tämä voi johtua siitä että lohko on kovin pieni tai kapea jolloin se on bufferoinnin myötä "kadonnut", tai uuden keilauskampanjan osalta keilausta ei ole vielä suoritettu alueella. Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0). https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/Kaytosta_poistunut_maatalousmaa_2000_2020.pdf Agricultural land no longer in use 2000-2020 -dataset contains the field plots of the LPIS system from years 2000-2020 as well as information on the last year the plot was subsidized, and the plant cultivated on the field that year. The data describes the probability of the field plot being in use in year 2020. The dataset is compiled from the LPIS data produced by the Finnish Foor authority. The LPIS data is the land parcel identification system defined in the Commission regulation 769/2004 and in the 20th article of the Council regulation N:o 1782/2003. The system is used in the management of the area based farming subsidies of EU. The data for production of the Agricultural land no longer in use 2000-2020 -dataset was extracted on 31st of December 2020. The information on the cultivated plant in years 2000-2020 was added to all field plots. For each plot, information is provided on the last year the plot was subsidized and the plant cultivated on the field that year. Additional attributes have been calculated to the field plots from other land use datasets. This information describes the possible land use change on the fields that are no longer in use. Attributes have been calculated form the following datasets: Corine Land Cover 2018 (https://ckan.ymparisto.fi/dataset/corine-maanpeite-2018): CORINE Land Cover 2018 describes the land use and land cover in Finland in 2018. The data has been produced in Syke based on existing GIS-data and satellite data interpretations. Land use/land cover is described by a 4 level hierarchical classification. Five main classes (artificial surfaces, agricultural areas, forests and semi-natural areas, wetland and water bodies) are divided on the 2nd level to 15 sub-classes, on 3rs level to 31 sub-classes and on 4th level to 49 sub-classes. For the agricultural land no longer in use 2000-2020 -dataset, land use shares in each field plot have been calculated from the five main classes. The fields, gardens and meadows of the Topographic database: The Topographic Database of the National Land Survey of Finland covers whole Finland and comprises of different elements. The agricultural elements of the Topographic database include fields and gardens. The database also includes meadows. For the Agricultural land no longer in use 2000-2020 -dataset, land use shares in each field plot have been calculated from these three elements (fields, gardens, meadows) combined. The elements and their descriptions can be found at: https://www.maanmittauslaitos.fi/sites/maanmittauslaitos.fi/files/attachments/2018/03/Maastotietokohteet_0.pdf. Mammutti data: In the Mammutti-project, datasets were produced on the land use and land cover of marshes and wetlands, forests and built-up areas. For the Agricultural land no longer in use 2000-2020 -dataset, land use shares in each field plot were calculated form 3 of these Mammutti datasets: Combination data on restored marshes (Yhdistelmäaineisto ennallistetuista soista), Landcover 2m 2022 (Maanpeite 2 m 2022) and the Wooded area mask (Puustoisen alan maski). From the Lancover 2m 2022 data, the share was calculated from a combination of three classes: paved road, unpaved road and buildings and other impervious surface. The metadata descriptions of these Mammutti datasets can be found at: Combination data on restored marshes: https://ckan.ymparisto.fi/dataset/yhdistelmaaineisto-ennallistetuista-soista Landcover 2m 2022: https://ckan.ymparisto.fi/dataset/maanpeite-2-m-2022-ja-jatkojaloste-kasvillisuuden-korkeudella. Wooded area mask is a combination of Forest mask and Wood mask of the Forest Centre: https://www.metsakeskus.fi/sites/default/files/document/tietotuotekuvaus_metsamaski.pdf & https://www.metsakeskus.fi/sites/default/files/document/tietotuotekuvaus-puustomaski.pdf Laser scanning data: The field plots were given attributes of vegetation canopy cover and height from laser scanning data. These were calculated at Syke from 8m pixel raster data produced by Mika Heikkinen. Each field plot was given an average and a maximum value of canopy cover and vegetation height as well as information on the scanning date (year). Source data was from an older scanning

A High Sensitivity Thermometer Using A Thermistor Sensing Element Was Designed For Practical Measurements In The Field. Egi Reference Number Gl03545

Report of zoning of enforceable urban planning documents. The data contains the regulatory zoning digitised from the parcelary Bd of the IGN© or the express PCi (based on the geometric elements of the Bd Parcellaire or the express PCi for communal boundaries). The data awarded contain for each digitalised area the name of the zoning in the document and a simplification in 5 levels of aggregation N natural area Agricultural area U urbanised area AUC area to urbanise AUC urbanised area blocked For any application of a regulatory nature, refer to the original documents. This data conforms to the CNIG 2017 standard (http://cnig.gouv.fr/?page_id=2732) in its structure and incorporates data from the POS generalisation table (N_ZONAGE_PLU_S_034) of DDTM 34, developed internally since 1998. This table can be used as a graphical medium for digitalising the zoning of future documents that will need to integrate the Urbanism geoportal. Wms server of the GPU: http://wxs-gpu.mongeoportail.ign.fr/externe/vkd1evhid6jdj5h4hkhyzjto/wms/v?request=GetCapabilities GPU wfs server: http://wxs-gpu.mongeoportail.ign.fr/externe/39wtxmgtn23okfbbs1al2lz3/wfs