Health GIS ระบบสารสนเทศภูมิศาสตร์สุขภาพ

We have free GIS and ArcGIS training for all! 🌟 Find a course (or two) that's right for you: http://esri.social/wutu50QFLLX

NISAR Early Adopter Workshop Recordings Available Online

NASA's Alaska Satellite Facility Distributed Active Archive Center (ASF DAAC), in collaboration with the NASA Jet Propulsion Laboratory NISAR Early Adopters Program, held a two-day workshop that prepared participants to work with NISAR data using ASF's OpenScienceLab, a multi-user JupyterHub environment that operates in AWS.

Webinar Topics

* Introduction to NISAR and NISAR Products

*Overview of the Observational Products for End-Users from Remote Sensing Analysis (OPERA) project and OPERA analysis-ready data available at ASF DAAC.

*ASF DAAC Data Search and HyP3 On-Demand Processing.

The presentation slides and Jupyter Notebook are available through the ASF DAAC. Links are provided below.

*Slides: https://go.nasa.gov/3UBkCBE

*Jupyter Notebook repo: https://go.nasa.gov/3w68Jt8

Explore SAR datasets, services, and tools at: https://asf.alaska.edu/asfsardaac/

ค่า PM2.5บนพื้นผิวโลก โดยใช้ข้อมูลจาก MERRA-2 ภายใต้การประมวลผลบน GEE

MERRA-2 M2T1NXAER: Aerosol Diagnostics V5.12.4 คือข้อมูลรายชั่วโมงของค่าของละอองลอยบนผิวโลก( assimilated aerosol ) ในระบบวิเคราะห์ของ MERRA-2

ถ้าเรานำค่าข้อมูลใน assimilated aerosol เช่น ค่าผงฝุ่นเขม่าดำ หรือ Black carbon ค่าฝุ่น ค่าซัลเฟต ฯลฯ (black carbon, dust, sea-salt, sulfate, and organic carbon) มาคำนวณเข้าสูตรดังนี้

PM2.5 = DUSMASS25 + OCSMASS+ BCSMASS + SSSMASS25 + SO4SMASS* (132.14/96.06)

ก็จะหาปริมาณ PM2.5 บนพื้นผิวโลกได้

ฝุ่น PM2.5 หรือชื่อเต็มคือ Particulate matter with diameter of less than 2.5 micron เป็นฝุ่นละออง ขนาดจิ๋วที่มีขนาดไม่เกิน 2.5 ไมครอน เป็น 1 ใน 8 ตัว วัดมาตรฐานคุณภาพอากาศในบรรยากาศ

MERRA-2 M2T1NXAER -> https://developers.google.com/earth-engine/datasets/catalog/NASA_GSFC_MERRA_aer_2

สูตร PM2.5 อ้างอิงจาก -> http://doi.org/10.1016/j.apr.2016.10.009

ได้ทดลองนำข้อมูลจาก MERRA-2 M2T1NXAER ในห้วงเวลา เดือนเม.ย. ปี 2566มาคำนวณประมวลผลตามสูตรหาปริมาณ PM2.5 บนผิวโลกใน GEE หรือ Google Earth Engine จะได้ผลตามภาพข้างล่างนี้

(โดยในการประมวลผลใช้ค่าเฉลี่ยของข้อมูลในเดือน เม.ย. 2566 และเพื่อให้เป็นหน่วยเดียวกันกับที่ใช้ทั่วไปใช้ 1.e9 เข้าคูณด้วยเพื่อให้ได้ค่ามาตรฐานที่ใช้กันทั่วไป (μg (micrograms) )

อ้างอิงจาก -> https://forum.earthdata.nasa.gov/viewtopic.php?t=4287 )

จึงเป็นการดีที่เราจะสามารถ ประมวลผลหาค่า PM2.5 บนพื้นผิวโลกในลักษณะ เป็นช่วงเวลาหรือ Time Series เพื่อจะได้ศึกษาและเข้าใจในการเกิดและการเกิด PM2.5 เพื่อจะได้วางแผนและกำหนดนโยบายและการแก้ไขในอนาคตได้ครับ

ผมชอบงานสัมนาของ Google มากหลายงานพอเข้าจัดเสร็จ ก็จะมีการเผยแพร่เอกสารและคลิปบรรยาย ลง Youtube เพื่อแบ่งปันองค์ความรู้แบบเปิด ,ปีนี้ก็เช่นกัน งาน GeoforGood 2023 ได้มีการแผยแพร่คลิปการบรรยายหัวข้อต่างๆ และคลิปการสอน workshop และ Workshop Materials

ท่านที่สนใจสามารถเข้าไปดูรายการหัวข้อการบรรยายต่างๆ จากนักวิจัยและผู้เชี่ยวชาญ ทั่วโลก ได้จาก list ด้านล่าง, หรือจะดูรวดเดียวผ่าน playlist ทาง youtube ก็ได้เช่นกัน

ปล. ใครที่กำลังศึกษา Google Earth Engine หรือต้องการใช้ GEE เพื่อทำวิจัย แนะนำให้ลองดูหัวข้อการบรรยายต่างๆจาก playlist งานสัมนานี้ครับ มีหลายหัวข้อที่น่าสนใจและมีประโยชน์มาก

link
https://earthoutreachonair.withgoogle.com/events/geoforgood23
https://www.youtube.com/playlist?list=PLLW-qoCMKQsx_YHs95aOHguU7XpKl75Fk

😮มาแล้ววววว หลักสูตรฟรี 📣 ออนไลน์ 🌎
หลักสูตร เทคโนโลยีอวกาศและภูมิสารสนเทศ และการใช้ประโยชน์จาก THEOS-2 ✅สำหรับครู-อาจารย์✅
📢สมัครได้ตั้งแต่วันนี้ ถึงวันที่ 8 กันยายน 2566 เท่านั้น
🎯คลิกเลยที่ https://forms.gle/3aCgnrN2gVyffJtj6
🔗อ่านรายละเอียดเพิ่มเติม : https://shorturl.at/jlzL4

1. การวางผังเมือง: การวิเคราะห์ข้อมูลภูมิสารสนเทศเพื่อประกอบการตัดสินใจในการพัฒนาเมือง การวางแผนการขนส่ง และการจัดการโครงสร้างพื้นฐาน

2. การตรวจสอบด้านสิ่งแวดล้อม: การติดตามการเปลี่ยนแปลงของสิ่งปกคลุมดิน การตัดไม้ทำลายป่า ระดับมลพิษ และความสมบูรณ์ของระบบนิเวศโดยใช้ข้อมูลภูมิสารสนเทศ

3. การตอบสนองเหตุฉุกเฉิน: การใช้ข้อมูลเชิงพื้นที่เพื่อการรับรู้สถานการณ์แบบเรียลไทม์ การจัดสรรทรัพยากร และการประสานงานระหว่างเกิดภัยธรรมชาติหรือเหตุฉุกเฉิน

4. การเฝ้าระวังโรค: ทำแผนที่การแพร่กระจายของโรค คาดการณ์การระบาด และระบุพื้นที่ที่มีความเสี่ยงสูงผ่านการวิเคราะห์ข้อมูลสุขภาพเชิงพื้นที่

5. เกษตรกรรมแม่นยำ: ใช้ข้อมูลเชิงพื้นที่เพื่อเพิ่มประสิทธิภาพการจัดการพืชผล การให้น้ำ การให้ปุ๋ย และการทำนายผลผลิตสำหรับการทำฟาร์มที่มีประสิทธิภาพและยั่งยืน

6. การเพิ่มประสิทธิภาพการขนส่ง: การใช้ข้อมูลเชิงพื้นที่สำหรับการจัดการจราจร การเพิ่มประสิทธิภาพเส้นทาง การติดตามยานพาหนะ และการวางแผนการขนส่งสาธารณะ

7. การจัดการพลังงาน: วิเคราะห์ข้อมูลเชิงพื้นที่เพื่อระบุตำแหน่งที่เหมาะสมสำหรับโครงการพลังงานหมุนเวียน ประเมินความต้องการพลังงาน และเพิ่มประสิทธิภาพการกระจายพลังงาน

8. การเลือกสถานที่ค้าปลีก: ใช้ประโยชน์จากข้อมูลเชิงพื้นที่เพื่อระบุตำแหน่งที่เหมาะสำหรับร้านค้าปลีกโดยพิจารณาจากข้อมูลประชากรของผู้บริโภค การสัญจรไปมา และการวิเคราะห์ตลาด

9. การจัดการทรัพยากรธรรมชาติ: การตรวจสอบและจัดการทรัพยากรธรรมชาติ เช่น ป่าไม้ แหล่งน้ำ แร่ธาตุ และที่อยู่อาศัยของสัตว์ป่าโดยใช้ข้อมูลภูมิสารสนเทศ

10. การประเมินความเสี่ยงและการลดความเสี่ยง: การประเมินและลดความเสี่ยงที่เกี่ยวข้องกับภัยธรรมชาติ การเปลี่ยนแปลงสภาพภูมิอากาศ และความเปราะบางของโครงสร้างพื้นฐานโดยใช้ข้อมูลภูมิสารสนเทศ

11. การวิเคราะห์อสังหาริมทรัพย์: ประเมินมูลค่าทรัพย์สิน แนวโน้มตลาด และโอกาสในการลงทุนโดยผสมผสานข้อมูลเชิงพื้นที่เกี่ยวกับสถานที่ตั้ง สิ่งอำนวยความสะดวก และข้อมูลประชากร

12. การวางแผนการท่องเที่ยว: การใช้ข้อมูลเชิงพื้นที่เพื่อระบุแหล่งท่องเที่ยว วางแผนโครงสร้างพื้นฐานด้านการท่องเที่ยว และเพิ่มประสิทธิภาพประสบการณ์ของนักท่องเที่ยว

13. การบำรุงรักษาโครงสร้างพื้นฐาน: การใช้ข้อมูลเชิงพื้นที่สำหรับการจัดการสินทรัพย์ การบำรุงรักษาเชิงคาดการณ์ และการตรวจสอบโครงสร้างพื้นฐานเพื่อให้แน่ใจว่ามีประสิทธิภาพและความปลอดภัยสูงสุด

14. การอนุรักษ์สัตว์ป่า: การติดตามประชากรสัตว์ รูปแบบการย้ายถิ่น และฮอตสปอตความหลากหลายทางชีวภาพโดยใช้ข้อมูลเชิงพื้นที่เพื่อเป็นแนวทางในการอนุรักษ์

15. การพิจารณารับประกันภัย: การประเมินความเสี่ยงที่เกี่ยวข้องกับการประกันภัยทรัพย์สินตามข้อมูลเชิงพื้นที่เกี่ยวกับปัจจัยต่างๆ เช่น พื้นที่น้ำท่วม อัตราการเกิดอาชญากรรม และการเรียกร้องในอดีต

16. การเพิ่มประสิทธิภาพห่วงโซ่อุปทาน: การเพิ่มประสิทธิภาพการดำเนินงานห่วงโซ่อุปทานโดยการรวมข้อมูลเชิงพื้นที่เพื่อการจัดการสินค้าคงคลังที่มีประสิทธิภาพ เส้นทางการขนส่ง และการจัดวางคลังสินค้า

17. การจัดการการจราจรทางอากาศ: การใช้ข้อมูลเชิงพื้นที่เพื่อจัดการและเพิ่มประสิทธิภาพการไหลของการจราจรทางอากาศ การออกแบบน่านฟ้า และการดำเนินงานของสนามบินเพื่อความปลอดภัยและประสิทธิภาพที่เพิ่มขึ้น

18. บริการระบุตำแหน่งทางภูมิศาสตร์: ให้บริการตามตำแหน่ง เช่น การทำแผนที่ การนำทาง การเข้ารหัสทางภูมิศาสตร์ และการกำหนดตำแหน่งทางภูมิศาสตร์สำหรับแอปพลิเคชันมือถือและแพลตฟอร์ม

19. การพัฒนาเมืองอัจฉริยะ: ใช้ประโยชน์จากข้อมูลเชิงพื้นที่สำหรับโครงการริเริ่มเมืองอัจฉริยะ รวมถึงระบบขนส่งอัจฉริยะ การจัดการของเสีย และโครงสร้างพื้นฐานที่ประหยัดพลังงาน

20. การวิจัยทางโบราณคดี: การใช้ข้อมูลภูมิสารสนเทศเพื่อการสำรวจทางโบราณคดี การระบุสถานที่ และการอนุรักษ์มรดกทางวัฒนธรรม

21. Geofencing และ Location-based Marketing: นำเสนอโฆษณาและโปรโมชันที่ตรงเป้าหมายแก่ผู้ใช้ตามสถานที่ตั้งและความใกล้ชิดกับพื้นที่หรือธุรกิจเฉพาะ

22. Geospatial Intelligence: การใช้ข้อมูลเชิงพื้นที่เพื่อจุดประสงค์ด้านการป้องกันและรักษาความปลอดภัย รวมถึงการลาดตระเวน การวิเคราะห์ภัยคุกคาม และการวางแผนปฏิบัติการทางทหาร

23. การวางแผนด้านสาธารณสุข: การใช้ข้อมูลเชิงพื้นที่เพื่อประเมินความต้องการด้านการดูแลสุขภาพ กลยุทธ์การป้องกันโรค และการจัดสรรทรัพยากรสำหรับการริเริ่มด้านสาธารณสุข

24. การวางแผนการใช้ที่ดิน: การใช้ประโยชน์ที่ดินให้เกิดประโยชน์สูงสุดโดยการวิเคราะห์ข้อมูลเชิงพื้นที่เกี่ยวกับความเหมาะสมของที่ดิน กฎการแบ่งเขต และศักยภาพในการพัฒนา

25. การจัดการทรัพยากรน้ำ: การจัดการและเพิ่มประสิทธิภาพทรัพยากรน้ำผ่านข้อมูลเชิงพื้นที่เกี่ยวกับความพร้อมใช้งานของน้ำ คุณภาพ และรูปแบบการใช้น้ำ

26. การวิเคราะห์ภูมิสังคม: การรวมข้อมูลเชิงพื้นที่เข้ากับข้อมูลโซเชียลมีเดียเพื่อรับข้อมูลเชิงลึกเกี่ยวกับพฤติกรรมผู้บริโภค การวิเคราะห์ความรู้สึก และการตลาดแบบกำหนดเป้าหมาย

27. การวิเคราะห์การเปลี่ยนแปลงสภาพภูมิอากาศ: ศึกษาผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศโดยการวิเคราะห์ข้อมูลเชิงพื้นที่เกี่ยวกับอุณหภูมิ ปริมาณน้ำฝน การเพิ่มขึ้นของระดับน้ำทะเล และการเปลี่ยนแปลงของระบบนิเวศ

28. การบูรณาการข้อมูลภูมิสารสนเทศ: การบูรณาการชุดข้อมูลภูมิสารสนเทศที่หลากหลายจากหลายแหล่งเพื่อให้ได้ข้อมูลเชิงลึกที่ครอบคลุมและอำนวยความสะดวกในการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล

29. การจัดการสมาร์ทกริด: การใช้ข้อมูลเชิงพื้นที่เพื่อตรวจสอบและจัดการเครือข่ายการจ่ายไฟฟ้า เพิ่มประสิทธิภาพการทำงานของกริด และปรับปรุงประสิทธิภาพการใช้พลังงาน

30. การจัดการคุณภาพน้ำและอากาศ: ติดตามและวิเคราะห์ข้อมูลเชิงพื้นที่เกี่ยวกับคุณภาพน้ำและอากาศเพื่อระบุแหล่งกำเนิดมลพิษ ใช้มาตรการแก้ไข และปฏิบัติตามกฎระเบียบด้านสิ่งแวดล้อม

31. ความเป็นส่วนตัวและความปลอดภัยของข้อมูลภูมิสารสนเทศ: การพัฒนาโปรโตคอลและกรอบการทำงาน

ประเทศไทยในระบบสารสนเทศภูมิศาสตร์ อ้างอิงจากกรมการปกครอง กระทรวงมหาดไทย ปี พ.ศ. 2563 โดยประเทศไทยมีพื้นที่เท่ากับ 323,528,699.65 ไร่ สำหรับการจัดทำข้อมูลสภาพพื้นที่ป่าไม้ ใช้ ข้อมูลภาพดาวเทียม Sentinel-2 ระบบ บันทึกภาพ MSI ความละเอียดจุดภาพ 10 เมตร บันทึกภาพ ปี พ.ศ. 2564 และข้อมูลภาพดาวเทียม Landsat 8 ระบบบันทึกข้อมูล OLI ความละเอียดจุดภาพ 30 เมตร บันทึกภาพ ปี พ.ศ. 2564 นิยามพื้นที่ป่าไม้ที่ใช้สำหรับการแปลตีความภาพดาวเทียมเพื่อจัดทำข้อมูลสภาพพื้นที่ป่าไม้ คือ พื้นที่ปกคลุมของพืชพรรณที่สามารถจำแนกได้ว่าเป็นไม้ยืนต้นปกคลุมเป็นผืนต่อเนื่องขนาดไม่น้อยกว่า 3.125 ไร่ และหมายรวมถึงทุ่งหญ้าและลานหินที่มีอยู่ตามธรรมชาติที่ปรากฏล้อมรอบด้วยพื้นที่ที่จำแนกได้ว่าเป็นพื้นที่ป่าไม้ โดยไม่รวมถึงสวนยูคาลิปตัส หรือพื้นที่ที่มีต้นไม้ แต่ประเมินได้ว่าผลผลิตหลักของการดำเนินการไม่ใช่เนื้อไม้ ได้แก่ พื้นที่วนเกษตร สวนผลไม้ สวนยางพารา และสวนปาล์ม จากนิยามดังกล่าว ประเทศไทยมีพื้นที่ป่าไม้ ปี พ.ศ. 2564 จำนวน 102,212,434.37 ไร่ หรือร้อยละ 31.59 ของพื้นที่ประเทศ

ผู้ที่สนใจ สามารถ Download ข้อมูลรายงานฉบับสมบูรณ์ บทสรุปสำหรับผู้บริหาร และข้อมูล Shapefile ได้โดยกรอกคำขอข้อมูลตาม Link เมื่อกรอกเสร็จจะปรากฏ Link ให้ Download ข้อมูล

https://forms.gle/KMJ6nQm6FT89Wd1p7

ที่มา: สำนักจัดการที่ดินป่าไม้ กรมป่าไม้ กระทรวงทรัพยากรธรรมชาติและสิ่งแวดล้อม

ช่วงนี้ admin กำลังติดตามงาน FOSS4G2022 conference ปีนี้จัดที่ Firenze, Italy วันที่ 22-28 August , 2022 หลังหยุดไปจัดออนไลน์ในช่วงการระบาดของ covid ,มา 2 ปี ,ซึ่งครั้งนี้มีหลายบริษัท หลายองค์กร หลายโปรเจคมาร่วม มาตรฐานยังสูงและมีหลายเรื่องที่น่าสนใจเหมือนเดิม แม้จะไม่ได้ไปร่วมเอง แต่หลายส่วนเลยเขาจะมีถ่ายทอดออนไลน์ ทางเว็บและ youtube ให้ฟังได้ เพราะเป้าหมายเน้นไปทางการสร้างเครือข่ายและเผยแพร่ด้านความรู้+การใช้งานโปรแกรม FOSS ในด้านภูมิสารสนเทศ

เหมือนวันนี้ admin ไปเจอ Getting started with R and R-spatial workshop ของคุณ Nicolas Roelandt และ Jakub Nowosad ตอนนี้เปิดให้ นักพัฒนาและคนสนใจเขาถึงเนื้อหาและตัวอย่างการเรียนรู้ของ workshop นี้แล้ว ซึ่งน่าสนใจมาสำหรับคนที่ต้องการใช้ภาษา R ในการประมวลผลและวิเคราะห์ข้อมูลเชิงพื้นที่

บทเรียนและการทำ workshop ทางทีมงานตั้งใจทำจริงๆ ไม่ได้ทำลวกๆหรือพูดเพื่อเอามันส์อย่างเดียว ดังนั้นผู้เรียนก็นำไปใช้ต่อยอดได้

ท่านสนใจหัดใช้ R ในด้านการวิเคราะห์ข้อมูลเชิงพื้นที่ก็ลองเข้าไปเรียนรู้ได้จาก url ด้านล่างครับ
https://bakaniko.github.io/foss4g2022-getting-started-rspatial/

ติดตาม FOSS4G2022 แบบออนไลน์ได้จาก
https://mobile.twitter.com/foss4g

สวัสดี Geographers

ชั่วโมงนี้ คงมี Geographers ไม่น้อยที่ให้ความสนใจกับการต่อยอดพื้นความรู้เดิม ไม่ว่าจะเป็นภูมิศาสตร์กายภาพ ภูมิศาสตร์มนุษย์และการตั้งถิ่นฐาน ตลอดจนเทคนิคทางภูมิศาสตร์ อย่าง GIS Remote Sensing ไปสู่ สายธารนวัตกรรม อย่าง Digital Twin, Metaverse หรือ แม้แต่ Geospatial Big Data วันนี้เรามีงานดีๆ ที่ผู้จัดงานมาฝากให้ช่วยประชาสัมพันธ์ ด้วยเกรงว่าจะเรียนเชิญได้ไม่ทั่วถึง
"ขอเรียนเชิญทุกท่านเข้าร่วมงานประชุมเทคโนโลยีซอฟต์แวร์ GIS ครั้งที่ 5 (GTC 2022) ในวันที่ 8 กรกฎาคม 2565 ตั้งแต่เวลา 13:30 น. (ตามเวลาประเทศไทย) งาน GTC ครั้งนี้ จัดขึ้นครั้งแรกในประเทศไทย ซึ่งจัดขึ้นโดย EIT ร่วมกับ DEPA และ SuperMap พ่วงด้วยพันธมิตรของ SuperMap"
งานนี้ออกแบบมาเพื่อแบ่งปันการพัฒนาล่าสุดในซอฟต์แวร์ GIS และเป็นการให้ความรู้เกี่ยวกับเทคโนโลยี GIS ในหลายอุตสาหกรรม โดยได้เชิญผู้เชี่ยวชาญในหลายอุตสาหกรรมที่ใช้เทคโนโลยี GIS ในสาขาของตนมาให้คำบรรยาย ไม่ว่าจะเป็นในส่วนของเทคโนโลยี GIS เพื่องานผังเมือง การสร้างเมืองอัจฉริยะ งานออกแบบและก่อสร้างงานทาง การบริหารจัดการน้ำ และอื่น ๆ อีกมากมาย
หากภาษาอังกฤษ อยู่เลเวล สีแดง- Red สีเหลือง-Yellow เตา- อังโล้(มหาเศรษฐี) งี้ Geographers ก็ไม่ต้องกังวลเพราะในงานจะมีการบรรยาย ให้เสียงภาษาไทยโดยพันธมิตร ทางเจ้าภาพหวังว่างานนี้จะเป็นประโยชน์กับผู้เข้าร่วม จึงขอเรียนเชิญทุกท่านเข้าร่วมฟังงานประชุมครั้งนี้ผ่านทางออนไลน์ โดยพร้อมเพรียงกัน ทั้งนี้ เจ้าภาพฝากมาบอกว่า "ต้องขออภัยหากมิได้เรียนเชิญด้วยตัวเอง"
ถ้า Geographers ท่านใดสนใจสามารถลงทะเบียนผ่านทาง https://us02web.zoom.us/webinar/register/WN_GWx8O2i5TsCpOIUlC-hZcw และสามารถรับชมผ่านทางแอปพลิเคชัน Zoom และผ่านทางเพจเฟสบุ๊ค https://www.facebook.com/SuperMap ได้ในวันงาน
งานนี้น่าเข้าร่วมนะ เจ้าภาพเขาตั้งใจจัด Geographers จะไม่รับชมผ่านทางแอปพลิเคชัน Zoom หน่อยเหรอ

แอดเรียนแล้วได้ความรู้มากมาย แนะนำเลยค่ะ

Geospatial Data Analysis with Google Earth Engine Google Earth Engine เป็นแพลตฟอร์มบนคลาวด์ที่ช่วยให้สามารถประมวลผลชุดข้อมูลภาพถ่ายดาวเทียม ขนาดใหญ่เพื่อตรวจการเปลี...

🤔🤔🤔 จะดีไหมถ้าเรามี Drive ส่วนตัวอีก Drive ในคอมพิวเตอร์ของเราโดยไม่เสียค่าใช้จ่าย เรียกใช้ที่ไหนก็ได้ ใช้ Device อะไรก็ได้ และข้อมูลอยู่กับเราตลอดไปจนกว่าเราจะลบ โดยเสมือนเป็น Drive ส่วนตัว ที่สามารถ Upload/Download File หรือ Folder พร้อมทั้งทำการ Share ได้จากทุกที่ในโลก

🗂🗂🗂 ปัจจุบันที่มีความก้าวหน้าทางเทคโนโลยี จึงทำให้เราสามารถอัพโหลดและดาวน์โหลดไฟล์ได้จากทุกที่ทุกเวลาเพื่อรับ-ส่งข้อมูลกันทั่วโลก แม้จะอยู่ห่างไกลกันด้วย Cloud Storage

☁️🌥⛅️ Cloud ในที่นี้ไม่ใช่เมฆบนท้องฟ้าตามที่เราเข้าใจนะ แต่ก็ไม่ผิดถ้าเราจะคิดว่า Cloud คือ กลุ่มก้อนเมฆบนท้องฟ้า เพราะ Cloud ที่ว่านี้มันยิ่งใหญ่เหมือนเมฆที่ลอยอยู่บนท้องฟ้า เป็นที่เก็บข้อมูลได้มากมายมหาศาลเปรียบเสมือนท้องฟ้าที่กว้างใหญ่ซึ่งไม่ว่าเราจะอยู่ที่ไหนก็สามารถเห็นก้อนเมฆ ดังนั้นเราจึงสามารถเข้าถึงและกระทำการกับไฟล์ข้อมูลที่เราฝากไว้บน Cloud จากที่ไหนเมื่อไหร่ก็ได้

📦📦📦 Public Cloud Storage ที่เรารู้จักคุ้นเคยกันดี คือ Google Drive, Dropbox, OneDrive และรวมถึง iCloud ที่เราคุ้นเคยเป็นอย่างดีจากผู้ที่เป็นสาวก iPhone ส่วน Private Cloud Storage ของ สทนช. ที่มีชื่อว่า ONWR Cloud Storage ที่พัฒนามาตั้งแต่ปี 2563 ปัจจุบันมีผู้ใช้งานมากกว่า 400 user แต่เนื่องจากมีบุคคลากรเพิ่มขึ้นจำนวนมาก บางท่านยังไม่ได้เคยใช้งาน วันนี้จึงมาขอแนะนำการใช้งานเบื้องต้นและ Feature ที่ผู้ที่ใช้งานหลายท่านยังคงไม่ค่อยรู้ว่า สามารถกำหนดให้ ONWR

⭐️⭐️⭐️ Cloud Storage เป็น Drive หนึ่งใน Device ของท่าน Cloud Storage ช่วย Sync ไฟล์ ผ่านอุปกรณ์ต่างๆ และสามารถเข้าจัดการได้สะดวกและง่ายดายผ่าน Desktop Client สำหรับ Windows , macOS และ Mobile app สำหรับ Android และ iOS ทำให้อุปกรณ์ต่างๆ เห็นข้อมูลได้เหมือนกัน ทำงานที่ทำงานแล้วสามารถกลับไปทำงานต่อบนเครื่องคอมพิวเตอร์ที่บ้าน หรือดูไฟล์ที่เก็บไว้ทาง Smart Device เช่น มือถือหรือแท็บเล็ตได้ ซึ่งต่อไปก็ไม่ต้องถือ External Hard Disk หรือ Flash Drive ให้วุ่นวายอีกต่อไป อีกทั้งยังสามารถแลกเปลี่ยนข้อมูล หรือใช้สำหรับช่องทางของจดหมายเวียนที่เราสามารถกลับมาอ่านเมื่อไหร่ก็ได้ ประหยัดกระดาษและเวลา ค้นหาก็สะดวก

💻💻💻 หากท่านหรือหน่วยงานใดเห็นว่า ONWR Cloud Storage มีประโยชน์ต่อการทำงานของท่าน สามารถขอรหัสเข้าใช้งานได้จาก ศูนย์อำนวยการน้ำแห่งชาติ และดูวิธีการใช้งานการสร้าง Drive จาก Cloud Storage ได้จากลิงค์/คิวอาร์โค้ด
http://cloudstorage.onwr.go.th/index.php/s/z3EgC4sSoStTMX7

😁😁😁 วันนี้หวังว่าเพื่อนๆ คงเข้าใจและอยากใช้ ONWR Cloud Storage เพื่ออำนวยความสะดวกในการทำงานที่ต้องใช้พื้นที่เก็บข้อมูลจำนวนมากกันมากขึ้น และสัปดาห์หน้าเรามาพูดคุยกันเรื่อง Metaverse ที่กำลังเป็นที่สนใจในขณะนี้นะคะ

เขียนโดย กาลเวลา...

New Python Learning Resource: HyRiver - A suite of packages that include the PyDaymet API and Notebook examples to assess aridity, potential evapotranspiration, and climate using NASA Oak Ridge National Laboratory Distributed Active Archive Center (ORNL DAAC) Daymet data inputs.

Access Python Resource: https://bit.ly/3hUkaK0

About Daymet Version 4: This dataset provides gridded estimates of daily weather parameters for North America, Hawaii, and Puerto Rico. Daymet variables include the following parameters: minimum temperature, maximum temperature, precipitation, shortwave radiation, v***r pressure, snow water equivalent, and day length. The dataset covers the period from January 1, 1980, to December 31 (or December 30 in leap years) of the most recent full calendar year for the Continental North America and Hawaii spatial regions. Data for Puerto Rico is available starting in 1950. https://daymet.ornl.gov

Health GIS ระบบสารสนเทศภูมิศาสตร์สุขภาพ updated their business hours.