Integrazione WebGIS DRES
Il WebGIS resta il collettore principale per cartografia, contenuti statici e popup territoriali. La Shiny App riceve il traffico dai popup degli strumenti quando serve esplorare serie temporali e prodotti dinamici.
Strumentazione e punti di accesso alla Shiny App
Layer e responsabilità contenuti
Pattern popup WebGIS
- Popup carta vegetazione: descrizione sintetica, foto e comunità vegetali aggregate per colore/classe.
- Popup strumentazione: tab statici per meteo, phenocam, piezometro e LI-COR, aggiornati alla generazione del popup.
-
Link dal popup alla pagina Shiny con parametri, ad esempio
?site=dres&tab=phenocam. - Bacheche, profili suolo e curiosità pedologiche restano contenuti statici nel WebGIS, con immagini e testi forniti da PNGP.
Selezione
Curva GCC stagionale
Dati visualizzati
Mappa mensile
Nel prototipo la mappa usa celle demo. In produzione può leggere TIF mensili o una tabella rasterizzata già campionata.
Anomalia NDVI rispetto alla media storica
Selezione
Traiettorie stagionali NDVI
Dati visualizzati
Dataset elaborati
Scarica i dataset già filtrati dall'app o i tracciati demo quando i dati reali non sono ancora disponibili.
Phenocam GCC CSV Traiettorie NDVI CSV Anomalie NDVI CSV Layer WebGIS CSV Strumentazione CSVContratti dati attesi
-
phenocam_gcc.csv: site, roi, date, year, doy, gcc, historical_mean, historical_min, historical_max -
ndvi_trajectories.csv: group, date, year, doy, ndvi, historical_mean, historical_min, historical_max -
ndvi_anomalies.csv: month, lon, lat, ndvi_anomaly -
webgis_layers.csv: layer, owner, role, status -
instrumentation.csv: id, label, type, lat, lon, description, shiny_url
Guida sintetica
Phenocam GCC
Selezionare una o più camere, una ROI e l'anno base. L'intervallo storico mostra la variabilità interannuale; gli anni di confronto evidenziano stagioni note, ad esempio il 2022.
Anomalie NDVI
Selezionare il mese di interesse. Le celle negative indicano valori inferiori alla media storica del periodo di riferimento.
Traiettorie NDVI
Le categorie low, medium e high sono pensate per un pubblico non tecnico e possono essere sostituite da fasce quota, valli o categorie pastorali aggregate.
Aggiornamento
Il calcolo pesante deve avvenire fuori dall'app, ad esempio con job notturno sul server Ubuntu. Shiny deve solo leggere dataset compatti.