CommunityImagemgithub.com

figuras-de-pesquisa-e-mapas

Planejar, programar e verificar figuras e mapas de publicação para artigos sobre bacias hidrográficas, qualidade da água, agricultura e sistemas alimentares — incluindo hidrogramas com precipitação, curvas de duração de vazão e carga, gráficos observado versus simulado, comparações de BMPs e cenários com incerteza, mapas de área de estudo e resultados (escala, seta norte, CRS, créditos de dados), paletas seguras para daltonismo, tamanhos de periódicos e legendas.

O que é figuras-de-pesquisa-e-mapas?

Este skill capacita agentes de IA a planejar, programar e revisar figuras e mapas de alta qualidade para artigos científicos em hidrologia, qualidade da água, agricultura e sistemas alimentares. Ele é útil porque automatiza a criação de gráficos complexos (hidrogramas com chuva, curvas de duração de vazão e carga, gráficos observado vs. simulado, comparações de cenários com barras de incerteza) e mapas de estudo com requisitos cartográficos rigorosos (escala, seta norte, sistema de coordenadas de referência, créditos de dados). O skill suporta plataformas como Python (com o módulo de estilo `zfig.py`), QGIS e ArcGIS Pro, e orienta o agente a seguir um fluxo de trabalho que prioriza clareza, reprodutibilidade (dados lidos de arquivos, asserções para valores citados no texto) e boas práticas visuais (paletas seguras para daltonismo como Okabe-Ito, uso de eixos logarítmicos para vazão e cargas, e exibição de incerteza). Ele também inclui verificações de qualidade, como inspecionar a figura no tamanho final para evitar rótulos cortados, legendas sobrepostas ou cores que colapsam em escala de cinza.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/bdzion/claude_skills_z/tree/HEAD/research-figures-maps

Installed? Explore more Imagem skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Figuras e mapas de pesquisa

Uma figura ganha seu lugar quando mostra algo que uma tabela não consegue (um padrão ao longo do tempo ou vazão, uma distribuição, uma disposição espacial) e é legível no tamanho impresso em escala de cinza. Toda figura programada lê seus dados de arquivos, portanto não pode se desviar dos números no texto.

Fluxo de trabalho

  1. Decida o que a figura deve mostrar em uma frase e verifique se uma tabela não faria melhor. Anote o periódico alvo e suas larguras de coluna.
  2. Escolha a forma a partir de references/figure-guide.md: tipos de variáveis, eixos, transformações (log para vazão e cargas) e como a incerteza é mostrada.
  3. Programe-a com o módulo de estilo da casa scripts/zfig.py: use_style(), figure("single"|"onehalf"|"double", height_mm) e receitas hydrograph_with_rain, flow_duration, load_duration, obs_vs_sim, scenario_bars. Um script por figura (figN_nome_curto.py), dados lidos por caminho explícito, unidades em cada rótulo de eixo e um assert para cada número que o texto cita da figura. Execute python scripts/zfig.py uma vez para autotestar em um novo ambiente.
  4. Mapas: siga a lista de verificação de mapas no guia (CRS declarado, escala, seta norte quando a orientação não for óbvia, localizador de detalhe, legenda com unidades, fontes de dados e créditos de licença na legenda). Para layouts finais, QGIS ou ArcGIS Pro geralmente são mais rápidos que matplotlib; programe a preparação dos dados de qualquer forma.
  5. Olhe o arquivo renderizado no tamanho final antes de considerá-lo pronto: rótulos cortados ou sobrepostos, legenda cobrindo dados, ticks ilegíveis, cores colapsando em escala de cinza ou para deficiência de visão de cores.
  6. Legenda: o que é mostrado, depois como ler (símbolos, linhas, hachuras, unidades, período, n). Mantenha a interpretação no texto.

Padrões importantes

  • Paleta qualitativa Okabe-Ito (embutida no zfig); mapas de cores científicas viridis, cividis ou Crameri para dados contínuos; mapas divergentes apenas em torno de um zero significativo (ex.: mudança em relação à linha de base). Sem arco-íris ou jet (Crameri et al. 2020).
  • Texto de 8 pt no tamanho final, mínimo de 7 pt; larguras de linha de 0,6–1,0 pt.
  • Dados observados em preto ou cinza escuro e simulações em cor, consistentemente entre figuras.
  • Eixos log para vazão, cargas e concentrações que abrangem ordens de magnitude; diga isso no rótulo.
  • Mostre incerteza (bandas 95PPU, intervalos entre cenários ou membros climáticos, intervalos de confiança); uma barra sem sua dispersão superestima a certeza.
  • Não invente dados, coordenadas ou rótulos; se dados estiverem faltando, escreva o script com um NotImplementedError claro e liste o que é necessário.

Python primeiro e comentado; declare unidades, CRS e passo de tempo no docstring de cada script de figura.

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Habilidades Relacionadas