نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

خلاصه

اطلاعات جغرافیایی به طور سنتی توسط آژانس ها و شرکت های نقشه برداری، با استفاده از متخصصان بسیار ماهر و همچنین تجهیزات و روش های دقیق گران قیمت، با رویکردی بسیار پرهزینه تولید می شود. تولید پایگاه‌های اطلاعاتی کاربری و پوشش زمین تنها نمونه‌ای از این رویکردهای سنتی است. در عین حال، میزان اطلاعات جغرافیایی ایجاد شده و به اشتراک گذاشته شده توسط شهروندان از طریق وب در دهه گذشته به طور تصاعدی در نتیجه ظهور و رواج فناوری هایی مانند وب 2.0، رایانش ابری، سیستم های موقعیت یابی جهانی (GPS) افزایش یافته است. )، تلفن های هوشمند، از جمله. این حجم عظیم از داده های جغرافیایی رایگان ممکن است اطلاعات ارزشمندی برای استخراج داشته باشد. ترکیب داده‌های چندین طرح ممکن است ارزش چنین داده‌هایی را افزایش دهد. ما یک مدل مفهومی را برای ادغام داده‌ها از ابتکارات محتوای فضایی تولید شده توسط کاربر پیشنهاد می‌کنیم. یک نمونه اولیه برای نشان دادن توانایی مدل برای انجام چنین ادغامی، بر اساس دو مورد استفاده شناسایی شده، نیز توسعه داده شد.
کلید واژه ها: 

کاربری زمین / پوشش زمین ; سیستم های اطلاعات جغرافیایی ; محتوای فضایی تولید شده توسط کاربر ; ادغام داده های مکانی ; VGI _ اطلاعات جغرافیایی داوطلبانه

 

1. معرفی

اطلاعات رسمی جغرافیایی (GI) توسط آژانس ها و شرکت های نقشه برداری تولید شده و به عنوان نقشه های کاغذی یا اطلس به کاربران فروخته شده است [ 1 ]، با پیروی از رویکرد بسیار گرانی که به افراد متخصص و همچنین تجهیزات گران قیمت و روش های دقیق نیاز دارد. در نتیجه، اولویت به مهم‌ترین و بدون تغییر مضامین جغرافیایی و آن‌هایی که کاربردهای متعدد دارند داده شده است، در نتیجه بقیه به نقشی فرعی واگذار می‌شوند [ 2 ].
اخیراً شاهد ظهور پدیده جدیدی بوده ایم که در آن شهروندان GI را از طریق وب ایجاد و به اشتراک می گذارند. توسعه و رواج فن آوری هایی مانند وب 2.0، رایانش ابری، سیستم های موقعیت یابی جهانی (GPS)، تلفن های هوشمند، از جمله، روش تولید، ذخیره و استفاده از داده های جغرافیایی را تغییر داده و همچنان به تغییر آن ادامه می دهد [3 ] ]. تحقیقات قبلاً برای بررسی پتانسیل عظیمی که به نظر می‌رسد این نوع داده‌ها پنهان می‌کند و امکان استفاده از آن در مسائل دنیای واقعی، مانند نقشه‌برداری کاربری زمین/پوشش [4، 5]، پاسخ به بلایا [1 ، 6 ، 7 ] انجام شده است . ]، نمایش ویژگی های طبیعی [8 ، کاوش در زبان بومی [ 9 ]، یا ارتقاء میراث فرهنگی [ 10 ].
در این مورد، پایگاه‌های داده کاربری/پوشش زمین (LULC) یکی از حوزه‌های جالبی را نشان می‌دهد که این منابع داده می‌توانند در آن بسیار مفید باشند. تولید آنها بسیار پرهزینه و زمان بر است، زیرا عمدتاً بر اساس تفسیر و طبقه بندی داده های سنجش از دور ساخته شده توسط افراد بسیار آموزش دیده و ماهر است [ 11 ]. علاوه بر این، این فرآیند شامل یک مرحله اعتبار سنجی است که برای ارائه شاخص های کیفیت محصول نهایی بسیار مهم است. این اعتبار سنجی با مواجهه پایگاه داده تولید شده با داده های مرجعی که فرض می شود درست است، انجام می شود، که شامل منابع دیگر، «حقیقت پایه» است که مستقیماً از میدان در سایت های از پیش انتخاب شده جمع آوری شده است [12] .]. GI به اشتراک گذاشته شده توسط شهروندان از طریق وب می تواند برای کمک به فرآیند تولید، به عنوان مثال، با کاهش نیاز به جمع آوری داده ها در میدان مورد استفاده قرار گیرد. نویسندگان مختلف قبلاً برای این منظور منابع متنوعی از GI تولید شده توسط شهروندان را بررسی کرده‌اند و روش‌هایی را برای غلبه بر برخی از ویژگی‌های این نوع داده‌ها پیشنهاد کرده‌اند ([ 4 , 13 , 14 , 15 , 16 , 17 , 18 , 19 , 20 , 21 ، 22 ، 23 ، 24 ، 25])، با اکثر آنها منعکس کننده مزایای احتمالی ادغام داده ها از منابع مختلف مانند، به عنوان مثال، افزایش وضوح مکانی و زمانی است.
این مطالعه یک مدل داده را توسعه می دهد که می تواند منابع مختلف GI تولید شده توسط شهروندان را برای کمک به تولید پایگاه های داده LULC یکپارچه کند. از آنجایی که ابتکارات مختلف اهداف، علایق و مخاطبان متفاوتی دارند و انواع مختلفی از داده‌ها تولید می‌شوند، با ساختارهای مختلف ذخیره می‌شوند و با انواع مختلف دسترسی در دسترس قرار می‌گیرند، چنین ادغامی چالش‌های بیشتری را برای بازیابی، تجزیه و تحلیل، استخراج و تجسم مفید نشان می‌دهد. اطلاعات از منابع مختلف این امر مستلزم توسعه مدل های یکپارچه سازی برای غلبه بر تفاوت های آنها است.
این مقاله به شرح زیر سازماندهی شده است. ابتدا به ابتکارات مختلف GI تولید شده توسط شهروندان نگاه می کنیم، فهرستی از حداقل الزامات برای یک طرح که باید در مدل ادغام گنجانده شود را ایجاد می کنیم و طرح هایی را انتخاب می کنیم که این الزامات را برآورده می کنند. سپس مهم‌ترین تفاوت‌ها را در بین منابع انتخاب شده مورد بحث قرار می‌دهیم و یک مدل ادغام مفهومی را پیشنهاد می‌کنیم. در نهایت، مدل را از طریق مجموعه‌ای از موارد استفاده از پیش تعریف‌شده ارزیابی می‌کنیم و برخی اظهارات نهایی را بیان می‌کنیم.

2. محتوای فضایی تولید شده توسط کاربر

در سال 2007، گودچایلد اصطلاح اطلاعات جغرافیایی داوطلبانه (VGI) را ابداع کرد تا «درگیری گسترده تعداد زیادی از شهروندان خصوصی، اغلب با صلاحیت های رسمی کمی، در ایجاد اطلاعات جغرافیایی، کارکردی که برای قرن ها انجام شده است. متعلق به آژانس های رسمی است» [ 26 ]. یک سال قبل از آن، در سال 2006، Neogeography توسط ترنر به عنوان اصطلاحی برای توصیف پدیده «افراد با استفاده و ایجاد نقشه های خود، بر اساس شرایط خود و با ترکیب عناصر یک مجموعه ابزار موجود، به اشتراک گذاری اطلاعات موقعیت مکانی با دوستان و بازدیدکنندگان، معرفی شد. کمک به شکل دادن به زمینه، و انتقال درک از طریق دانش مکان» [ 27]. جمع‌سپاری داده‌های مکانی اصطلاح دیگری است که برای توصیف پدیده گروه‌های سازمان‌یافته بزرگی از کاربران استفاده می‌شود که محتوایی را تولید می‌کنند (در این مورد فضایی) که به اشتراک گذاشته می‌شود [ 28 ].
علی‌رغم برخی تفاوت‌ها بین این اصطلاحات [ 29 ]، همه آنها به نوعی محتوای تولید شده توسط کاربر (UGC) مربوط می‌شوند که به طور مستقیم یا غیرمستقیم با محتوای فضایی سروکار دارد و به داوطلبان و گروه‌های بزرگی از مردم اشاره دارد که گاهی اوقات مانند یک جمعیت عمل می‌کنند، اغلب بدون آن. تخصص یا صلاحیت های رسمی، که با داده های مکانی به “جامعه” کمک می کند.
اخیراً، Stefanidis و همکاران. [ 30 ] به چیزی رسیدند که آنها به عنوان «انحراف از تصور گودچایلد از جغرافیای داوطلبانه» تعریف کردند (ص. 319). آنها استدلال می کنند که اطلاعات منتشر شده از طریق برخی از ابتکارات رسانه های اجتماعی به خودی خود اطلاعات جغرافیایی نیست (یعنی جغرافیا هدف اصلی آنها نیست، بر خلاف سایر ابتکارات مانند OpenStreetMap)، اگرچه آنها یک زمینه جغرافیایی را ارائه می دهند زیرا آنها اطلاعات مرتبط با مکان را دارند. آنها آن را اطلاعات مکانی محیطی (AGI) نامیدند. فیشر [ 31 ] استدلال کرد که در برخی موارد، زمانی که VGI برای مقاصدی غیر از مواردی که داوطلبان در آن مشارکت داشته اند استفاده می شود، می توان آن را به عنوان یک اطلاعات جغرافیایی نه چندان داوطلبانه دید، و این را به عنوان اطلاعات جغرافیایی غیرارادی (iVGI) نامید.
ما اصطلاح گسترده‌تر محتوای فضایی تولید شده توسط کاربر (UGsC) را اتخاذ می‌کنیم تا همه این تعاریف متنوع را متحد کنیم [ 32 ]. این اصطلاح یک مورد خاص از UGC است که به محتوای فضایی می پردازد، و در نظر گرفته شده است که شامل تمام ابتکارات حاوی داده هایی با ویژگی های فضایی ارائه شده توسط شهروندان با یا بدون هدف کمک به داده ها برای اهداف فضایی، مانند VGI، iVGI، neogeography، جمع سپاری داده های جغرافیایی و AGI.

3. محتوای فضایی تولید شده توسط کاربر – مدل یکپارچه

انواع مختلف داده ها که با ساختارهای مختلف ذخیره شده و با انواع مختلف دسترسی در دسترس هستند، چالش های بیشتری را در برخورد با داده ها از منابع مختلف نشان می دهند. این امر مستلزم توسعه مدل های یکپارچه سازی برای غلبه بر تفاوت ها و استخراج اطلاعات مفید است. برای این مهم، تعریف حداقل الزاماتی که یک منبع داده UGsC باید داشته باشد تا در مدل گنجانده شود، شناسایی ابتکاراتی که از این حداقل الزامات پیروی می‌کنند، نگاهی به شباهت‌ها/تفاوت‌های آن‌ها و در نهایت توسعه مدل ادغام مهم است.

3.1. حداقل نیازها و ابتکارات مربوطه

به دنبال موجودی ساخته شده توسط Elwood و همکاران. [ 29 ]، 99 ابتکار در سال 2009 شناسایی شد و جدیدترین نسخه از فهرست، که به صورت آنلاین موجود است، 100 طرح را می‌شمارد، اما تاریخ به‌روزرسانی ذکر نشده است [ 33]]. هر طرح از نظر در دسترس بودن بررسی شد، در نتیجه 61٪ از طرح ها هنوز بدون تغییر فعال هستند، 3٪ نام خود را تغییر داده اند و 36٪ دیگر فعال نیستند. شناخته‌شده‌ترین ابتکارات مانند OpenStreetMap (OSM)، فلیکر، پانورامیو، ویکی‌مپیا، از جمله، هنوز فعال هستند. فهرست ابتکارات را با توجه به هدف آنها در سه گروه طبقه‌بندی می‌کند: تصویرسازی جغرافیایی، اطلاعات جغرافیایی و جغرافیایی اجتماعی. Geovisualization برای نقشه برداری اطلاعاتی است که توسط کاربر ارائه می شود. اطلاعات جغرافیایی به جمع‌آوری، گردآوری و یکپارچه‌سازی محتوای دارای برچسب جغرافیایی (داده‌های تولید شده از طریق سرویس‌های مبتنی بر مکان) و اطلاعات جغرافیایی برای نام مکان‌ها مربوط می‌شود. Geosocial بیشتر بر روی کاربرانی متمرکز است که رسانه های جغرافیایی را با دیگران در شبکه های حرفه ای یا اجتماعی خود به اشتراک می گذارند.
با توجه به هدف این مطالعه، ما بیشتر به پروژه‌های UGsC علاقه‌مندیم که داده‌های مربوط به جنبه‌های فیزیکی زمین را به دست می‌آورند و ذخیره می‌کنند تا داده‌های مربوط به مکان کاربران یا بستری برای تجمیع انواع داده‌ها. ما با تجزیه و تحلیل ابتکارات فعال شناسایی‌شده در فهرست شروع می‌کنیم تا فهرستی از الزامات ضروری را که هر منبعی برای گنجاندن در مدل ادغام UGsC باید برآورده کند، ایجاد کنیم. از این تجزیه و تحلیل برخی از ویژگی های مهم شناسایی شد، و باید قبل از تعریف الزامات مورد بحث قرار گیرد:

1.
نوع بافت فضایی : در این موضوع دو نوع اصلی تفکیک مکانی یافتیم: مکان ها و مختصات (طول و عرض جغرافیایی). مکان ها دقیق نیستند و گاهی اوقات می توانند از نظر موقعیت مکانی بسیار مبهم باشند [ 9 ]. مثلاً وقتی نام شهری را می‌آوریم، موقعیت دقیقی در آن شهر وجود ندارد. مختصات به مکانی با دقت بسیار بیشتری اشاره دارد و بنابراین برای این مطالعه مورد توجه بیشتری قرار می گیرد.
2.
نوع پدیده های فضایی : منظر، موقعیت کاربر، پدیده های بسیار پویا (طبیعی مانند آتش سوزی، گردباد، و غیره، یا مصنوعی، مانند اتومبیل، حیوانات، مردم و غیره) و موجودات ساکن (ساختمان ها، جاده ها، مزارع) . موقعیت کاربر و پدیده های بسیار پویا برای این مطالعه جالب نیستند زیرا جنبه های فیزیکی زمین را نشان نمی دهند.
3.
نوع داده : متن، عکس و هندسه. رویدادهای متنی، زمانی که با مختصات طول و عرض جغرافیایی یا موارد مشابه ارجاع داده شوند، می‌توانند از نظر اطلاعات جغرافیایی بسیار دقیق و غنی باشند، اما برای استخراج اطلاعات معنادار از پیام‌ها/توضیحات، به تحقیقات بیشتری که خارج از محدوده این مطالعه است، نیاز است. عکس‌ها، زمانی که با مختصات طول و عرض جغرافیایی ارجاع داده شوند، بسیار مفید هستند زیرا تصویری از مکان ارائه می‌دهند. عکس‌های ارجاع‌شده بر اساس مکان‌ها، همانطور که در نکته قبل ذکر شد، می‌توانند موقعیت مکانی بسیار نامشخصی داشته باشند. هندسه ها معمولاً با مختصات آنها که داده های دقیق جغرافیایی را نشان می دهد ارجاع داده می شوند.
4.
نوع دسترسی : بدون دسترسی عمومی، دسترسی با استفاده از APIهای عمومی، دسترسی با استفاده از API خصوصی و دسترسی با استفاده از URL های مستقیم به عکس ها. برخی از ابتکارات که معمولاً توسط شرکت های خصوصی برگزار می شود، دسترسی عمومی به داده های ذخیره شده را فراهم نمی کنند یا کاربران را ملزم به پرداخت هزینه ای برای استفاده از API خصوصی خود می کنند. API های عمومی به صورت رایگان در دسترس هستند و مسائل مربوط به حریم خصوصی را به صورت داخلی مدیریت می کنند، بنابراین با استفاده از آنها فقط به محتوای در دسترس عموم دسترسی خواهید داشت. در این مدل فقط APIهای عمومی در نظر گرفته می شوند.
5.
نوع مجوز داده : Open Data Commons Open Database License (ODbL)، مجوز برای استفاده عمومی، و مجوزی که به مشارکت کننده تعلق دارد، برخی از انواع مجوزهای داده مورد استفاده هستند. توجه به این نکته مهم است که مدل ما فقط از داده‌های در دسترس عموم استفاده می‌کند و داده‌های استفاده‌شده را ذخیره یا به‌طور تجاری مورد سوءاستفاده قرار نمی‌دهد.
6.
نوع پوشش : محلی، منطقه ای یا جهانی. پوشش محلی بیشتر مربوط به بخش کوچکی از زمین است، مانند یک کشور یا یک منطقه در داخل یک کشور. پوشش منطقه ای بیشتر با مناطقی که گروهی از کشورها یا قاره ها را پوشش می دهند مرتبط است. پوشش جهانی با کل کره زمین مرتبط است. بسته به نوع پوشش LULC تولید شده و منطقه طبقه بندی شده زمین، برخی از ابتکارات می توانند جالب تر از سایرین باشند (به عنوان مثال، اگر منطقه کاری پرتغال باشد، داده های UGsC که ایرلند را پوشش می دهد جالب نخواهد بود).
از این بحث می توان اطلاعات مفیدی را استخراج کرد. زمینه مکانی برای داشتن مکان های دقیق داده های UGsC از اهمیت فوق العاده ای برخوردار است. این بدان معنا نیست که اطلاعات دقیق هستند، بلکه به این معناست که وقتی مکانی به آن ارجاع داده می شود، با توجه به سیستم مرجع مورد استفاده دقیقاً می دانیم کجاست. در نتیجه تصمیم گرفته شد که تمام ابتکاراتی که داده‌ها را با مختصات مکانی مانند طول و عرض جغرافیایی یا اشیاء جغرافیایی مرجع جغرافیایی ذخیره نمی‌کنند حذف شوند. طرح‌هایی که API عمومی را به‌طور رایگان ارائه نمی‌دهند یا به هیچ وجه اجازه دسترسی به داده‌های ذخیره‌شده از طریق پروتکل‌های باز اینترنت را نمی‌دهند، از مطالعه حذف شدند. به همین معنا، به دلایل قانونی، تمام داده های بدون نوع مجوز آزاد حذف شدند. در نتیجه،جدول 1 ). جدول 2 ابتکارات UGsC شناسایی شده را نشان می دهد که از الزامات تعریف شده پیروی می کند و متعاقباً در توسعه این مطالعه استفاده شد.
همه ابتکارات دارای داده‌هایی هستند که با مختصات ارجاع داده می‌شوند و جنبه‌های فیزیکی زمین را نشان می‌دهند و در دسترس عموم هستند. به جز GeographUK (داده‌های منطقه‌ای که بریتانیا و ایرلند را پوشش می‌دهد)، همه مجموعه‌های داده دارای پوشش جهانی هستند. از نظر نوع دسترسی، همه ابتکارات APIهای عمومی را برای دسترسی به داده های خود ارائه می دهند، به جز پروژه Degrees Confluence، که در آن دسترسی باید با استفاده از URL های خاص عکس انجام شود. در نهایت، با توجه به نوع داده، دو ابتکار دارای داده های برداری، پنج ابتکار بر اساس عکس، و هفت طرح دارای توضیحات متنی هستند.

3.2. شباهت‌ها و ناهمسانی‌های ساختاری در میان طرح‌های منتخب

همانطور که در بالا گفته شد، ابتکارات مختلف UGsC اهداف، علایق و مخاطبان متفاوتی دارند و انواع مختلفی از داده ها را تولید می کنند و در نتیجه ساختارهای متفاوتی اتخاذ می شود. در این بخش، ابتکارات UGsC را که برای یافتن شباهت‌ها و تفاوت‌های ساختاری در میان آنها انتخاب شده‌اند، بررسی می‌کنیم تا راه‌حل‌هایی برای ادغام آنها شناسایی شود.
تنها یک ویژگی مشترک در تمام ابتکارات شناسایی شد. همه آنها دارای موقعیت جغرافیایی هستند که بر حسب مختصات طول و عرض جغرافیایی مرتبط با داده ها بیان می شود. از این نظر ما دو نوع بازنمایی جغرافیایی را شناسایی کردیم: نقاط و هندسه‌های چندگانه. بسیاری از ابتکارات در اولین قرار می گیرند و از نقاط برای نمایش داده های خود استفاده می کنند. طرح‌های مبتنی بر عکس، مانند فلیکر و پانورامیو، و طرح‌های مبتنی بر پیام، مانند توییتر، به ترتیب عکس‌ها و پیام‌ها را با موقعیت مکانی مرتبط می‌کنند. برخی دیگر از ابتکارات بیشتر با نوع دوم مرتبط هستند. OSM و Wikimapia دو نمونه از ابتکاراتی هستند که با نمایش داده های خود از طریق نقاط، خطوط و چندضلعی ها از رویکرد هندسه چندگانه استفاده می کنند.
از نظر تفاوت‌ها، دو مورد به سرعت شناسایی شدند. اولین تفاوت مربوط به نوع دسترسی است. دو نوع مختلف دسترسی شناسایی شد: (1) دسترسی با استفاده از یک URL مستقیم. و (2) دسترسی از طریق یک API عمومی. اولی مکانیزم جستجو را ارائه نمی دهد و نیاز به توسعه مناسب برای بازیابی اطلاعات برای مکان های بسیار خاص دارد: تقاطع نصف النهارها با موازی. دومی یک رابط خاص، در دسترس عموم، با عملیات شناخته شده برای بازیابی اطلاعات مورد نظر از منبع فراهم می کند. اگرچه اکثر ابتکارات یک API عمومی برای دسترسی به داده های خود ارائه می دهند، باید توجه داشت که عملیات پیاده سازی شده توسط رابط های آنها با یکدیگر متفاوت است. شکل 1یک نمای کلی از این ویژگی مشترک ارائه می دهد و همچنین نوع دسترسی را برای هر یک از طرح های انتخاب شده توصیف می کند.
تفاوت مهم دیگری که باید به آن اشاره کرد، طرح پاسخ از API هر ابتکار است. اگرچه برخی از همپوشانی ها وجود دارد، طرح پاسخ هر ابتکار به طور کلی متفاوت است، که مسائل یکپارچه سازی را ایجاد می کند. بنابراین، یک طرح واره مشترک باید تعریف شود تا بتوان اطلاعات جدا از مکان را نیز یکپارچه و استفاده کرد.

3.3. معماری مدل

سه رویکرد برای ادغام چندین منبع مختلف و متنوع داده وجود دارد: (1) رویکرد مجازی، که در آن اطلاعات در لحظه از منبع پرس و جو و بازیابی می شود. (2) رویکرد تحقق‌یافته، که در آن یک پایگاه داده متمرکز برای ذخیره داده‌هایی که قبلاً در منابع داده درخواست شده‌اند، ایجاد می‌شود. و (3) رویکرد ترکیبی، که مخلوطی از دو رویکرد اول [ 34 ] است. به گفته این نویسندگان، رویکرد مجازی زمانی که منابع اطلاعاتی به طور مکرر در حال تغییر هستند، مناسب تر است، در حالی که رویکرد تحقق یافته زمانی ترجیح داده می شود که تغییرات با فرکانس کمتر رخ دهند.
همانطور که در بالا ذکر شد، داده های UGsC از نوعی هستند که اغلب تغییر/به روز می شوند. بنابراین، مدل یکپارچه‌سازی داده‌ها مبتنی بر رویکرد مجازی با نوع داده‌ای که با آن سروکار داریم، با مزیت همیشه دسترسی به جدیدترین داده‌های موجود، مناسب‌تر است.
مدل یکپارچه‌سازی داده‌ها از یک رویکرد مجازی پیروی می‌کند و داده‌های منابع مختلف با استفاده از یک پلت‌فرم آنلاین تعاملی در لحظه جستجو و بازیابی می‌شوند. همچنین با توجه به ماهیت این منابع متنوع، داشتن ساختارها و انواع مختلف دسترسی، ادغام بر اساس یک واسطه [ 35 ] است که بین لایه برنامه و منابع UGsC قرار دارد. به طور کلی، هدف این معماری این است که اطمینان حاصل شود که درخواست ایجاد شده توسط کاربر در لایه برنامه به طور خودکار به منابع مختلف UGsC ترجمه می شود، بدون اینکه کاربر نیازی به دانستن ساختار یا نوع دسترسی منابع داشته باشد.
این معماری بر اساس سه سطح یا سطح است: برنامه کاربردی، واسطه و منابع UGsC. همانطور که در شکل 1 نشان داده شده است ، ادغام با همپوشانی داده های مختلف با استفاده از پارامترهای مکان آنها انجام می شود. شکل 2 یک نسخه توسعه یافته از معماری مدل یکپارچه سازی داده ها در سه سطح را نشان می دهد که لایه میانجی را با جزئیات نشان می دهد.
لایه مشتری رابط بین کاربر و برنامه اصلی را ایجاد می کند. این عمدتا شامل یک رابط کاربری گرافیکی وب (GUI) است که تمام اطلاعات را نمایش می دهد و امکان تعامل با کاربر را فراهم می کند. کاربر می تواند به راحتی تمام منابع UGsC موجود را برای یک مکان خاص جستجو کند، پاسخ را تجسم کند و با داده ها تعامل داشته باشد.
لایه میانجی هسته مدل یکپارچه سازی داده ها است. همانطور که در شکل 2 نشان داده شده است، از مولفه یکپارچه سازی شامل تنظیمات جستجوی تعریف شده توسط کاربر و مجموعه ای از خوانندگان تشکیل شده است. مؤلفه ادغام درخواست را از ردیف مشتری دریافت می کند، کادر محدود را مطابق تنظیمات تعریف شده محاسبه می کند و آن را به خوانندگان مختلف در دسترس ارسال می کند. سپس هر خواننده مسئول فرموله کردن یک پرس و جو خاص به منبع UGsC مربوطه، تفسیر پاسخ و ارسال آن به جزء یکپارچه سازی است. سپس مولفه یکپارچه سازی تمام پاسخ ها را هماهنگ می کند و نتیجه را برای مشتری ارسال می کند تا توسط رابط کاربری گرافیکی وب نمایش داده شود.
یکی از مزایای اصلی رویکرد مورد استفاده در این معماری، امکان ادغام منابع UGsC جدید در هر زمان، تا زمانی که حداقل الزامات تعریف شده را برآورده کنند، با توسعه یک خواننده خاص برای هر منبع و افزودن آن به پیکربندی اجزای یکپارچه سازی است. تنظیمات. مولفه ادغام همچنین می تواند در آینده برای ترکیب ابزارهایی برای کمک به فرآیند تصمیم گیری تکامل یابد. آمار توصیفی، آمیختگی داده ها، ترکیب داده ها، متن و داده کاوی، یا حتی تکنیک های یادگیری ماشینی ممکن است ترکیب شوند و در سطوح جغرافیایی و معنایی اعمال شوند تا بینش بهتری در مورد کیفیت طبقه بندی یا در نهایت تصمیم گیری ارائه شود. به صورت کاملا خودکار
این ردیف از خود منابع داده تشکیل شده است. همانطور که در بخش قبل ذکر شد، تا زمانی که حداقل الزامات برآورده شود، هر منبع جدیدی را می توان با ایجاد خواننده ای که می داند چگونه داده ها را با منبع ارتباط برقرار کرده و پرس و جو کند، و همچنین تفسیر و قالب بندی را به مدل اضافه کرد. واکنش.

4. توسعه و پیاده سازی نمونه اولیه

برای اعتبارسنجی مدل UGsC-Integrator ارائه شده در فصل قبل، یک نمونه اولیه توسعه و پیاده سازی شد. اولین گام، تعریف مجموعه ای از موارد استفاده مهم بود تا بفهمیم کدام ویژگی ها باید گنجانده شوند. موارد استفاده ابزاری ارزشمند و پرکاربرد برای دریافت نیازهای سیستم [ 36 ] است و در طراحی سیستم ها بسیار مفید است. سپس معماری و پیاده سازی بر اساس آن الزامات به دست آمد.

4.1. تعریف موارد استفاده

برای شناسایی الزامات توسعه نمونه اولیه، دو مورد استفاده تعریف شد. مربوط به محصولات سنجش از دور، اولی در مورد پشتیبانی از فرآیند طبقه بندی است، به عنوان مثال، کمک به یک مترجم عکس برای بررسی زمینه های طبقه بندی نامشخص، و دومی مربوط به پشتیبانی از فرآیند اعتبار سنجی است.
شکل 3 یک نمای یکپارچه از عملیات اصلی مورد نیاز این موارد استفاده را نشان می دهد. عملیات اساسی، مانند تعریف مکان، انتخاب ابتکارات برای پرس و جو، و تجسم ویژگی های بازیابی شده در یک نقشه یکپارچه، برای هر دو مورد مورد نیاز است. این عملیات برای بازیابی و تجزیه و تحلیل بصری عکس‌ها از طرح‌هایی که این نوع داده‌ها را ارائه می‌دهند، کافی است، بنابراین به فرآیند تفسیر عکس کمک می‌کند. عملیات پیشرفته برای مورد استفاده از اعتبار سنجی بیشتر مورد توجه است. در این مورد، ابزارهایی برای تجزیه و تحلیل آمار تگ ها، انتخاب ویژگی ها بر اساس برچسب و صادرات داده ها برای ادغام در برنامه های خارجی، بسیار مهم هستند.

4.2. معماری و اجرا

اجرای نمونه اولیه با انتخاب مناسب ترین فناوری آغاز شد. با توجه به این واقعیت که: (1) جمعیت به طور مداوم اطلاعات جغرافیایی را از طریق طرح های شناسایی شده به اشتراک می گذارند. (2) دسترسی به اینترنت برای دسترسی به داده ها لازم است. و (3) برنامه‌ها با استفاده از وب جهانی (WWW) برای ارائه ابزارهای آنلاین برای اهداف مختلف بیشتر و بیشتر در فضای ابری اجرا می‌شوند، تصمیم گرفته شد که این نمونه اولیه برای کار در زمان واقعی و با استفاده از WWW به عنوان پلتفرم توسعه یابد. عملیات
از نظر فناوری و از آنجایی که هدف با هیچ گونه ارزیابی نرم افزار یا اندازه گیری معیار مرتبط نیست، گزینه های متن باز با انعطاف لازم برای پیاده سازی راه حل های تعاملی و کاربر پسند انتخاب شدند. بنابراین، دو ساختار اصلی مورد نیاز بود: (1) یک چارچوب مبتنی بر وب و (2) یک چارچوب نقشه برداری. برای اولین مورد چارچوب Sencha Ext JS، نسخه 4.2.2 [ 37 ] انتخاب شد. این فریم ورک یک چارچوب جاوا اسکریپت برای ساخت برنامه های کاربردی وب چند پلتفرمی غنی است که امکان توسعه با اجزای رابط کاربری (UI) غنی را فراهم می کند. برای مورد دوم، لایه‌های باز، نسخه 3.1.1 [ 38 را انتخاب کردیم]. این کتابخانه به دلیل قابلیت توسعه وب GIS برای نقشه برداری با کارایی بالا بسیار شناخته شده است. برای ارائه برنامه، از Apache HTTP Server، نسخه 2.4.10، استفاده شد [ 39 ]. این پشته به تمام الزامات تعریف شده پاسخ می دهد و در چندین پیاده سازی Web GIS [ 40 ، 41 ، 42 ، 43 ، 44 ، 45 ] استفاده شده است. بر اساس هدف مدل، ما در نمونه اولیه دو منبع کاملاً متفاوت از UGsC را گنجانده‌ایم: (1) یک طرح اشتراک‌گذاری عکس – Panoramio. و (2) یک طرح نقشه برداری مبتنی بر برداری-OSM.
مرحله بعدی طراحی رابط کاربری اصلی برنامه بود. بر اساس موارد استفاده واضح بود که یک رویکرد دو مرحله ای مورد نیاز است. ابتدا کاربر باید مکان مورد نظر را برای تجزیه و تحلیل به همراه پارامترهای ورودی و به دنبال آن درخواست خود انتخاب کند، و دوم اینکه داده های حاصل به روشی یکپارچه نمایش داده می شوند تا سطح مشخصی از تعامل بین کاربر و ویژگی های نمایش داده شده مانند انتخاب ویژگی، در میان دیگران. در نتیجه، طرح نهایی به دو بخش اصلی تقسیم شد: (1) نقشه اولیه و تعریف پارامترهای ورودی. و (2) داشبورد ویژگی ها.

5. نتایج و بحث

در این بخش از نمونه اولیه برای نشان دادن مدل در عمل با انجام فعالیت‌های مختلف هر مورد استفاده می‌کنیم. ما همچنین برخی از چالش ها و محدودیت ها و همچنین وضعیت فعلی و تحولات آینده را مورد بحث قرار می دهیم.

5.1. مدل در عمل

نمونه اولیه در اینجا برای نشان دادن توانایی مدل برای ادغام داده‌های UGsC و انجام فعالیت‌های مختلف موارد استفاده استفاده می‌شود.
برای استفاده از نمونه اولیه، کاربر فرآیند را با تعریف مجموعه ای از پارامترهای ورودی برای پرس و جو از منابع UGsC آغاز می کند. ابتدا باید مکان مورد نظر را با استفاده از یکی از سه احتمال مشخص کرد: (1) با وارد کردن طول و عرض جغرافیایی در فیلدهای مربوطه. (2) با جستجو بر روی نقشه با استفاده از ابزارهای زوم و پان موجود و کلیک کردن بر روی مکان. یا (3) با کشیدن یک فایل KML (Keyhole Markup Language) حاوی مکان ها برای تأیید اعتبار و استفاده از آن به عنوان مرجع برای انتخاب. گزینه سوم برای مورد استفاده از اعتبارسنجی بیشتر مورد توجه است، که در آن نمونه‌ای از مکان‌ها معمولاً توسط برنامه‌های کاربردی دیگر ایجاد می‌شوند و بنابراین می‌توانند برای اعتبارسنجی به اینجا وارد شوند. گام بعدی این است که با وارد کردن طول ضلعی (مثلاً 200 متر) که کادر مربوطه روی نقشه روی آن ترسیم شده است، اندازه مربع مرزبندی را تعیین کنید.شکل 4 نمونه ای از رابط اولیه را با مکانی که قبلاً تعریف شده و همچنین سایر پارامترهای ورودی را نشان می دهد.
پس از به دست آوردن داده ها، برگه رابط کاربری داشبورد ویژگی ها در دسترس می شود، که امکان دسترسی به داده ها در قالب نقشه و همچنین اطلاعات اضافی مانند ابرداده در مورد ویژگی های فردی را فراهم می کند، همانطور که در شکل 5 نشان داده شده است . این مثال بیشتر به حالت استفاده از طبقه‌بندی است، که در آن فقط منبع Panoramio پرس و جو شده است. هر عکس با یک نقطه روی نقشه نشان داده می‌شود و کاربر می‌تواند با انتخاب ویژگی‌های فردی، از جمله URL عکس که به اندازه کامل دسترسی دارد، به عکس و ابرداده مربوطه دسترسی پیدا کند. کاربر می تواند از همه این داده های موجود به عنوان اطلاعات کمکی استفاده کند و تصمیم بگیرد که کدام کلاس به بهترین وجه با مکان نامشخص سازگار است.
مورد استفاده از اعتبارسنجی به اطلاعات بیشتری برای حمایت از تصمیم گیرنده در تأیید طبقه بندی یک مکان خاص نیاز دارد. در اینجا کاربر احتمالاً علاقه مند به مخلوط کردن داده ها از منابع مختلف بدون توجه به نوع داده است. در این مورد ما منابع Panoramio و OSM را با هم به عنوان پارامترهای ورودی انتخاب کردیم.
شکل 6 رابط کاربری داشبورد ویژگی ها را با تمام ویژگی ها و ابرداده مربوطه به نماهای مختلف اضافه شده نشان می دهد. نقشه اصلی اکنون ویژگی های هر دو طرح را به صورت یکپارچه فضایی نشان می دهد. نمودار آماری فرکانس هر تگ را نمایش می دهد (مثلاً تعداد ویژگی های هر برچسب)، و لیست برچسب ها امکان انتخاب چندگانه برچسب ها و ویژگی ها را در هر دو جهت می دهد.
نگاه کردن به هر کادر به ما کمک می‌کند تا بفهمیم چگونه این بخش‌های اطلاعات می‌توانند از تصمیم‌گیرنده مورد استفاده اعتبارسنجی حمایت کنند. با انتخاب ویژگی ها در نقشه اصلی، ویژگی های آنها در کادر اطلاعات ویژگی ها نشان داده می شود. شکل 7 نمونه ای از ویژگی های یک ویژگی OSM انتخاب شده را نشان می دهد.
لیستی از برچسب ها، لیستی از تمام برچسب های ویژگی هایی که در یک درخواست خاص دانلود شده اند نیز موجود است. این لیست همچنین امکان انتخاب چندگانه تگ ها را با مشاهده ویژگی های مربوطه آنها نیز بر روی نقشه می دهد. شکل 8 این عملکرد را زمانی نشان می دهد که چندین انتخاب از برچسب ها اجرا می شود و تمام ویژگی های حاوی حداقل یکی از آن برچسب ها به طور خودکار بر روی نقشه اصلی برجسته می شوند.
یک کادر آمار برچسب که تعداد تگ ها را در ویژگی های دانلود شده نشان می دهد نیز موجود است. با نگاهی به این کادر در شکل 6 می توان نام خیابانی با بیشترین فرکانس و همچنین چند برچسب با شماره خانه را مشاهده کرد که نشان می دهد ممکن است این یک منطقه مسکونی باشد.
یکی دیگر از عملیات جالب، امکان انداختن چند ضلعی بر روی نقشه اصلی است. این به ویژه در این مورد مفید است زیرا محصولات LULC معمولاً توسط نواحی طبقه بندی شده یا چند ضلعی تشکیل می شوند و به تأیید کننده این امکان را می دهد که چند ضلعی حاوی مکان مورد تأیید را پوشش دهد. شکل 9 چنین ویژگی را نشان می دهد و چند ضلعی را نشان می دهد که سایر ویژگی ها را پوشانده است.
در نهایت، کاربر می‌تواند تمام ویژگی‌های موجود در نقشه یا فقط ویژگی‌هایی را که برای تحلیل بیشتر در یک نرم‌افزار دسکتاپ انتخاب شده‌اند، با استفاده از دکمه‌های مناسب در کادر فهرست لایه‌ها، به KML صادر کند. سپس فایل دانلود شده را می توان در هر نرم افزار دسکتاپ GIS که از این فرمت پشتیبانی می کند باز کرد (مثلاً QGIS).
بر اساس تمام این تجزیه و تحلیل ها، کاربر می تواند تصمیم بگیرد که آیا اطلاعات ارائه شده برای حمایت از یک تصمیم کافی است یا خیر، و در این صورت، تصمیم به تایید مثبت یا منفی مکان می گیرد.

5.2. چالش ها و محدودیت ها

بزرگترین نگرانی در استفاده از UGsC در کیفیت داده ها است. مطالعات متعددی برای درک کیفیت این نوع داده‌ها و همچنین معیارها، شاخص‌ها و روش‌های ارزیابی آن کیفیت انجام شده است [ 15 ، 46 ، 47 ]. یکی از ویژگی ها ماهیت ناهمگن آنها با سوگیری فضایی در اطلاعات است. مناطق روستایی داده های بسیار کمتری نسبت به مناطق شهری دارند [ 15 ، 48 ، 49 ]، و حتی در داخل مناطق شهری نیز یک سوگیری فضایی وجود دارد که مناطق توریستی و پرطرفدار دارای داده های بیشتری نسبت به سایر مکان های کمتر شناخته شده هستند [15 ]]. ما معتقدیم که ادغام منابع داده های مختلف به کاهش تأثیر این موضوع کمک می کند، اما چنین بررسی هایی خارج از محدوده این مطالعه است. اقدامات اضافی خاص برای داده های UGsC توسط نویسندگان مختلف پیشنهاد شده است. آنتونیو و اسکوپلیتی [ 50 ] شاخص هایی را ارائه کردند که در چهار دسته اصلی طبقه بندی شدند: (i) داده ها. (II) جمعیت شناسی؛ (iii) وضعیت اجتماعی-اقتصادی؛ و (IV) مشارکت کنندگان. این شاخص ها زمانی از اهمیت ویژه ای برخوردار هستند که هیچ داده معتبری برای استفاده به عنوان مرجع در دسترس نباشد. ادغام روش‌هایی برای اندازه‌گیری چنین شاخص‌هایی در نمونه اولیه، پیشرفت ارزشمندی در آینده خواهد بود.
در مورد دسترسی به داده ها، اکثر APIهای عمومی ابتکارات UGsC از نظر تعداد درخواست هایی که کاربر می تواند انجام دهد یا تعداد داده هایی که می توانند در مدت زمان معینی دانلود شوند، محدودیت هایی دارند. این یک محدودیت در استفاده از نمونه اولیه برای مناطق بزرگتر یا با فرکانس بسیار بالا است. محدودیت مهم دیگر مربوط به معنایی برچسب ها است. یکی از مزایای برخی از ابتکارات UGsC دادن آزادی کافی به شهروندان برای طبقه‌بندی داده‌های آپلود شده با برچسب‌های غیرساخت‌یافته است. از سوی دیگر، این تگ‌های غیرساخت‌یافته یک چالش کلیدی در مورد یکپارچه‌سازی هستند. برچسب ها به زبان، منطقه یا حتی محیط کاربر مربوط می شوند. برای غلبه بر این محدودیت، هستی شناسی ها باید به درستی توسعه و ادغام شوند، که خارج از محدوده این مطالعه است. در دسترس بودن تصاعدی داده های تولید شده توسط شهروندان ارتباط نزدیکی با معرفی وب 2.0، افزایش در دسترس بودن تجهیزات موقعیت یابی با هزینه کمتر و تصویرسازی بهتر و رایگان از جهان دارد. چنین فناوری‌هایی در همه مکان‌های جهان در دسترس نیستند و در نتیجه ابتکارات UGsC داده‌های موجود کمتر یا حتی هیچ داده‌ای را برای این مکان‌ها ارائه نمی‌دهد. این پدیده به عنوان شکاف دیجیتال [3 ] و نشان دهنده یک محدودیت عمده UGsC-Integrator و نمونه اولیه برای مکان هایی است که چنین فناوری هایی استفاده نمی شوند و در نتیجه داده ها کمیاب یا وجود ندارند.

5.3. وضعیت فعلی و تحولات آتی

این نمونه اولیه از دو ابتکار برای نشان دادن اجرای مدل ادغام استفاده کرد. در آینده می تواند ابتکارات جدید را در هر زمان با توسعه و پیاده سازی خواننده و تجزیه کننده مربوطه برای تماس، پرس و جو، دانلود و ادغام ویژگی های آنها در برنامه با در نظر گرفتن ویژگی های آنها یکپارچه کند.
از نظر تحقیقات آینده، ما توسعه موارد استفاده بیشتر و ادغام ابتکارات بیشتر و متفاوت UGsC را برای افزایش قابلیت اطمینان و جامعیت پلت فرم پیش بینی می کنیم. اگرچه فرآیندهای ادغام و ادغام داده ها ممکن است سطح جزئیات اطلاعات به دست آمده از ادغام طرح های مختلف را تا حد معینی کاهش دهد، چنین ابزارهایی ممکن است به صورت اختیاری بر روی پلت فرم در دسترس باشند، اما برای تعیین مزایای آنها به تحقیقات بیشتری نیاز است. ابزارهای تحلیلی مانند پردازش تصویر برای حذف خودکار عکس‌های بی‌فایده، مانند عکس‌هایی که عمدتاً توسط چهره افراد پوشانده شده‌اند، و تشخیص کلاس LULC غالب برای هر عکس یا مجموعه‌ای از عکس‌ها با یک منطقه خاص، ارتقای مهمی هستند. در نهایت، توسعه یک وب سرویس برنامه ریزی شده است.

6. نتیجه گیری

در این مطالعه ما معماری یک مدل یکپارچه سازی داده را توسعه دادیم که منابع متنوع UGsC را در یک پلت فرم مشترک ترکیب می کند. این مدل یکپارچه سازی داده ها در فرآیند تولید پایگاه های داده LULC، به طور خاص، برای کمک به مرحله اعتبار سنجی استفاده می شود. از فهرست جامعی از ابتکارات UGsC که قبلاً توسط الوود و همکاران شناسایی شده است. [ 29]، ویژگی‌های مهم را شناسایی و مورد بحث قرار دادیم و مجموعه‌ای از حداقل الزامات را تعریف کردیم که هر منبع UGsC برای گنجاندن آن باید برآورده شود. فهرستی از ابتکارات فعلی UGsC که چنین الزاماتی را برآورده می‌کنند نیز ایجاد شد و شباهت‌ها و تفاوت‌های شناسایی‌شده در طراحی مدل در نظر گرفته شد. ساختار تعریف شده به گونه‌ای طراحی شده بود که با امکان ادغام منابع جدید UGsC و همچنین تکنیک‌هایی که ممکن است برخی از شاخص‌های کیفیت اولیه را ارائه دهند و در نهایت، فرآیند تصمیم‌گیری را با ارائه شاخص‌های کیفیت نهایی درباره پایگاه داده LULC در حال ارزیابی
یک نرم افزار نمونه اولیه برای نشان دادن پیاده سازی مدل استفاده شد که در آن ادغام داده های حاصل از منابع مختلف با ساختارهای مختلف با استفاده از یک نقشه مشترک تأیید شد. اطلاعات اضافی، مانند برچسب‌ها و ویژگی‌ها نیز در یک رویکرد یکپارچه برای محاسبه آمار و امکان انتخاب ویژگی‌ها توسط برچسب مورد تجزیه و تحلیل قرار گرفتند. دو مورد استفاده برای نشان دادن این مدل در عمل استفاده شد که ثابت می کند یکپارچه سازی داده ها از ابتکارات مختلف امکان پذیر است. موارد استفاده دیگری که در اینجا اجرا نشده اند را می توان شناسایی کرد: یک معمار منظر علاقه مند به مطالعه یک منطقه خاص از نقطه نظر منظر ممکن است از عکس های موجود استفاده کند. یک تحلیلگر داده/کلان داده که علاقه مند به تجزیه و تحلیل تمام داده های موجود برای یک مکان معین است، می تواند از نمونه اولیه برای دسترسی و دانلود داده های خام استفاده کند.
ما امیدواریم که نشان داده باشیم که چگونه داده های UGsC متنوعی را می توان ادغام کرد و چگونه اطلاعات مفیدی را برای حمایت از تصمیم گیری می توان استخراج کرد.

منابع

  1. گودچایلد، م. Glennon، JA جمع سپاری اطلاعات جغرافیایی برای واکنش به بلایا: یک مرز تحقیقاتی. بین المللی جی دیجیت. زمین 2010 ، 3 ، 231-241. [ Google Scholar ] [ CrossRef ]
  2. Goodchild، M. تفسیر: VGI کجاست؟ جئوژورنال 2008 ، 72 ، 239-244. [ Google Scholar ] [ CrossRef ]
  3. سویی، دی. گودچایلد، م. الوود، اس. اطلاعات جغرافیایی، سیل exa، و شکاف دیجیتالی رو به رشد داوطلب شد. در جمع سپاری دانش جغرافیایی ; Sui, D., Elwood, S., Goodchild, M., Eds. Springer: برلین/هایدلبرگ، آلمان، 2013; صص 1-12. [ Google Scholar ]
  4. استیما، ج. Painho, M. تحلیل اکتشافی OpenStreetMap برای طبقه بندی کاربری زمین. در مجموعه مقالات دومین کارگاه بین المللی ACM SIGSPATIAL در مورد اطلاعات جغرافیایی جمع سپاری و داوطلبانه، اورلاندو، فلوریدا، ایالات متحده آمریکا، 5 نوامبر 2013.
  5. ببینید، L. کامبر، ا. سالک، سی. فریتز، اس. Velde، MVD؛ پرگر، سی. شیل، سی. مک کالوم، آی. کراکسنر، اف. Obersteiner, M. مقایسه کیفیت داده های جمع سپاری ارائه شده توسط متخصص و غیر متخصص. PLoS ONE 2013 . [ Google Scholar ] [ CrossRef ] [ PubMed ]
  6. پولتار، ای. راوبال، م. کووا، تی جی; Goodchild، MF Dynamic GIS مطالعات موردی: تخلیه آتش سوزی و اطلاعات جغرافیایی داوطلبانه. ترانس. GIS 2009 ، 13 ، 85-104. [ Google Scholar ] [ CrossRef ]
  7. زوک، م. گراهام، ام. شلتون، تی. گورمن، اس. داوطلبانه اطلاعات جغرافیایی و جمع سپاری امداد رسانی به بلایای طبیعی: مطالعه موردی زمین لرزه هائیت. پزشکی جهانی سیاست سلامت 2010 ، 2 ، 6-32. [ Google Scholar ] [ CrossRef ]
  8. مونی، پی. کورکوران، پ. Winstanley، A. مطالعه نمایش داده های ویژگی های طبیعی در OpenStreetMap. در مجموعه مقالات ششمین کنفرانس بین المللی GIScience در علم اطلاعات جغرافیایی، فلورانس، ایتالیا، 5 تا 9 ژوئیه 2010.
  9. هولنشتاین، ال. Purves، R. کاوش مکان از طریق محتوای تولید شده توسط کاربر: استفاده از Flickr برای توصیف هسته های شهر. جی. اسپات. Inf. علمی 2010 ، 1 ، 21-48. [ Google Scholar ]
  10. لوکونت، پی. Rotondo، F. VGI برای تقویت مراکز تاریخی کوچک و میراث فرهنگی سرزمینی آنها. در علوم محاسباتی و کاربردهای آن-ICCSA 2014 ; Springer: برلین، آلمان، 2014; صص 315-329. [ Google Scholar ]
  11. ارزیابی وضعیت توسعه استانداردهای متغیرهای آب و هوایی ضروری زمینی. در دسترس آنلاین: http://www.fao.org/gtos/doc/ECVs/T09/T09.pdf (در 27 سپتامبر 2016 قابل دسترسی است).
  12. کائتانو، م. ماتا، اف. Freire, S. ارزیابی دقت نقشه پوشش زمین CORINE پرتغالی. گلوب. توسعه دهنده محیط زیست زمین Obs. فضا 2006 ، 1 ، 459-467. [ Google Scholar ]
  13. ارسنجانی، ج. هلبیچ، ام. باکی‌الله، م. بهره‌برداری از اطلاعات جغرافیایی داوطلبانه برای سهولت نقشه‌برداری کاربری زمین از منظر شهری. در مجموعه مقالات آرشیو بین المللی فتوگرامتری، سنجش از دور و علوم اطلاعات فضایی، لندن، انگلستان، 29 تا 31 مه 2013.
  14. ارسنجانی، ج. هلبیچ، ام. باکی‌الله، م. هاگناور، جی. Zipf، A. به سمت نقشه برداری الگوهای کاربری زمین از اطلاعات جغرافیایی داوطلبانه. بین المللی جی. جئوگر. Inf. علمی 2013 ، 27 ، 2264-2278. [ Google Scholar ] [ CrossRef ]
  15. استیما، ج. Fonte, CC; Painho, M. مطالعه تطبیقی ​​طبقه‌بندی کاربری/پوشش زمین با استفاده از عکس‌های فلیکر، تصاویر ماهواره‌ای و پایگاه داده Corine Land Cover. در مجموعه مقالات کنفرانس بین المللی AGILE 2014 در علم اطلاعات جغرافیایی، کاستلون، اسپانیا، 3 تا 6 ژوئن 2014.
  16. استیما، ج. Painho, M. Flickr عکس‌های دارای برچسب جغرافیایی و در دسترس عموم: مطالعه مقدماتی کفایت آن برای کمک به کنترل کیفیت پوشش زمین کورین. محاسبه کنید. علمی Appl. 2013 ، 7974 ، 205-220. [ Google Scholar ]
  17. استیما، ج. Painho، M. ابتکارات اطلاعات جغرافیایی داوطلبانه مبتنی بر عکس. بین المللی جی. آگریک. محیط زیست Inf. سیستم 2014 ، 5 ، 73-89. [ Google Scholar ] [ CrossRef ]
  18. استیما، ج. Painho، M. بررسی پتانسیل OpenStreetMap برای استفاده از زمین / تولید پوشش زمین: مطالعه موردی برای پرتغال قاره. در OpenStreetMap در GIScience: Experiences, Research, Applications ; ارسنجانی، جی جی، زیپف، ع.، مونی، پی.، هلبیچ، م.، ویرایش. Springer: برلین، آلمان، 2015; صص 273-293. [ Google Scholar ]
  19. Fonte, CC; باستین، ال. ببینید، L. فودی، جی. Lupia, F. قابلیت استفاده از VGI برای اعتبار سنجی نقشه های پوشش زمین. بین المللی جی. جئوگر. Inf. علمی 2015 ، 4 ، 1-23. [ Google Scholar ] [ CrossRef ]
  20. فودی، جنرال موتورز; بوید، دی اس استفاده از داده های داوطلبانه در اعتبار سنجی نقشه پوشش زمین: نقشه برداری جنگل های غرب آفریقا. IEEE J. Sel. بالا. Appl. زمین Obs. Remote Sens. 2013 ، 6 ، 1305-1312. [ Google Scholar ] [ CrossRef ]
  21. Foody, GM ارزیابی دقت تغییر پوشش زمین با داده های مرجع زمینی ناقص. سنسور از راه دور محیط. 2010 ، 14 ، 2271-2285. [ Google Scholar ] [ CrossRef ]
  22. فریتز، اس. مک کالوم، آی. شیل، سی. پرگر، سی. ببینید، L. شپاچنکو، دی. Velde، MVD؛ کراکسنر، اف. Obersteiner, M. Geo-Wiki: یک پلت فرم آنلاین برای بهبود پوشش جهانی زمین. محیط زیست مدل. نرم افزار 2012 ، 31 ، 110-123. [ Google Scholar ] [ CrossRef ]
  23. هاگناور، جی. Helbich، M. استخراج الگوهای کاربری زمین شهری از اطلاعات جغرافیایی داوطلبانه با استفاده از الگوریتم‌های ژنتیک و شبکه‌های عصبی مصنوعی. بین المللی جی. جئوگر. Inf. علمی 2012 ، 26 ، 963-982. [ Google Scholar ] [ CrossRef ]
  24. ارسنجانی، ج. Vaz, E. ارزیابی یک رویکرد نقشه برداری مشترک برای کاوش الگوهای کاربری زمین برای چندین کلانشهر اروپایی. بین المللی J. Appl. زمین Obs. Geoinf. 2015 ، 35 ، 329-337. [ Google Scholar ] [ CrossRef ]
  25. پرگر، سی. فریتز، اس. ببینید، L. شیل، سی. Velde، MVD؛ مک کالوم، آی. Obersteiner, M. یک کمپین برای جمع آوری اطلاعات جغرافیایی داوطلبانه در مورد پوشش زمین و تأثیر انسانی. در انجمن GI 2012: Geovizualisation، Society and Learning ; Herbert Wichmann Verlag: برلین، آلمان، 2012; صص 83-91. [ Google Scholar ]
  26. Goodchild، M. شهروندان به عنوان حسگرها: دنیای جغرافیای داوطلبانه. ژئوژورنال 2007 ، 69 ، 211-221. [ Google Scholar ] [ CrossRef ]
  27. ترنر، ای جی مقدمه ای بر جغرافیای جدید . رسانه O’Reilly: سباستوپل، کالیفرنیا، ایالات متحده آمریکا، 2006. [ Google Scholar ]
  28. هادسون اسمیت، ا. باتی، م. کروکس، آ. میلتون، آر. نقشه برداری برای توده ها: دسترسی به وب 2.0 از طریق جمع سپاری. Soc. علمی محاسبه کنید. Rev. 2009 , 27 , 524-538. [ Google Scholar ] [ CrossRef ]
  29. الوود، اس. Goodchild، MF; سوئی، دی. ان دانشیار صبح. Geogr. 2012 ، 102 ، 571-590. [ Google Scholar ] [ CrossRef ]
  30. استفانیدیس، ا. کروکس، آ. Radzikowski، J. برداشت اطلاعات مکانی محیطی از فیدهای رسانه های اجتماعی. جئوژورنال 2013 ، 78 ، 319-338. [ Google Scholar ] [ CrossRef ]
  31. Fischer, F. VGI as big data: یک منبع داده جغرافیایی جدید اما ظریف. ژئوانفورماتیک 2012 ، 5 ، 46-47. [ Google Scholar ]
  32. براندو، سی. Bucher، B. کیفیت در محتوای فضایی تولید شده توسط کاربر: موضوعی از مشخصات. در مجموعه مقالات سیزدهمین کنفرانس بین المللی AGILE در علم اطلاعات جغرافیایی، گیماراس، پرتغال، 11-14 مه 2010.
  33. VGI-Net: یک پروژه تحقیقاتی مشترک. در دسترس آنلاین: http://vgi.spatial.ucsb.edu/ (دسترسی در 27 سپتامبر 2016).
  34. هال، آر. ژو، جی. چارچوبی برای پشتیبانی از یکپارچه سازی داده ها با استفاده از رویکردهای واقعی و مجازی. در مجموعه مقالات کنفرانس بین المللی ACM SIGMOD 1996 در مدیریت داده ها، مونترال، QC، کانادا، 4 تا 6 ژوئن 1996.
  35. ویدرهولد، جی. واسطه ها در معماری سیستم های اطلاعاتی آینده. محاسبه کنید. طولانی. ساحل دریا. کالیفرنیا 1992 ، 25 ، 38-49. [ Google Scholar ] [ CrossRef ]
  36. نیل، سی جی; Laplante، PA مهندسی الزامات: وضعیت عمل. IEEE Softw. 2003 ، 20 ، 39-45. [ Google Scholar ] [ CrossRef ]
  37. Sencha Ext JS (نسخه 4.2.2). در دسترس آنلاین: https://www.sencha.com/products/extjs/#overview (در 27 سپتامبر 2016 قابل دسترسی است).
  38. لایه های باز (نسخه 3.1.1). در دسترس آنلاین: http://openlayers.org/ (در 27 سپتامبر 2016 قابل دسترسی است).
  39. پروژه Apache HTTP Server. در دسترس آنلاین: https://httpd.apache.org/ (دسترسی در 27 سپتامبر 2016).
  40. بروولی، MA; مینگینی، ام. Zamboni، G. مشارکت عمومی GIS: معماری FOSS که امکان جمع آوری داده های میدانی را فراهم می کند. بین المللی جی دیجیت. زمین 2014 ، 7 ، 1-19. [ Google Scholar ]
  41. هورانونت، تی. باسا، م. شیباساکی، آر. به سوی خدمات وب موضوعی برای تجسم داده های عمومی و تجزیه و تحلیل. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2012 ، I-4 ، 147-150. [ Google Scholar ] [ CrossRef ]
  42. Cozannet، GL; باگنی، م. تیری، پی. آراگنو، سی. Kouokam, E. WebGIS به عنوان ابزار مرزی بین اطلاعات جغرافیایی علمی و اقدام کاهش خطر بلایا در مناطق آتشفشانی. نات. سیستم خطرات زمین. علمی 2014 ، 14 ، 1591-1598. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  43. اوکلادنیکوف، آی. گوردوف، ای. تیتوف، آ. بوگومولوف، وی. مارتینوا، ی. کاربرد رویکرد وب-GIS برای مطالعه تغییرات آب و هوا. ژنرال EGU Assem. 2013 ، 15 ، 6682-6692. [ Google Scholar ]
  44. سیمونی، ال. زاتلی، پ. فلورتا، سی. اندازه‌گیری‌های میدانی در خاکریزهای رودخانه: اعتبارسنجی و مدیریت با پایگاه داده فضایی و webGIS. نات. خطر. 2014 ، 71 ، 1453-1473. [ Google Scholar ] [ CrossRef ]
  45. Burdziej, J. یک سیستم پشتیبانی تصمیم فضایی مبتنی بر وب برای تجزیه و تحلیل دسترسی – مفاهیم و روش ها. Appl. Geomat. 2012 ، 4 ، 75-84. [ Google Scholar ] [ CrossRef ]
  46. Haklay, M. اطلاعات جغرافیایی داوطلبانه چقدر خوب است؟ مطالعه تطبیقی ​​مجموعه داده‌های OpenStreetMap و Ordnance Survey. محیط زیست طرح. B طرح. دس 2008 ، 37 ، 682-703. [ Google Scholar ] [ CrossRef ]
  47. Fonte, CC; باستین، ال. فودی، جی. کلنبرگر، تی. کرل، ن. مونی، پی. Olteanu-Raimond، AM; کنترل کیفیت L. VGI را ببینید. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2015 ، 3 ، 317-324. [ Google Scholar ] [ CrossRef ]
  48. ما، دی. سندبرگ، ام. Jiang, B. مشخص کردن ناهمگونی داده ها و جامعه OpenStreetMap. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 535-550. [ Google Scholar ] [ CrossRef ]
  49. نیس، پ. Zielstra، D. تحولات اخیر و روندهای آینده در تحقیقات داوطلبانه اطلاعات جغرافیایی: مورد OpenStreetMap. آینده بین المللی. 2014 ، 6 ، 76-106. [ Google Scholar ] [ CrossRef ]
  50. آنتونیو، وی. Skopeliti، A. اندازه گیری ها و شاخص های کیفیت VGI: یک مرور کلی. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2015 ، 3 ، 345-351. [ Google Scholar ] [ CrossRef ]
Ijgi 05 00183 g001 550
شکل 1. یکپارچه سازی داده ها بر اساس مکان.
Ijgi 05 00183 g002 550
شکل 2. معماری دقیق مدل یکپارچه سازی داده ها (توجه داشته باشید: ورودی، خروجی، و گردش کار تنظیمات به ترتیب در رنگ های قرمز، سبز و خاکستری). VGI، اطلاعات جغرافیایی داوطلبانه.
Ijgi 05 00183 g003 550
شکل 3. نمای یکپارچه موارد استفاده شناسایی شده.
Ijgi 05 00183 g004 550
شکل 4. رابط اولیه برای استفاده از تفسیر عکس (توجه داشته باشید: پین و مربع به ترتیب نشان دهنده مکان انتخاب شده و کادر محدود مورد استفاده در درخواست داده از ابتکارات هستند).
Ijgi 05 00183 g005 550
شکل 5. داشبورد ویژگی های مورد استفاده تفسیر عکس (توجه: نقاط قرمز نشان دهنده مکان های عکس Panoramio، نقاط انتخاب شده با رنگ آبی برجسته شده اند، و نوارهای سبز فراوانی هر تگ را نشان می دهد).
Ijgi 05 00183 g006 550
شکل 6. داشبورد ویژگی‌های مورد استفاده اعتبارسنجی کارتوگرافی (توجه داشته باشید: ویژگی‌های آبی روشن ویژگی‌های OpenStreetMap (OSM)، ویژگی‌های قرمز نشان‌دهنده عکس‌های Panoramio، و ویژگی‌های آبی برجسته نشان‌دهنده ویژگی انتخاب‌شده OSM هستند).
Ijgi 05 00183 g007 550
شکل 7. جزئیات نمای اطلاعات ویژگی ها برای یک ویژگی انتخاب شده OSM.
Ijgi 05 00183 g008 550
شکل 8. انتخاب ویژگی‌ها بر اساس برچسب با چند برچسب انتخاب شده (توجه داشته باشید: ویژگی‌های آبی روشن ویژگی‌های OSM را نشان می‌دهند، ویژگی‌های قرمز نشان‌دهنده عکس‌های Panoramio، و ویژگی‌های آبی برجسته نماد ویژگی‌هایی هستند که انتخاب شده‌اند).
Ijgi 05 00183 g009 550
شکل 9. نمای نقشه اصلی با چند ضلعی روکش افتاده (توجه داشته باشید: ویژگی‌های آبی روشن ویژگی‌های OSM را نشان می‌دهند، دایره‌های قرمز نشان‌دهنده عکس‌های Panoramio، ویژگی‌های آبی برجسته نشان‌دهنده ویژگی‌هایی هستند که انتخاب شده‌اند، و ویژگی قرمز چند ضلعی کشیده شده را نشان می‌دهد) .
جدول
جدول 1. فهرست الزامات ضروری که هر ابتکار باید داشته باشد.
جدول
جدول 2. ابتکارات محتوای فضایی تولید شده توسط کاربر (UGsC).

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370