نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

خلاصه

تصاویر سنجش از دور منابع مهم اطلاعات برای طیف وسیعی از مشکلات فضایی هستند. تفسیر عکس هوایی به عنوان یک رشته در پاسخ به نیاز به توسعه یک روش سیستماتیک برای تجزیه و تحلیل عکس های شناسایی در طول جنگ جهانی اول پدیدار شد. تحقیقات سنجش از دور بر توسعه روش های خودکار تجزیه و تحلیل تصویر متمرکز شده است و تمرکز را از فرآیندهای تفسیر انسانی دور می کند. با این حال، روش های خودکار به دور از ایده آل هستند و تفسیر انسانی جزء مهم تجزیه و تحلیل تصویر باقی می ماند. یکی از منابع مهم اطلاعات در مورد فرآیند تفسیر تصویر انسان، راهنمای متنی است که در این رشته نوشته شده است. این متون اولیه بیشتر از متون جدیدتر، بر جزئیات فرآیند تفسیر، نقش انسان در این فرآیند، تأکید دارند. و مهارت های شناختی درگیر در پژوهشی که در اینجا گزارش شده است، از تحلیل محتوا برای ارزیابی بحث تفسیر عکس هوا در متون تاریخی منتشر شده بین سال‌های 1922 و 1960 استفاده می‌کنیم. نتایج نشان می‌دهد که متون این دوره بر مستندسازی روابط بین نشانه‌های ادراکی و ویژگی‌های تصاویر مورد علاقه مشترک در حین استدلال تأکید می‌کنند. مهارت و دانش کمتر مورد بحث قرار گرفت. نتایج این تحلیل چارچوبی از مهارت های تصویر خبره مورد نیاز برای انجام وظایف تفسیر تصویر را ارائه می دهد. این چارچوب برای اطلاع رسانی طراحی ابزارهای نیمه خودکار برای انجام تحلیل مفید است. نتایج نشان می‌دهد که متون این دوره بر مستندسازی روابط بین نشانه‌های ادراکی و تصاویر ویژگی‌های مورد علاقه مشترک تأکید داشتند، در حالی که مهارت استدلال و دانش کمتر مورد بحث قرار گرفت. نتایج این تحلیل چارچوبی از مهارت های تصویر خبره مورد نیاز برای انجام وظایف تفسیر تصویر را ارائه می دهد. این چارچوب برای اطلاع رسانی طراحی ابزارهای نیمه خودکار برای انجام تحلیل مفید است. نتایج نشان می‌دهد که متون این دوره بر مستندسازی روابط بین نشانه‌های ادراکی و تصاویر ویژگی‌های مورد علاقه مشترک تأکید داشتند، در حالی که مهارت استدلال و دانش کمتر مورد بحث قرار گرفت. نتایج این تحلیل چارچوبی از مهارت های تصویر خبره مورد نیاز برای انجام وظایف تفسیر تصویر را ارائه می دهد. این چارچوب برای اطلاع رسانی طراحی ابزارهای نیمه خودکار برای انجام تحلیل مفید است.
کلید واژه ها: 

عوامل انسانی ؛ تعبیر عکس هوا ; تاریخ ؛ تحلیل محتوا

 

1. معرفی

تصاویر سنجش از دور منابع غنی داده های طیفی، مکانی و زمانی در مورد سطح زمین هستند. دیدگاه عمودی غیرطبیعی می تواند برای غیرمتخصصان ناخوشایند باشد [ 1 ]. تحلیلگران تصویر حرفه‌ای دانش و مهارت‌هایی را توسعه می‌دهند که به آنها اجازه می‌دهد اطلاعاتی را از این تصاویر فراتر از اطلاعات تصویر سطحی که مستقیماً برای افراد غیرمتخصص قابل مشاهده است استخراج کنند [ 2 ]. علیرغم شواهدی مبنی بر وجود تفاوت‌هایی بین توانایی‌های تفسیر مبتدی و متخصص، و درک نادرست از تصاویر سنجش از دور به‌عنوان بازنمایی‌های معتبر و عینی از واقعیت، ارائه این تصاویر به افراد غیرمتخصص برای استدلال درباره دنیایی که در آن زندگی می‌کنند ادامه دارد [ 3 ]. .
تصاویر سنجش از راه دور از حسگرهای فضایی و هوابرد به طور فزاینده ای برای کسب دانش و حل مسئله در دسترس عموم قرار می گیرند. این افراد غیرمتخصص حتی در نقش‌هایی که به‌طور سنتی توسط تحلیلگران تصویر خبره در حوزه‌های کمپین‌های نظارت بر محیط‌زیست و واکنش به بلایا به عهده دارند، ادغام می‌شوند [ 4 ، 5 ]. علاوه بر این، کاهش هزینه ها در تصاویر با وضوح فوق العاده بالا باعث گسترش استفاده از آن توسط رسانه های آنلاین شده است [ 6 ]]. برخلاف تحلیلگران تصویر خبره، که مهارت‌ها و دانش خود را از سال‌ها آموزش و تجربه به دست آورده‌اند، اغلب از این افراد غیرمتخصص انتظار می‌رود که بدون آموزش تفسیر، قضاوت کنند. ادبیات اولیه در تفسیر عکس هوا و سنجش از دور بر نیاز به مهارت‌ها و دانش تخصصی و تمایز بین متخصص و مبتدی تأکید می‌کرد. این ادبیات نقطه شروع خوبی برای تعیین مهارت‌ها و دانش ارزش‌گذاری شده توسط تحلیلگران تصویر خبره است، و هدف این مقاله این است که مشخص کند چه نشانه‌های ادراکی، مهارت‌های استدلالی و انواع دانش توسط متخصصان اولیه ارزشمند بوده است.
در اینجا به بررسی عوامل انسانی در تفسیر تصاویر سنجش از دور می پردازیم. ما از تحلیل محتوا، یک روش تحلیل ارتباطی، برای بررسی سه جنبه از تفسیر تصویر خبره استفاده کردیم: ادراک، شناخت و دانش. بخش زیر مروری بر تحقیقات مربوط به درک عوامل انسانی تفسیر ارائه می دهد. در ادامه توضیحاتی در مورد اجرای روش تحلیل محتوا و مواد مورد استفاده ارائه می شود. نتایج این تحلیل محتوا در پی می آید و بحث نهایی در مورد نتایج این مقاله را به پایان می رساند.

1.1. تجربه و تخصص

طبیعت از طبقه بندی های سفت و سخت پیروی نمی کند، تفسیر تصاویر زمین مستلزم دانش نزدیک از فرآیندهای فیزیکی و فرهنگی است که چهره زمین را شکل می دهد [ 7 ]. برای اکثر کاربردهای علمی، تفسیر تصویر سنجش از دور توسط کارشناسان بسیار آموزش دیده انجام می شود که تخصص آنها در پاسخ به خواسته های وظایف حوزه خاص توسعه یافته است [ 8 ، 9 ، 10 ]. متخصصان تصویر سنجش از دور در تجزیه مسائل پیچیده و بدساختار [ 11 ]، بازیابی دانش به طور موثر [ 12 ] و دقت حل مسئله [ 13 ] فراتر از توانایی های افراد غیر متخصص هستند.]. تحلیلگران تصویر پزشکی خبره ویژگی‌های مشابهی را نشان می‌دهند، از جمله سرعت و دقت بیشتر نسبت به افراد غیرمتخصص در تشخیص ناهنجاری [ 14 ، 15 ]، توجه انتخابی بسیار هماهنگ شده [ 16 ، 17 ]، و توانایی دستکاری ساختارهای دانش پزشکی پیچیده [ 18 ] را نشان می‌دهند. . برنامه های کاربردی سنجش شهروندی، مانند TomNod [ 19 ] و GeoWiki [ 20 ]، به شهروندان آموزش ندیده این توانایی را داده اند که در فرآیند تجزیه و تحلیل تصویر مشارکت کنند. در حال حاضر، این برنامه‌ها تنها به شهروندان نیاز دارند تا تجزیه و تحلیل ابتدایی، معمولاً جستجو و شناسایی فرآیند یا طبقه‌بندی ساده را انجام دهند [ 21 ]]. این احتمال وجود دارد که در برنامه های آینده، هدف برنامه های کاربردی سنجش شهروندان، وظایف تفسیر تصویر اضافی را که پیچیده تر هستند، اتخاذ کند. این سؤال مطرح می شود که تحلیلگران تصویر متخصص چه دانش و مهارت هایی دارند که افراد غیرمتخصص برای انجام این وظایف پیچیده تر نیاز دارند.
تخصص تفسیر تصویر از طریق استفاده از مهندسی سیستم های شناختی (CSE) [ 22 ] مورد مطالعه قرار گرفته است. مطالعات اولیه که دانش متخصص را استخراج می‌کردند بر توسعه سیستم‌های خبره برای تفسیر خودکار تصویر متمرکز بودند [ 23 ]، در حالی که مطالعات اخیر CSE به طراحی سیستم‌های رایانه‌ای برای پشتیبانی از تفسیر تصویر یکپارچه انسان-رایانه [ 24 ، 25 ] پرداخته‌اند. این مطالعات رفتاری از تکنیک های مختلفی برای توصیف فرآیندهای کاری در تجزیه و تحلیل هواشناسی [ 26 ]، توپوگرافی [ 27 ] و تصویر پزشکی [ 28 ] استفاده کرده اند.]. رویکردهای تجربی برای درک کیفیت تحلیلگران تصویر سنجش از دور متخصص بر تخصص به عنوان یک عامل تأثیرگذار در پردازش ادراکی برای طبقه‌بندی کاربری زمین [ 29 ]، آسیب‌شناسی گیاهی [ 30 ]، شناسایی درخت [ 31 ]، تشخیص تغییر [ 32 ] و برجستگی بصری [ 33 ]. این مطالعات نشان داده اند که دقت تفسیر تحت تأثیر پیچیدگی تصویر [ 33 ، 34 ]، ویژگی طبقه بندی کاربری زمین [ 29 ]، اندازه پنجره [ 35 ] و تخصص دامنه خود مفسر [ 31 ] است.]. رویکردهای رفتاری و تجربی به تخصص در تحلیل تصویر نیاز به روش‌های انعطاف‌پذیر، سیستماتیک و چند وجهی را برای درک سیستم‌های پیچیده مبتنی بر رایانه نشان داده‌اند.
گام اولیه در بسیاری از مطالعات CSE، توسعه یک درک جامع از حوزه مشکل است [ 36 ]. یکی از روش های ایجاد این دانش، تحلیل محتوای ادبیات نوشته شده از یک حوزه علمی است. در اینجا از تجزیه و تحلیل محتوا برای ارائه بینش منحصر به فرد در مورد دانش و مهارت های تحلیلگران تصویر خبره استفاده می شود تا مشخص شود این متخصصان دارای چه ویژگی های منحصر به فردی هستند که برای ایجاد دانش جامع در مورد مکانی در سطح زمین از تصاویر سنجش از دور ضروری است. نتایج این تحلیل می‌تواند برای اطلاع‌رسانی انتظارات ما از مترجمان غیرمتخصص و طراحی ابزارهایی برای کمک به تفسیر تصویر خبره و غیرمتخصص استفاده شود.

1.2. تجزیه و تحلیل محتوا

مطالب مکتوب، مانند کتابچه‌های راهنما، گزارش‌ها و متون آموزشی، می‌توانند منابع عالی اطلاعات در مورد تخصص حوزه باشند [ 37 ]. روش های متعددی برای تحلیل متن پدیدار شده است [ 38 ]، اما تحلیل محتوا یک رویکرد اولیه است که برای حمایت از مطالعات CTA استفاده می شود [ 39 ]. در حالی که تحلیل محتوا برای مدتی طولانی در تحلیل جغرافیایی تاریخی [ 40 ] مورد استفاده قرار گرفته است، ادغام آن در روش‌های GIScience جدیدتر است. تجزیه و تحلیل محتوا توسط جغرافیدانان برای تحلیل اسناد متنی [ 41 ] و نقشه ها [ 42 ، 43 ، 44 ، 45 استفاده شده است.]. چه برای تجزیه و تحلیل متن یا رسانه های بصری استفاده شود، تجزیه و تحلیل محتوا برای مطالعه الگوهای در حال ظهور در مصنوعات ارتباطی مفید است و روند تقریباً یکسان است: اسناد جمع آوری می شوند، کاهش سیستماتیک داده ها با استفاده از کدگذاری موضوعی انجام می شود، تجزیه و تحلیل کدها انجام می شود. انجام می شود و نتایج تفسیر می شوند [ 46 ].
یکی از مزایای تجزیه و تحلیل محتوا انعطاف پذیری آن است، اهداف تحلیل متفاوت است و انواع روش های کدگذاری توسعه یافته است. نویسندگان اغلب بین تحلیل محتوای هدایت شده و متعارف [ 47 ] و بین تحلیل محتوای کمی و کیفی [ 48 ] تفاوت قائل می شوند. تجزیه و تحلیل محتوای جهت دار، که گاهی اوقات تحلیل محتوای قیاسی نامیده می شود، یک فرآیند کدگذاری را برای اعتبار بخشیدن به یک نظریه از پیش تعیین شده اعمال می کند [ 49 ]. تحلیل محتوای متعارف یا استقرایی شامل ایجاد و اصلاح کدها از متون به محض ظهور است [ 50 ]]. تمایز بین روش‌های کمی و کیفی کمتر واضح است، اگرچه به طور کلی پذیرفته شده است که روش‌های کمی شامل نوعی ارزیابی عددی محتوا هستند در حالی که روش‌های کیفی تنها اتکای محدودی به روش‌های عددی دارند [ 51 ، 52 ]. صرف نظر از روش های خاص مورد استفاده، هدف تحلیل محتوا شناسایی و توصیف سیستماتیک الگوها در ارتباطات است.
این مقاله یک تحلیل محتوایی از مجموعه ای از متون تاریخی مهم در تفسیر عکس هوا ارائه می دهد. ابتدا فرآیند تحلیل محتوا همراه با متون مورد استفاده در تحلیل تشریح می شود. دوم، نتایج تجزیه و تحلیل در پرتو سه جنبه تخصص ارائه و مورد بحث قرار می گیرد: عناصر بصری، استدلال، و دانش. در نهایت، مفاهیم این نتایج در رابطه با تفسیر تصویر توسط افراد غیر متخصص و متخصص ارائه شده است.

2. روش ها

تجزیه و تحلیل محتوا از 16 فصل استخراج شد که از 16 متن نوشته شده بین سال های 1922 و 1960. این دوره زمانی برای تجزیه و تحلیل انتخاب شد به دلیل تمرکز متون بر تفسیر انسانی و بحث محدود در مورد تفسیر مبتنی بر رایانه. همانطور که رابن و همکاران اشاره کردند. [ 53 ]، پیشرفت های فنی قبلاً در سال 1960 شروع به سبقت گرفتن از فعالیت های تفسیری انسانی کرده بود. به منظور تجزیه و تحلیل سیستماتیک محتوای این فصل ها، مجموعه ای از کدهای مرتبط ایجاد شد و بر روی متون اعمال شد، و تجزیه و تحلیل الگوهای این کدها انجام شد. انجام شد. بقیه این بخش به جزئیات این فرآیند تحلیل محتوا می پردازد.

2.1. ساختار کد

هدف از این مطالعه شناسایی و توصیف عوامل انسانی تفسیر تصویر از طریق تجزیه و تحلیل الگوهای موجود در توصیف فرآیند تفسیر ارائه شده توسط متون تاریخی که بین سال‌های 1922 تا 1960 نوشته شده است. ابتدا مجموعه‌ای از کدها برای انعکاس این هدف ایجاد شد. . ارزیابی روانشناختی تخصص اغلب مبتنی بر استدلال، ادراک بصری و دانش است [ 54 ، 55 ، 56 ]. ما از این سه جزء تفسیر برای ارائه چارچوبی برای تحلیل استفاده می‌کنیم: ادراک بصری، استدلال و دانش. شرح فرآیند توسعه کد برای هر یک از سه دسته، عناصر تفسیر ، دانش ، و مهارت های استدلال، دنبال می شود.

2.1.1. عناصر تفسیری

یک رویکرد هدایت‌شده برای تحلیل محتوا برای توسعه کدها در دسته عناصر تفسیری استفاده شد، زیرا چارچوب به خوبی تثبیت شده از قبل وجود دارد. چارچوب اصلی Image Interpretation Elements (IIE) [ 57 ] نه ویژگی مشترک برای همه اشکال تصاویر عکاسی را شناسایی می کند: شکل، اندازه، تن، سایه، الگو، بافت، مکان، تداعی و وضوح. نشانه ها تشخیص ویژگی ها را در تصاویر سنجش از دور تسهیل می کند [ 53 ، 58 ، 59 ]. این چارچوب به عنوان نقطه شروع برای ایجاد دسته کد عناصر تفسیری عمل کرد.
یک چارچوب بازنگری شده IIE در Estes، Hajic و Tinney ظاهر شد [ 58 ]. در چارچوب Estes IIE، ارتفاع جایگزین وضوح شد و رنگ به عنوان یک عنصر مکمل به تن اضافه شد. Tone، IIE اساسی، به مقدار مقیاس خاکستری یک تصویر اشاره دارد و تابعی از بازتاب پذیری جسم است. رنگ همچنین تابعی از تمایل جسم برای انعکاس مناطق خاصی از طیف الکترومغناطیسی است و به همین دلیل معمولاً با Tone در چارچوب IIE گروه بندی می شود. تن و رنگبه دلیل تفکیک آنها در متون تحلیل شده و تمایز بین رنگ و روشنایی رنگ، ترکیبی از تن و نشانه، به عنوان کدهای جداگانه برای این تجزیه و تحلیل در نظر گرفته می شوند. این جداسازی همچنین با رفتار تن و رنگ توسط کارشناسان نقشه‌کشی، به ویژه متغیرهای گرافیکی که در ابتدا توسط [ 60 ] پیشنهاد شده‌اند، سازگار است.
بر اساس در نظر گرفتن متون مورد تجزیه و تحلیل، 11 کد عناصر تفسیری ایجاد شد که نشان دهنده هر نشانه ای است که در گذشته در چارچوب IIE گنجانده شده است. کدهای عناصر تفسیری در جدول 1 در زیر ارائه شده است.
جدول
جدول 1. مجموعه کد عناصر تفسیری مورد استفاده در این تحلیل محتوا.

2.1.2. دانش

مجموعه ای اولیه از کدها بر اساس چندین طبقه بندی دانش جغرافیایی برای مقوله دانش ایجاد شد. این طبقه بندی ها تفاوت هایی را بین دانش رویه ای، دانش اعلامی و دانش تجربی پیشنهاد کردند [ 61 ، 62 ، 63 ]. این سه نوع دانش مشابه آنهایی هستند که خارج از حوزه GIScience شناسایی شده اند، به عنوان مثال، دی یونگ و فرگوسن-هسلر [ 64 ]] بین دانش موقعیتی، مفهومی (اعلامی)، رویه ای و استراتژیک تمایز قائل شود. دانش اظهاری و رویه ای در هر دو حوزه نشان داده می شود و دانش تجربی با دانش موقعیتی مرتبط است. دانش استراتژیک، با این حال، وابسته به کار نیست و به مهارت های حل مسئله کلی تری اشاره می کند.
با در نظر گرفتن هر دو توصیف شناختی و GIScience انواع دانش، مجموعه ای از سه کد توسعه داده شد. دانش رویه ای دانش روش های معتبر برای تکمیل کار است، به طور خاص در اینجا به رویه های مورد استفاده برای تفسیر تصویر اشاره می کنیم. دانش مفهومی در اینجا برای نشان دادن حقایق و مفاهیم از یک حوزه علمی تحلیل استفاده می شود. در نهایت، دانش تجربی به درک موقعیت‌هایی می‌پردازد که معمولاً در دامنه ظاهر می‌شوند. چنین دانشی به تحلیلگر کمک می کند تا مشخص کند چه اطلاعاتی با مشکل مورد نظر مرتبط است و چه اطلاعات اضافی لازم است. کدها همراه با تعاریفشان در جدول 2 در زیر ارائه شده است.
جدول
جدول 2. مجموعه کدهای دانش مورد استفاده در این تحلیل محتوا.

2.1.3. مهارت های استدلال

استدلال فرآیند تفکر منطقی است و شامل تعدادی از اقدامات هدفمند است. شواهد نشان می‌دهد که متخصصان مجموعه‌ای از مهارت‌های استدلالی بسیار تخصصی و وابسته به حوزه را توسعه می‌دهند [ 10 ، 54 ، 65 ]. وظایف تفسیر تصویر، همانطور که توسط متون مدرن تعریف شده است، شامل تشخیص، شناسایی، ترسیم، شمارش، اندازه‌گیری و دلالت است [ 66 ، 67 ]. مجموعه گسترده‌تری از وظایف مربوط به پردازش اطلاعات بصری نشان می‌دهد که جستجو، جستجو، مقایسه، تولید و آزمایش فرضیه، توضیح، زمینه‌سازی و استدلال مبتنی بر قانون از مطالعات تحلیل تصویر پزشکی تشخیصی ناشی می‌شود [ 68 ]]. به نظر می رسد که این وظایف کلی در فرآیند تفسیر تصویر نیز ذاتی هستند، شاید به عنوان فرآیندهای فرعی وظایف تفسیری شرح داده شده در [ 66 ، 67 ].
با توجه به اینکه هیچ طبقه‌بندی واحدی از توصیف وظایف استدلال مبتنی بر تصویر پدیدار نشد، مشخص شد که یک روش استقرایی برای توسعه مجموعه‌ای از کدهای مهارت‌های استدلال مفیدتر خواهد بود. یک روش استقرایی به داده‌ها اجازه می‌دهد تا توسعه یک مجموعه کد را در غیاب طبقه‌بندی تثبیت‌شده هدایت کنند. دو نوع فرآیند استدلال از کدگذاری اولیه گزیده ها پدیدار شد. زیرمجموعه اول به انواع استدلال منطقی اشاره دارد. استدلال منطقیتجزیه و تحلیل سیستماتیک شواهد است. به طور سنتی، بین روش های استقرایی و قیاسی تقسیم بندی می شود. مفهوم سوم مربوط به استقراء و استنتاج «همگرایی شواهد» است. این مفهوم که در میان دانشمندان زمین و تحلیلگران تصویر رایج است، نشان می دهد که از طریق شواهد حاصل از فرآیندهای استدلال استقرایی متعدد، می توان به یک نتیجه منطقی رسید [ 69 ، 70 ]. زیرمجموعه دوم، وظایف تفسیری ، به وظایف خاص تجزیه و تحلیل تصویر اشاره دارد. در طول توسعه مجموعه کد، شش کد ظاهر شد: جستجو ، تشخیص ، شناسایی ، مقایسه ، قضاوت ، اندازه‌گیری .، و مقایسه این کدها شبیه کدهایی هستند که توسط کمپبل [ 67 ] پیشنهاد شده است، اما شمارش و ترسیم به طور قابل توجهی در متون تاریخی به عنوان وظایف فردی وجود ندارد. در مجموع، مجموعه ای از 10 کد نشان دهنده مهارت های استدلال از زیر مجموعه گزیده ها توسعه یافته است. کدهای مهارت استدلال در جدول 3 زیر تعریف شده است.

2.2. فرآیند کدنویسی

تجزیه و تحلیل محتوا به مجموعه ای از متن، یک مجموعه کد ساختاریافته و یک فرآیند کدگذاری سیستماتیک نیاز دارد. در مجموع، 32 متن تفسیر عکس هوایی که بین سال‌های 1895 تا 1959 نوشته شده بود، جمع‌آوری شد که 16 مورد از آن متن‌ها حاوی فصل‌هایی بود که مختص فرآیند تفسیر تصویر انسان بود. فرآیند در شکل 1 نشان داده شده است. ابتدا سطح تحلیل ایجاد شد و متن بر اساس آن واحد مشخص شد که از این به بعد به عنوان گزیده یاد می شود. در اینجا، یک گزیده به عنوان یک تا سه جمله تعریف شد که یک فکر مستقل در مورد جنبه های شناختی تفسیر عکس هوا را منتقل می کند. هر یک از 16 فصل به مجموعه‌ای از گزیده‌ها که فرآیند تفسیر تصویر را توضیح می‌داد، تجزیه شد. گزیده های مربوط به جنبه های شناختی تفسیر به nVivo، ابزاری که معمولاً برای تجزیه و تحلیل اسناد متنی استفاده می شود، رونویسی شد [ 71 ].
جدول
جدول 3. کدهای مهارت استدلال مورد استفاده در این تحلیل محتوا.
با گزیده های منبع بارگذاری شده در nVivo، مجموعه کد موضوعی شرح داده شده در 2.1 به “پروژه” nVivo اضافه شد. پروژه مجموعه ای از منابع سند، کدهای موضوعی و فایل های تحلیلی است. نرم افزار nVivo به کاربر این امکان را می دهد که مجموعه ای از کدهای مرتب شده به صورت سلسله مراتبی ایجاد کند که می تواند به گزیده های جداگانه برچسب گذاری شود. سپس هر گزیده به هر یک از کدهایی که بیانگر معنای گزیده است پیوند داده می شود. نویسنده اول کدهای موضوعی را برای تک تک گزیده ها اعمال کرد. هر یک از دسته ها به نوبه خود اعمال شدند. به منظور تعیین ثبات فرآیند کدگذاری، دو جلسه کدگذاری، که هر دو توسط نویسنده اول انجام شد، با یک بازه زمانی چهار ماهه در میان انجام شد. پس از دومین فرآیند کدگذاری،

2.3. تحلیل و بررسی

هدف این تحلیل شناسایی عوامل انسانی تفسیر تصویر بود. هنگامی که اسناد کدگذاری شدند و کدهای موضوعی از نظر سازگاری ارزیابی شدند، می توان موارد زیر را تحلیل کرد: (الف) فراوانی استفاده از کد، (ب) روابط بین کدها، (ج) روابط بین کدها و متون، و (د) الگوهای ظهور در استفاده از کدها. در مرحله اول تجزیه و تحلیل، از فراوانی وقوع کد برای تعیین اینکه چه عوامل انسانی در بحث‌های تفسیر عکس هوا غالب بودند، استفاده شد. در مرحله دوم، با بررسی رابطه بین تاریخ انتشار متون و کدها، روند زمانی در کاربردهای کد را بررسی کردیم. در مرحله سوم، همزمانی بین کدها برای هر دو کد در یک دسته و کدهای دو دسته متفاوت مورد بررسی قرار گرفت.
Ijgi 04 00551 g001 1024
شکل 1. فرآیند کدگذاری همانطور که در این بخش ذکر شده است.

3. نتایج

در این بخش جزئیاتی در مورد نتایج تحلیل محتوا ارائه می شود. ابتدا، بخش 3.1 شرحی از متون تحلیل شده برای این مطالعه ارائه می دهد. نتایج یک روش نرخ و نرخ مجدد برای تعیین ثبات کدگذاری در بخش 3.2 ارائه شده است . در نهایت، بخش 3.3 نتایج حاصل از کاربرد کدهای موضوعی اعمال شده در گزیده ها را ارائه می دهد. پس از ارائه این نتایج، بحث در مورد نتایج و مفاهیم آنها و اظهارات نهایی ارائه شد.

3.1. متن ها

متون مورد استفاده در این تحلیل همگی قبل از سال 1960 منتشر شده بودند. سال 1960 به دلیل سه عامل مهم در تاریخ سنجش از دور به عنوان تاریخ قطعی انتخاب شد. ابتدا، در سال 1960 اصطلاح سنجش از دور برای اولین بار توسط Evelyn Pruitt در پاسخ به فناوری های نوظهور فراتر از عکاسی هوایی ابداع شد [ 72 ].]. دوم، اولین ماهواره هواشناسی، TIROS-1، اولین ماهواره رصد زمین، در اول آوریل همان سال به فضا پرتاب شد. متون همچنین پیش از استفاده گسترده از تجزیه و تحلیل تصویر مبتنی بر رایانه است. این جدایی انسان و رایانه امکان جداسازی آن دسته از عوامل شناختی را که مستقیماً با تفسیر تصویر مرتبط هستند را از سایر عوامل شناختی مرتبط با استفاده از رایانه جدا کرد. متون مورد تجزیه و تحلیل در اینجا نیز بر نقش فیلم سیاه و سفید برای تفسیر با وجود در دسترس بودن فیلم رنگی تأکید داشتند. شرکت کداک فیلم رنگی Kodachrome را در سال 1935 ثبت اختراع کرد و مدتی نگذشت که برای پروازهای هوایی آزمایش شد [ 73 ]]. استفاده گسترده از فیلم های رنگی به دلیل قابلیت های دوربین (سرعت شاتر آهسته، لنزهای نامناسب)، چالش های پردازش و هزینه های گزاف مانع شد.
از 32 کتابی که در ابتدا گردآوری شد، 16 کتاب برای این تحلیل استفاده شد. برای اینکه کتاب مورد تجزیه و تحلیل قرار گیرد، باید دارای یک فصل اختصاصی در مورد تفسیر انسانی باشد و باید به زبان انگلیسی نوشته می‌شد. در تحلیل از محتوای متنی هر فصل استفاده شده است. این کتاب ها از آمریکا، انگلستان، کانادا و در یک مورد آلمان (ترجمه انگلیسی) سرچشمه گرفته اند. این کتابها شامل کتابهای راهنماهای میدانی تولید شده توسط سازمانهای دولتی، متون آموزشی عمومی نوشته شده توسط تحلیلگران تصویر خبره، و کتابچه راهنمای موضوعی در مورد جنگلداری و کاربردهای زمین شناسی بود. متون کلید تفسیر عکس نبودند، فقط اسناد متنی بودند. اولین متن موجود در تحلیل محتوا در سال 1922 توسط WT Lee [ 74 ] منتشر شد.]. دو تا از بزرگترین محرک های توسعه تفسیر عکس هوایی در این دوره زمانی جنگ جهانی اول و جنگ جهانی دوم بودند و این تأثیر در تعداد متون منتشر شده نزدیک به آن دوره های زمانی منعکس شده است. هفت متنی که در این تحلیل مورد استفاده قرار گرفت، بین سال‌های 1941 و 1944 مطابق با جنگ جهانی دوم منتشر شد. جزئیات انتشار برای همه متون مورد استفاده در این مطالعه در جدول 4 در زیر ارائه شده است.
جدول
جدول 4. اطلاعات مربوط به متون مورد استفاده در این تحلیل. (منشا انتشار متن: ایالات متحده *، بریتانیا *، آلمان #).
هیچ دستورالعمل مشخصی در مورد تعداد منابع متنی مورد نیاز برای ایجاد یک نمونه نماینده برای تجزیه و تحلیل محتوا وجود ندارد. نمونه 16 متنی بر اساس دو معیار مناسب تشخیص داده شد. اول، شواهدی از دیگر تحلیل‌های کتاب‌های درسی و کتاب‌های راهنمای آزمایشگاهی نشان داده‌اند که نتایج مربوط به فرآیندهای حل مسئله را می‌توان با حداقل پنج منبع به دست آورد [ 75 ]. دوم، متون نسبتاً بزرگی از متون نوشته شده در این دوره زمانی هستند. متون از تعدادی از منابع، از جمله کتابخانه ها، مخازن آنلاین، و کتابفروشان خصوصی به دست آمد. این کتاب ها از طریق تحلیل کتابشناسی خود منابع شناسایی شدند. بقیه این بخش به جزئیات نتایج فرآیند کدگذاری می پردازد.

3.2. قابلیت اطمینان کدنویسی

در مواردی که فقط از یک کدگذار استفاده می‌شود، می‌توان از روش نرخ-تغییر برای محاسبه یک اندازه‌گیری سازگاری استفاده کرد [ 76 ، 77 ]. در این فرآیند یک کدگذار مجموعه ای از گزیده ها را برای همان مشخصه کد می کند و سپس پس از گذشت مدتی از پیش تعریف شده، گزیده ها را دوباره کد می کند. در حالی که این روش ضعیف ترین در اندازه گیری قابلیت اطمینان در نظر گرفته می شود [ 46]، برخی از معیارهای کمی برای سازگاری فرآیند کدگذاری را ارائه می دهد. سازگاری در اینجا با استفاده از ابزار مقایسه کدگذاری در nVivo محاسبه شد. این ابزار توافق و عدم توافق بین دو نمونه کدنویسی و همچنین توافق کلی بین دو جلسه را فراهم می کند. فاصله زمانی بین جلسه اول کدنویسی تا جلسه کدگذاری دوم چهار ماه بود. توافق کلی 98٪ بین جلسه کدگذاری یک و جلسه کدگذاری دو به دست آمد.
Ijgi 04 00551 g002 1024
شکل 2. میانگین تعداد گزیده‌ها در هر صفحه از متون، به ترتیب سال انتشار متن. متون به همان ترتیبی که در جدول 4 در بالا ارائه شده است فهرست شده است.

3.3. تجزیه و تحلیل کد

مجموعه ای از 24 کد برای 388 گزیده از متون اعمال شد. تعداد گزیده‌ها بین متن‌ها بسیار متفاوت است، حداقل تعداد 4، حداکثر 118 و میانگین آن 24.5 صفحه است. بیشترین تعداد گزیده (118) مربوط به [ 53 ]، فصل در کتاب راهنمای تفسیر عکاسی [ 78 ] بود. این کتاب به عنوان “نسخه اول جامع” توسط Colwell [ 79 ] ستایش شد. شکل 2 میانگین تعداد گزیده ها در هر صفحه استخراج شده برای هر متن را نشان می دهد. هیچ ارتباطی بین تعداد گزیده‌ها یا برنامه‌های کد و سال انتشار یافت نشد.
هر گزیده به طور کامل با کدهایی از هر یک و همه دسته بندی های ذکر شده در بخش 2.1 کدگذاری شد . تجزیه و تحلیل فراوانی، همزمانی، و الگوهای در برنامه کد زیر است. نتایج بر اساس دسته‌های کد شرح داده شده در بخش 2.1 سازماندهی می‌شوند : عناصر تفسیر، مهارت‌های استدلال و دانش . جدول 5 نمای کلی از نتایج خلاصه شده بر اساس دسته ها را ارائه می دهد.
جدول
جدول 5. خلاصه ای از فرآیند کدگذاری. برای هر یک از سه دسته اصلی، اعدادی که کدهای آن در آن قرار دارند، تعداد کل گزیده های اختصاص داده شده به آن دسته و کد غالب ارائه شده است.
تحلیل فراوانی معمولاً در تحلیل محتوا برای تعیین میزان شیوع مضامین در متن استفاده می شود. در این مورد، فراوانی کدهای جداگانه برای هر یک از کدها و دسته کد مربوط به آنها محاسبه شد. کدهای دسته بندی عناصر تفسیری 407 بار برای منابع، کدهای دانش 91 بار و کدهای مهارت استدلال 136 بار اعمال شدند. مهم است که به یاد داشته باشید که ممکن است هر گزیده ای با بیش از یک کد مرتبط باشد.
کدهای عنصر تفسیر در 15 متن از 16 متن به گزیده ها اعمال شد. شکل 3 خلاصه ای از نتایج همزمان کدگذاری را برای این دسته ارائه می دهد. در مجموع، کدهای تفسیر به 407 گزیده اختصاص داده شد، 60٪ از گزیده ها به سه کد نسبت داده شد: تن (n = 104)، سایه (n = 77)، و شکل (n = 65). لحن غالب‌ترین کد عناصر تفسیری بود که بر گزیده‌های پنج متن اعمال می‌شد. همزمانی کدها نشان دهنده رابطه بین نشانه ها است. متداول‌ترین موارد همزمان عبارت بودند از : تن-شکل (22=n)، تن-سایه (20=n)، تن-بافت (15=n)، شکل-سایه(n = 18)، و اندازه شکل (n = 18). نه تنها مفاهیم لحن، سایه و شکل فراوانتر از سایر نشانه های ادراکی در این متون هستند، بلکه همزمانی مکرر آنها حاکی از روابط با یکدیگر است. تن، که واحد اصلی تصویر است، سطح مقدار خاکستری در یک تصویر است. سایه، رنگ تیره یک تصویر است که به دلیل عدم قرار گرفتن در معرض نور ایجاد می شود. شکل عمودی، هندسه یک جسم، از سایه یک جسم استنتاج می شود. علاوه بر این، همانطور که Rabben، Chalmers Jr.، Manley و Pickup [ 53 ] اشاره می کنند، سایه در تعیین ویژگی های ویژگی های تصویری که فاقد کنتراست تونال قوی هستند با ایجاد یک تغییر تونال قوی در لبه آن کمک کننده است.
سایر کدهای عناصر تفسیری به طور قابل ملاحظه ای کمتر از تن ، سایه و شکل تسلط داشتند . الگو 39 بار در 10 متن کدگذاری شد. این به طور همزمان با نه کد از 11 کد عناصر تفسیری دیگر اتفاق افتاد . بافت 34 بار در هشت متن کدگذاری شد که همزمان با 9 کد دیگر از عناصر تفسیری انجام شد. کدهای باقیمانده کمتر از 20 بار در مجموعه متون استفاده شدند: وضوح (n = 7)، ارتفاع (n = 15)، رنگ (n = 17)، و ارتباط (n = 10). سایت، ویژگی های خاص مکان یک مکان، در این تحلیل شناسایی نشد. در عوض، نویسندگان تمایل به بحث در مورد ویژگی‌های کلی داشتند که می‌توان از آن برای پشتیبانی از تحلیل استفاده کرد. به عنوان مثال، رنگ های تیره یک جاده یا بافت ناهموار آب متحرک.
Ijgi 04 00551 g003 1024
شکل 3. همزمانی کدهای عنصر تفسیر .
136 کد دانش در 14 متن رخ داده است. همزمانی این کدها در شکل 4 در زیر ارائه شده است. دو کد غالب دانش حوزه (n = 23) و دانش تجربی (n = 48) بودند. دانش رویه ای تنها شش بار کدگذاری شد. امکان تجزیه بیشتر دانش تجربی وجود دارد . نویسندگان دانش تجربی توسعه یافته از تجربه میدانی (20 = n) و تجربه تفسیر عکس را توصیف کردند(n = 28). یک رابطه ذاتی بین این سه نوع دانش وجود دارد، زیرا تجربه بیشتر به احتمال زیاد منجر به دانش رویه ای و دانش بیشتر از حوزه خود می شود.
در مجموع 136 کد مهارت استدلال برای گزیده هایی از 14 متن استفاده شد. شکل 5 زیر اطلاعات همزمانی را برای کاربرد این کدها ارائه می دهد. گسترده‌ترین بحث‌ها درباره استدلال انسانی در رابطه با تفسیر عکس هوا در فصل رابنز [ 53 ] یافت می‌شود. به طور عمده، شناسایی اغلب رمزگذاری‌شده‌ترین کار استدلالی بود (46=n). این با مقایسه (n = 20) دنبال می شود. باقیمانده مهارت های استدلالکدها کمتر از 15 بار اعمال شدند. بسیاری از نویسندگان فرآیند شناسایی را به طور غیرمستقیم در طی توصیف نشانه‌های ادراکی مورد بحث قرار دادند که می‌توان از آن برای شناسایی ویژگی‌های خاص استفاده کرد. این نمونه ها توسط کدهای عناصر تفسیری ثبت می شوند. نویسندگان انواع مختلفی از مقایسه را مورد بحث قرار دادند. در سطح تصویر فردی، مقایسه بین چندین ویژگی تصویر رخ می دهد. در سطح پروژه، از مترجم انتظار می رود تصاویر متعدد، نقشه ها، داده های جانبی و شواهد حاصل از تجربه مستقیم در زمینه مورد مطالعه را با هم مقایسه کند.
Ijgi 04 00551 g004 1024
شکل 4. وقوع کدهای دانش .
Ijgi 04 00551 g005 1024
شکل 5. وقوع کدهای مهارت استدلال .
فرآیند مقایسه با روش های استدلال منطقی به ویژه همگرایی شواهد مرتبط است. همگرایی شواهد هفت بار در سه منبع مختلف، استقراء (12=n) در چهار متن و استنتاج (11=n) به ترتیب در پنج متن کدگذاری شد. کدهای استقراء و کسر پنج بار با هم اتفاق افتادند. در حالی که بحث های منطق و استدلال در اکثر متون رایج نبود، جزئیات جزئیات در مورد این روش ها در [ 53 ] ارائه شده است.] اهمیت آنها را نشان می دهد. نویسندگان دو صفحه را صرف جزئیات روش همگرایی شواهد، استنباط، و استقراء می کنند. آنها همچنین در بحث فعالیت های تفسیری، مانند اندازه گیری، به موضوع استدلال منطقی باز می گردند.
دیگر کدهای استدلال و منطق کمتر رخ داده است. نشانه گذاری (n=11) فرآیند تعیین اهمیت ویژگی های تصویر است . یک مفسر از نشانه های ادراکی در شناسایی یک ویژگی تصویر استفاده می کند و اهمیت آن را برای مسئله مورد نظر قضاوت می کند. علاوه بر این، در طول همگرایی شواهد، آنها در مورد اهمیت نتایج استقرایی فردی قضاوت می کنند [ 80 ]. فرآیند جستجوی بصری برای مثال هفت بار و تنها در یک متن کدگذاری شد. با این حال، متنی که به صراحت در مورد فرآیند جستجو بحث می‌کرد، تمایز بین جستجوی تصادفی و سیستماتیک و همچنین تأثیرات تخصص بر فرآیندهای جستجو را تشریح کرد. اندازه گیری12 بار در پنج متن کدگذاری شد که معمولاً با اندازه‌گیری فتوگرامتری یا اندازه‌گیری سایه‌ها برای تخمین ارتفاع همراه است. فرآیندهای باقی مانده، قضاوت (n = 3) و تشخیص (n = 6) کمتر از 10 بار در تمام متون کدگذاری شدند. هر دوی این فرآیندها بسیار شبیه به فرآیندهای دلالت و شناسایی هستند و ممکن است نویسندگان آنها را بخشی از آن فرآیندها بدانند.
این نتایج بینش های مهمی در مورد اهمیت عوامل انسانی برای کسانی که در زمینه تفسیر عکس هوا کار می کنند ارائه می دهد. متون شرح داده شده در اینجا بر نقش عناصر تفسیری در تجزیه و تحلیل (407=n) و به دنبال آن مهارت های استدلال (136=n) و دانش (n=91) تاکید کردند. فرآیند تفسیر شامل بررسی منابع متعدد شواهد، از جمله داده‌های جانبی و داده‌های میدانی، استفاده از نشانه‌های ادراکی برای بررسی شواهد از تصاویر، و فرآیند نهایی تفسیر معنای این ویژگی‌ها، برای مسئله مورد نظر بود.

4. بحث

هدف از این تجزیه و تحلیل تعیین ویژگی های تحلیلگران تصویر خبره به منظور اطلاع از توسعه روش های نیمه خودکار تجزیه و تحلیل تصویر بود که می تواند توسط افراد غیر متخصص مورد استفاده قرار گیرد. برای دستیابی به این هدف، تجزیه و تحلیل محتوای 16 متن منتشر شده بین سال‌های 1922 و 1960 انجام شد. متون هم نشان‌دهنده نویسندگی نظامی و غیرنظامی، حوزه‌های علمی چندگانه، چندین کشور انتشار، کتاب‌های راهنما و کتاب‌های فنی و درمان‌های تخصصی و عمومی هستند. فرآیند تفسیر عکس هوا نتایج این تحلیل نشان می‌دهد که متون این دوره زمانی بر نقش عناصر تفسیری بر مهارت‌های استدلال و دانش تأکید داشتند.در توصیف آنها از فرآیند تفسیر تصویر.
تأکید در متون بر عناصر تفسیری بر دانش و مهارت‌های استدلال نشان می‌دهد که این عناصر برای توسعه تخصص در تفسیر تصویر مهم‌تر دیده می‌شوند. عناصر قابل تعمیم به طیفی از وظایف تحلیل تصویر فراتر از تفسیر تصویر سنجش از دور [ 57 ] هستند. فرآیند شناسایی به استفاده از این عناصر اساسی بستگی دارد و در بسیاری از فصل ها رابطه بین شی تصویر و عناصر متمایز آن برجسته شده است. مثال معروفی که در متون آورده شده جاده ها هستند. متون نشان می دهد که جاده ها را می توان از سایر اجرام خطی بر اساس عرض آنها تشخیص دادشکل ، تن ، بافت و حتی رنگ آنها [ 81 ]. متون این سرنخ های بصری را در مورد شناسایی شی به طور منظم توصیف می کنند.
متداول ترین عناصر تفسیری لحن ، سایه و شکل بودند. همزمانی مکرر این سه کد نشان دهنده روابط متقابل بین آنهاست. عکس‌های سیاه و سفید اولیه از سایه‌های خاکستری متعددی (تن) تشکیل شده‌اند که ویژگی‌های فیزیکی اجسام در سطح زمین را منعکس می‌کنند. تمایز تغییر تن به عنوان نشانه ای از شکل، سایه، بافت و حتی رنگ یک جسم عمل می کند. امروزه، تصویربرداری زیرمتری و تجزیه و تحلیل تصویر مبتنی بر شیء جغرافیایی (GEOBIA) بر نقش این عناصر تفسیری اساسی در شناسایی ویژگی تأکید کرده است [ 82 ]]. تحقیقات قبلی نشان داده است که حتی در غیاب آموزش در مورد این عناصر، تحلیلگران غیرمتخصص تصویر می توانند به خوبی در شناسایی ویژگی های تصویر عمل کنند [ 79 ].
استدلال در مورد تصاویر سنجش از دور مستلزم آن است که یک تحلیلگر بتواند به محرک های بصری در زمینه دانش پیشینی خود پاسخ دهد. نویسندگان سه نوع دانش کلیدی را شناسایی کردند که متخصصان هنگام پردازش محرک های بصری به آن تکیه می کنند: دانش رویه ای، دانش حوزه و دانش تجربی . سیستم های فعلی تفسیر تصویر مبتنی بر رایانه به دلیل فقدان چنین دانشی در برابر تفسیر انسان از بسیاری از الگوهای انتزاعی مقاومت نمی کنند [ 83 ]]. به همین ترتیب، افراد غیرمتخصص به ساختارهای دانش و تجربیات مشابه یک متخصص آموزش دیده مجهز نیستند. این عدم آگاهی ممکن است نتایج تفاسیر آنها را محدود کند. تحقیقات اخیر در مورد سواد خواندن تصویری کودکان نشان داده است که در مواردی که کودکان در تصویرسازی با محیط اطراف آشنا هستند، می‌توانند با موفقیت محله‌های محلی خود را شناسایی کنند [ 84 ]، سوالاتی در مورد اینکه این افراد غیرمتخصص تا چه حد قادر به تفسیر تصاویر هستند باقی می‌ماند. مکان های ناآشنا
کمترین موضوع مورد بحث این نویسندگان، فرآیندهای استدلالی مورد نیاز برای تفسیر تصاویر بود. در بسیاری از موارد، فرآیند تفسیر به فرآیند شناسایی و دلالت خلاصه می‌شد که به طور بالقوه منعکس‌کننده تأثیر قوی ریشه‌های نظامی بسیاری از نویسندگان و خود رشته بود. یک دلیل جایگزین برای این برخورد ساده با استدلال، عدم درک عمومی در مورد استدلال در آن زمان است. در حالی که تحقیقات عوامل انسانی در آن زمان انجام شد، اکثر تحقیقات بر توانایی های ادراکی و انتخاب کارآموزان تفسیر ایده آل تمرکز داشتند [ 53 ، 79 ]]. امروزه، کار از تجزیه و تحلیل تصویر پزشکی برای کشف بینش های جدید در مورد فرآیندهای استدلالی زیربنای تجزیه و تحلیل تصویر بصری [ 37 ، 68 ، 85 ] ادامه یافته است، در حالی که تحقیقات در تجزیه و تحلیل تصویر سنجش از دور تا حد زیادی بر عناصر ادراکی تفسیر متمرکز شده است [ 86 ، 87 ] . یک فرض کلی در مورد برنامه های کاربردی سنجش شهروندان وجود دارد که افراد غیرمتخصص مهارت های مشابهی دارند [ 22 ]]. این مشکل ساز است، زیرا افراد غیرمتخصص در دانش و مهارت های استدلالی خود بسیار بیشتر از متخصصان متفاوت هستند تا متخصصان. در اینجا، متون مورد تجزیه و تحلیل به عنوان فهرست اولیه انواع مهارت‌های استدلالی عمل می‌کنند که باید بیشتر مورد بررسی قرار گیرند، اما نتوانستند توصیف جامعی از این مهارت‌های تخصصی ارائه کنند. در حالی که توضیحات تا حدودی دقیق تری از چندین کار تفسیری را می توان در متون مدرن یافت، مانند [ 59 ، 67 ]]، هنوز نیاز زیادی برای درک عمیق‌تر فرآیندهای استدلال متخصص وجود دارد. به طور خاص، سوالاتی در مورد چگونگی استخراج اطلاعات فراتر از شواهد قابل مشاهده باقی می ماند. در حالی که شواهد نشان داده است که تحلیلگران خبره می توانند الگوهای تصویر را در سطوح عمیق تری نسبت به افراد تازه کار تجزیه و تحلیل کنند، کار کمی برای تعیین اینکه چه فرآیندهای استدلالی چنین تحلیل هایی را تسهیل می کند یا چگونه دانش قبلی همراه با شواهد تصویر در آن فرآیندهای استدلالی مورد استفاده قرار می گیرد، انجام شده است.
در سال 1993، کولول، یکی از برجسته ترین متخصصان در تجزیه و تحلیل تصویر در طول قرن بیستم، پیشنهاد کرد که “پیشرفت در عوامل انسانی حداقل بود” و در عوض بودجه به سمت ابزارهای تجزیه و تحلیل به کمک رایانه هدایت می شد. او پیشنهاد کرد که تعادل مجدد بودجه به تفسیر دستی و کامپیوتری برای توسعه این رشته ضروری است. با افزایش محبوبیت GEOBIA و افزایش دسترسی به تصاویر با وضوح بالا برای عموم مردم، این عوامل انسانی بیش از همیشه مهم هستند. تجزیه و تحلیل محتوا برای شناسایی مولفه های کلیدی در توصیف تحلیلگران تصویر خبره مفید بود، اما در ارائه جزئیات خاصی در مورد فرآیندهای استدلالی که ادغام محرک های بصری و پیشینی را تسهیل می کند، ناکام ماند.دانش به منظور پشتیبانی از حل مسائل پیچیده توسط افراد تازه کار، لازم است وظایف تفسیری تعمیم یافته، مانند شناسایی ، که می تواند به افراد غیر متخصص آموزش داده شود، تجزیه شود.

5. نتیجه گیری ها

این کار چارچوبی را برای درک مضامین شناختی موجود در ادبیات اولیه تفسیر عکس هوا ارائه می‌کند. تحلیل محتوا سه ویژگی مهم این ادبیات اولیه را آشکار کرد. ابتدا، نویسندگان بر رابطه بین ویژگی‌های تصویر مشترک و محرک‌های بصری نماینده آنها تأکید کردند. دوم، متون در ارائه جزئیات در مورد چگونگی استدلال در مورد تصویر فراتر از شناسایی اشیاء تصویری با استفاده از محرک های بصری، و دلالت روابط بین اشیاء تصویری متعدد، ناکام ماندند. در نهایت، نویسندگان پیشنهاد می‌کنند که کارشناسان دانش تجربی، رویه‌ای و حوزه را ارائه دهند که آنها را از همتایان غیرمتخصص خود متمایز می‌کند.
به منظور پشتیبانی از حل مسائل پیچیده توسط افراد غیرمتخصص، لازم است وظایف تفسیری تعمیم یافته، مانند شناسایی، به دستورالعمل های بدون ابهام که توسط افرادی با طیف گسترده ای از مهارت ها، دانش و تجربیات قابل تفسیر باشد، تجزیه شود. با استفاده روزافزون از تصاویر سنجش از راه دور در برنامه‌های کاربردی در دسترس عموم، مانند GoogleMaps یا برنامه‌های سنجش شهروندی، مهم است که بفهمیم چه اطلاعاتی می‌توانند توسط افراد تازه کار استخراج شوند، چه اطلاعاتی فقط برای کسانی که تخصص و تجربه دامنه دارند در دسترس است. و چگونگی تعامل دانش از منابع دیگر با فرآیند تفسیر بصری.

منابع

  1. هافمن، آر.آر. Markman, AB Interpreting Remote Sensing Imagery: Human Factors , 1st ed.; CRC Press: Boca Raton، FL، USA، 2001; پ. 283. [ Google Scholar ]
  2. ناکاشیما، آر. کوبایاشی، ک. مائده، ای. یوشیکاوا، تی. یوکوساوا، ک. جستجوی بصری متخصصان در خواندن تصویر پزشکی: تأثیر آموزش، شیوع هدف و دانش تخصصی. جلو. روانی 2013 ، 4 . [ Google Scholar ] [ CrossRef ] [ PubMed ]
  3. Goodchild، MF Citizens به عنوان حسگر: دنیای جغرافیای داوطلبانه. ژئوژورنال 2007 ، 69 ، 211-221. [ Google Scholar ] [ CrossRef ]
  4. فریتز، اس. مک کالوم، آی. شیل، سی. پرگر، سی. گریل مایر، آر. آچارد، اف. کراکسنر، اف. Obersteiner, M. Geo-wiki.Org: استفاده از جمع سپاری برای بهبود پوشش زمین جهانی. Remote Sens. 2009 ، 1 ، 345-354. [ Google Scholar ] [ CrossRef ]
  5. Meier, P. نقشه‌برداری بحران در عمل: چگونه نرم‌افزار منبع باز و شبکه‌های داوطلب جهانی در حال تغییر جهان هستند، یک نقشه در یک زمان. J. Map Geogr. Libr 2012 ، 8 ، 89-100. [ Google Scholar ] [ CrossRef ]
  6. پارکس، ال. حفاری در Google Earth: تحلیلی از “بحران در دارفور”. Geoforum 2009 ، 40 ، 535-545. [ Google Scholar ] [ CrossRef ]
  7. سامرسون، سی. فلسفه ای برای مفسران عکس. فتوگرام مهندس 1954 ، 20 ، 396-397. [ Google Scholar ]
  8. اریکسون، کالیفرنیا؛ Lehmann، متخصص AC و عملکرد استثنایی: شواهدی از حداکثر سازگاری با محدودیت‌های کار. آنو. کشیش روانی. 1996 ، 47 ، 273-305. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  9. اریکسون، KA تأثیر تجربه و تمرین عمدی بر توسعه عملکرد متخصص برتر. در کتابچه راهنمای تخصص و عملکرد خبره کمبریج ؛ انتشارات دانشگاه کمبریج: کمبریج، MA، ایالات متحده آمریکا، 2006; صص 683-703. [ Google Scholar ]
  10. ورنر، اس. Thies، B. آیا “نابینایی تغییر” توسط تخصص خاص دامنه کاهش می یابد؟ مقایسه متخصص و تازه کار از تشخیص تغییر در تصاویر فوتبال. Vis. شناخت. 2000 ، 7 ، 163-173. [ Google Scholar ] [ CrossRef ]
  11. گلیزر، آر. چی، MT; Farr, MJ ماهیت تخصص ; Lawrence Erlbaum Associates: Hillsdale, NJ, USA, 1988. [ Google Scholar ]
  12. پوزنر، انتزاع MI و فرآیند شناسایی ؛ انتشارات آکادمیک: نیویورک، نیویورک، ایالات متحده آمریکا، 1969. [ Google Scholar ]
  13. جانسون، EJ تخصص و تصمیم در شرایط عدم قطعیت: عملکرد و فرآیند. در ماهیت تخصص ; Chi، MTH، Glaser، R.، Farr، MJ، Eds. Psycholgy Press: Hillsdale, NJ, USA, 1988; ص 209-228. [ Google Scholar ]
  14. نودین، CF; کندل، اچ ال. Mello-Thoms، C.; واینستین، SP; اورل، اس جی. سالیوان، دی سی; Conant، EF چگونه تجربه و آموزش بر تخصص ماموگرافی تأثیر می گذارد. آکادمی رادیول. 1999 ، 6 ، 575-585. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  15. وود، جی. بات، جی. Appelboam، A.; هریس، ا. ویلسون، MR بررسی تأثیر تخصص، تاریخچه بالینی و جستجوی بصری بر تفسیر الکتروکاردیوگرام. پزشکی تصمیم می گیرد. ماک 2014 ، 34 ، 75-83. [ Google Scholar ] [ CrossRef ]
  16. مایلز-ورسلی، ام. جانستون، WA; Simons، MA تأثیر تخصص در پردازش تصویر اشعه ایکس. J. Exp. روانی: یاد بگیرید. مم شناخت. 1988 ، 14 ، 553-557. [ Google Scholar ] [ CrossRef ]
  17. کروپینسکی، EA نقش ادراک در تصویربرداری: گذشته و آینده. سمین. هسته پزشکی 2011 ، 41 ، 392-400. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  18. اشمیت، اچ. نورمن، جی. Boshuizen، H. دیدگاه شناختی در تخصص پزشکی: نظریه و مفهوم. آکادمی پزشکی 1990 ، 65 ، 611-621. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  19. بارینگتون، ال. قوش، س. گرین، ام. هار نوی، اس. برگر، جی. گیل، اس. لین، AYM؛ Huyck, C. Crowdsourcing ارزیابی خسارت زلزله با استفاده از تصاویر سنجش از دور. ان ژئوفیز. 2012 ، 54 . [ Google Scholar ] [ CrossRef ]
  20. فریتز، اس. مک کالوم، آی. شیل، سی. پرگر، سی. ببینید، L. شپاچنکو، دی. ون در ولده، م. کراکسنر، اف. Obersteiner, M. Geo-wiki: یک پلتفرم آنلاین برای بهبود پوشش جهانی زمین. محیط زیست مدل. نرم افزار 2012 ، 31 ، 110-123. [ Google Scholar ] [ CrossRef ]
  21. Kerle، N. نقشه برداری آسیب پس از فاجعه مبتنی بر سنجش از دور با روش های مشترک. در سیستم های هوشمند مدیریت بحران ; Springer: لندن، انگلستان، 2013; صص 121-133. [ Google Scholar ]
  22. کرل، ن. هافمن، RR نقشه برداری آسیب مشارکتی برای پاسخ اضطراری: نقش مهندسی سیستم های شناختی. نات. سیستم خطرات زمین. علمی 2013 ، 13 ، 97-113. [ Google Scholar ] [ CrossRef ]
  23. هافمن، آر آر تپه چیست؟ تجزیه و تحلیل معانی اصطلاحات توپوگرافی عمومی ; موسسه یادبود Battelle: Research Triangle Park، NC، ایالات متحده آمریکا، 1985. [ Google Scholar ]
  24. کول، ک. استیونز-آدامز، اس. مک نامارا، ال. گانتر، جی. استفاده از تحلیل کار شناختی در یک سیستم رادار دیافراگم مصنوعی. در روانشناسی مهندسی و ارگونومی شناختی ; Springer: برلین، آلمان، 2014; صص 313-324. [ Google Scholar ]
  25. Bianchetti، RA نگاهی به عقب برای اطلاع از آینده: نقش شناخت در شناسایی اختلالات جنگل از تصاویر سنجش از دور . دانشگاه ایالتی پنسیلوانیا: دانشگاه پارک، PA، ایالات متحده آمریکا، 2014. [ Google Scholar ]
  26. هافمن، RR روانشناسی عوامل انسانی در پشتیبانی از پیش بینی: طراحی ایستگاه های کاری پیشرفته هواشناسی. پیش بینی آب و هوا. 1991 ، 6 ، 98-110. [ Google Scholar ] [ CrossRef ]
  27. هافمن، آر.آر. Pike, R. در مورد مشخصات اطلاعات موجود برای درک و توصیف زمین طبیعی. در کاربردهای محلی رویکرد اکولوژیکی به سیستم‌های انسان و ماشین ؛ مطبوعات CRC: Boca Raton، FL، USA، 1995; جلد 2، ص 285–323. [ Google Scholar ]
  28. پاتل، وی.ال. کافمن، DR; آروشا، JF پارادایم های نوظهور شناخت در تصمیم گیری پزشکی. جی. بیومد. آگاه کردن. 2002 ، 35 ، 52-75. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  29. لوید، آر. هاجسون، من؛ استوکس، الف. دسته بندی بصری با عکس های هوایی. ان دانشیار صبح. Geogr. 2002 ، 92 ، 241-266. [ Google Scholar ] [ CrossRef ]
  30. نیلسون، اچ.-ای. سنجش از دور و تجزیه و تحلیل تصویر در آسیب شناسی گیاهی می توان. جی. پاتول گیاهی. 1995 ، 17 ، 154-166. [ Google Scholar ] [ CrossRef ]
  31. مدین، دی ال. لینچ، ای بی. کولی، جی دی. عطران، س. طبقه بندی و استدلال در بین کارشناسان درخت: آیا همه راه ها به روم منتهی می شوند؟ شناخت. روانی 1997 ، 32 ، 49-96. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  32. لنددل، ام. آندروود، جی. دیویس، سی. چیزی نادیده گرفته شده است؟ چگونه کارشناسان در تشخیص تغییر از برجسته بودن بصری استفاده می کنند. Appl. شناخت. روانی 2010 ، 24 ، 213-225. [ Google Scholar ] [ CrossRef ]
  33. دیویس، سی. تامپکینسون، دبلیو. دانلی، ن. گوردون، ال. Cave, K. Visual saliency به عنوان کمکی برای به روز رسانی نقشه های دیجیتال. محاسبه کنید. هوم رفتار 2006 ، 22 ، 672-684. [ Google Scholar ] [ CrossRef ]
  34. لوید، آر. هاجسون، ME جستجوی بصری برای اشیاء کاربری زمین در عکس های هوایی. کارتوگر. Geogr. Inf. علمی 2002 ، 29 ، 3-15. [ Google Scholar ] [ CrossRef ]
  35. هاجسون، ام. اندازه پنجره و دقت طبقه بندی تصویر بصری: یک رویکرد تجربی. در سال 1994 Asprs Acsm کنوانسیون سالانه و 2VOL ; ASPRS: Falls Church، VA، USA، 1994; جلد 2، ص 209–218. [ Google Scholar ]
  36. هافمن، مقدمات روش شناختی RR برای توسعه یک سیستم خبره برای تفسیر عکس هوایی . سپاه مهندسین ارتش ایالات متحده: فورت بلووار، ویرجینیا، ایالات متحده آمریکا، 1984. [ Google Scholar ]
  37. میرل، بی. آیچینگر، اف. کلر، بی جی؛ کرتزلر، ام. تجزیه و تحلیل وظیفه شناختی یک گردش کار تحلیلی بصری: کاوش شبکه های تعامل مولکولی در زیست شناسی سیستم ها. جی. بیومد. کشف کنید. همکاری. 2011 ، 6 ، 1-33. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  38. کارلی، ک. انتخاب های کدگذاری برای تحلیل متن: مقایسه تحلیل محتوا و تحلیل نقشه. اجتماعی روش. 1993 ، 23 ، 75-126. [ Google Scholar ] [ CrossRef ]
  39. برلسون، ب. تجزیه و تحلیل محتوا در تحقیقات ارتباطی . The Free Press: Gelncoe, IL, USA, 1952. [ Google Scholar ]
  40. مودی، دی. تحلیل محتوا: روشی برای جغرافیای تاریخی. Area 1971 , 3 , 146-149. [ Google Scholar ]
  41. هاولی، ای جی ادراک محیطی: طبیعت و الن چرچیل سمپل. جنوب شرقی. Geogr. 1968 ، 8 ، 54-59. [ Google Scholar ] [ CrossRef ]
  42. کنت، الف. نقشه های توپوگرافی: رویکردهای روش شناختی برای تحلیل سبک نقشه برداری. J. Map Geogr. Libr 2009 ، 5 ، 131-156. [ Google Scholar ] [ CrossRef ]
  43. کنت، ای جی. Vujakovic, P. تنوع سبک در نقشه های توپوگرافی ایالتی اروپا 1:50000. کارتوگر. J. 2009 , 46 , 179-213. [ Google Scholar ] [ CrossRef ]
  44. کنت، ای جی. Vujakovic، P. زبان کارتوگرافی: به سمت یک الگوی جدید برای درک تنوع سبک در نقشه های توپوگرافی. کارتوگر. J. 2011 ، 48 ، 21-40. [ Google Scholar ] [ CrossRef ]
  45. Muehlenhaus، I. تبارشناسی که به حساب می آید: استفاده از تحلیل محتوا برای کشف تکامل نقشه برداری متقاعد کننده. Cartographica 2011 ، 46 ، 28-40. [ Google Scholar ] [ CrossRef ]
  46. کریپندورف، ک. تحلیل محتوا: مقدمه ای بر روش شناسی آن . Sage: نیویورک، نیویورک، ایالات متحده آمریکا، 2012. [ Google Scholar ]
  47. حسیه، ح.-ف. شانون، SE سه رویکرد به تحلیل محتوای کیفی. کیفیت Health Res. 2005 ، 15 ، 1277-1288. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  48. ژانگ، ی. Wildemuth، BM تحلیل کیفی محتوا. در کاربرد روشهای تحقیق اجتماعی در پرسشهای علم اطلاعات و کتابداری ; ABC-CLIO: Westport, CT, USA, 2009; صص 308-319. [ Google Scholar ]
  49. پاتر، WJ; لوین دانرستین، دی. بازاندیشی اعتبار و پایایی در تحلیل محتوا. J. Appl. اشتراک. Res. 1999 ، 27 ، 258-284. [ Google Scholar ] [ CrossRef ]
  50. کوندراکی، NL; ولمن، NS; آموندسون، DR تجزیه و تحلیل محتوا: بررسی روش ها و کاربردهای آنها در آموزش تغذیه. J. Nutr. آموزش. رفتار 2002 ، 34 ، 224-230. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  51. Sandelowski، M. تمرکز بر روش‌های تحقیق – برای توصیف کیفی چه اتفاقی افتاد؟ Res. پرستاران Health 2000 , 23 , 334-340. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  52. مارش، EE; White, MD تجزیه و تحلیل محتوا: یک روش شناسی انعطاف پذیر. Libr روند 2006 ، 55 ، 22-45. [ Google Scholar ] [ CrossRef ]
  53. Rabben، EL; چالمرز، EL، جونیور. مانلی، ای. پیکاپ، ج. مبانی تفسیر عکس. در کتابچه راهنمای تفسیر عکاسی ; Colwell, RN, Ed. انجمن فتوگرامتری و سنجش از دور آمریکا: واشنگتن، دی سی، ایالات متحده آمریکا، 1960; صص 99-168. [ Google Scholar ]
  54. کلاین، GA; هافمن، RR جنبه های ادراکی-شناختی تخصص. در علوم شناختی مبانی آموزش ; Routledge: Hillsdale, NJ, USA, 1993; ص 203-226. [ Google Scholar ]
  55. راجرز، ای. Arkin، RC تعامل بصری: پیوند بین ادراک و حل مسئله. در مجموعه مقالات کنفرانس بین المللی IEEE 1991 در مورد سیستم ها، انسان و سایبرنتیک، شارلوتزویل، VA، ایالات متحده آمریکا، 13-16 اکتبر 1991. ص 1265–1270.
  56. Hochberg, J. در مورد شناخت در ادراک: جفت ادراکی و استنتاج ناخودآگاه. شناخت 1981 ، 10 ، 127-134. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  57. اولسون، CE عناصر تفسیر عکاسی مشترک در چندین حسگر. فتوگرام مهندس Remote Sens. 1960 , 26 , 651-656. [ Google Scholar ]
  58. استس، جی. حاجیک، ای جی; Tinney، LR مبانی تجزیه و تحلیل تصویر: تجزیه و تحلیل داده های مادون قرمز مرئی و حرارتی. مانو Remote Sens. 1983 , 2 , 1233-2440. [ Google Scholar ]
  59. Avery، TE; برلین، GL اصول تفسیر عکس هوا. در مبانی سنجش از راه دور و تفسیر Airphoto ; Maxwell Macmillan: نیویورک، نیویورک، ایالات متحده آمریکا، 1992; صص 51-70. [ Google Scholar ]
  60. Bertin, J. Semiology of Graphics: Diagrams, Networks, Maps ; انتشارات دانشگاه ویسکانسین: مدیسون، WI، ایالات متحده آمریکا، 1983; پ. 460. [ Google Scholar ]
  61. فیشر، MM; Nijkamp, ​​P. سیستم های اطلاعات جغرافیایی و تجزیه و تحلیل فضایی. ان Reg. علمی 1992 ، 26 ، 3-17. [ Google Scholar ] [ CrossRef ]
  62. Thorndyke، PW; Hayes-Roth, B. تفاوت در دانش فضایی به دست آمده از نقشه ها و ناوبری. شناخت. روانی 1982 ، 14 ، 560-589. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  63. Freundschuh، SM کسب دانش فضایی محیط های شهری از تجربه نقشه ها و ناوبری . دانشگاه ایالتی نیویورک در بوفالو: بوفالو، نیویورک، ایالات متحده آمریکا، 1992. [ Google Scholar ]
  64. دی یونگ، تی. فرگوسن-هسلر، ام جی انواع و کیفیت دانش. آموزش. روانی 1996 ، 31 ، 105-113. [ Google Scholar ] [ CrossRef ]
  65. لزگلد، ا. روبینسون، اچ. فلتوویچ، پ. گلیزر، آر. کلوپفر، دی. وانگ، ی. تخصص در یک مهارت پیچیده: تشخیص تصاویر اشعه ایکس. در ماهیت تخصص ; Chi، MTH، Glaser، R.، Farr، MJ، Eds. تیلور و فرانسیس: هوبوکن، نیوجرسی، ایالات متحده آمریکا، 1988; صص 311-342. [ Google Scholar ]
  66. Colwell, RN تجزیه و تحلیل سیستماتیک برخی از عوامل موثر بر تفسیر عکاسی. فتوگرام مهندس 1954 ، 20 ، 433-454. [ Google Scholar ]
  67. کمپبل، JB مقدمه ای بر سنجش از دور . Guiliford Press: نیویورک، نیویورک، ایالات متحده آمریکا، 2002. [ Google Scholar ]
  68. راجرز، ای. نظریه شناختی تعامل بصری. در استدلال نموداری: دیدگاه های شناختی و محاسباتی ; Glasgow, J., Narayanan, NH, Karan, BC, Eds. انتشارات MIT: کمبریج، MA ایالات متحده آمریکا، 1995; صص 481-500. [ Google Scholar ]
  69. بیکر، VR Geosemiosis. جئول Soc. صبح. گاو نر 1999 ، 111 ، 633-645. [ Google Scholar ] [ CrossRef ]
  70. Colwell, RN چهار دهه پیشرفت در تفسیر عکاسی از زمان تأسیس کمیسیون VII (IP). بین المللی آرشیو فتوگرام Remote Sens. 1993 , 29 , 683-683. [ Google Scholar ]
  71. بازلی، پ. جکسون، ک. تجزیه و تحلیل داده های کیفی با Nvivo . Sage Publications Limited: Thousand Oaks، CA، USA، 2013. [ Google Scholar ]
  72. Pruitt، EL دفتر تحقیقات دریایی و جغرافیا. ان دانشیار صبح. Geogr. 1979 ، 69 ، 103-108. [ Google Scholar ] [ CrossRef ]
  73. گدارد، GW; Copp، DS بررسی اجمالی: ماجراجویی مادام العمر در عکاسی هوایی . Doubleday: نیویورک، نیویورک، ایالات متحده آمریکا، 1969. [ Google Scholar ]
  74. لی، دبلیو تی چهره زمین از روی هوا: مطالعه ای در کاربرد عکاسی هواپیما در جغرافیا . انجمن جغرافیایی آمریکا: نیویورک، نیویورک، ایالات متحده آمریکا، 1922. [ Google Scholar ]
  75. Domin، DS تجزیه و تحلیل محتوای دستورالعمل های آزمایشگاهی شیمی عمومی برای شواهدی از کارهای شناختی مرتبه بالاتر. جی. شیمی. آموزش. 1999 . [ Google Scholar ] [ CrossRef ]
  76. تینزلی، او؛ Brown, SD Handbook of Applied Multivariate Statistics and Mathematical Modeling ; انتشارات آکادمیک: نیویورک، نیویورک، ایالات متحده آمریکا، 2000. [ Google Scholar ]
  77. دوون، HA; بلاک، من. مویل رایت، پی. ارنست، دی.م. هایدن، اس جی. لازارا، دی جی؛ ساوی، اس ام؛ Kostas-Polston، E. جعبه ابزار روانسنجی برای آزمون اعتبار و پایایی. J. Nurs. دانش پژوه. 2007 ، 39 ، 155-164. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  78. Colwell, RN Manual of Photographic Interpretation ; انجمن آمریکایی فتوگرامتری: هرندون، ویرجینیا، ایالات متحده آمریکا، 1960; پ. 972. [ Google Scholar ]
  79. Colwell, RN تصویر تفسیر عکس در سال 1960. Photogrammetria 1960 , 16 , 292-314. [ Google Scholar ] [ CrossRef ]
  80. چمبرلین، تی سی روش فرضیه های کاری چندگانه. Science 1890 , 15 , 92-96. [ Google Scholar ] [ PubMed ]
  81. لی، هواپیماهای WT و جغرافیا. Geogr. Rev. 1920 , 10 , 310-325. [ Google Scholar ] [ CrossRef ]
  82. هی، GJ; Blaschke, T. شماره ویژه: تجزیه و تحلیل تصویر مبتنی بر شی جغرافیایی (GEOBIA). فتوگرام مهندس Remote Sens. 2009 ، 76 ، 121-122. [ Google Scholar ]
  83. گاردین، اس. Van Laere، SMJ; ون کویلی، FMB؛ انسیل، اف. دویک، دبلیو. د وولف، آر.آر. Verbeke، LPC سنجش از دور با روانشناسی: مفهومی برای ارزیابی عملکرد اپراتور. سنسور از راه دور Lett. 2011 ، 2 ، 251-257. [ Google Scholar ] [ CrossRef ]
  84. سواتونوا، اچ. رایبانسکی، ام. کودکان زمین دیجیتال را از بالا مشاهده می کنند: چگونه تصاویر هوایی و ماهواره ای را می خوانند . انتشارات IOP: کوچینگ، مالزی، 2013. [ Google Scholar ]
  85. راجرز، ای. مطالعه استدلال بصری در تشخیص پزشکی. در مجموعه مقالات هجدهمین کنفرانس سالانه انجمن علوم شناختی، سن دیگو، کالیفرنیا، ایالات متحده آمریکا، 12 تا 15 ژوئیه 1996. ص 213-218.
  86. ون کولی، اف. گاردین، اس. انسیل، اف. دوووک، دبلیو. وربکه، ال. د وولف، آر. تغییرپذیری عملکرد اپراتور در تفسیر تصویر سنجش از دور: اهمیت عوامل انسانی و خارجی. بین المللی J. Remote Sens. 2014 , 35 , 754-778. [ Google Scholar ] [ CrossRef ]
  87. باترزبی، اس. هاجسون، من؛ وانگ، جی. الزامات تصویر با وضوح فضایی برای شناسایی آسیب ساختار در بلایای طوفان: یک رویکرد شناختی. فتوگرام مهندس Remote Sens. (PE&RS) 2012 ، 78 ، 625-635. [ Google Scholar ] [ CrossRef ]

;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