نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

خلاصه

کشف خودکار خدمات نقشه وب پوشش زمین ایزوله (LCWMS) به طور بالقوه می تواند به اشتراک گذاری داده های پوشش زمین کمک کند. در حال حاضر، رویکردهای مختلف مبتنی بر موتورهای جستجو و مبتنی بر خزنده برای یافتن خدمات پراکنده در سطح وب توسعه داده شده است. در واقع، با رواج برنامه های وب جغرافیایی، تعداد قابل توجهی از LCWMS ها در کد جاوا اسکریپت که متعلق به وب عمیق است، پنهان می شوند. با این حال، کشف LCWMS از کد جاوا اسکریپت همچنان یک چالش باز است. هدف این مقاله حل این چالش با پیشنهاد یک خزنده وب عمیق متمرکز برای یافتن LCWMS های بیشتر از کد جاوا اسکریپت وب عمیق و وب سطح است. ابتدا، نام گروهی از پیوندهای جاوا اسکریپت به عنوان قضاوت اولیه انتزاع می شود. از طریق تطبیق نام، این قضاوت ها برای قضاوت در مورد اینکه آیا صفحات وب واکشی شده حاوی پیوندهای جاوا اسکریپت از پیش تعریف شده ای هستند که ممکن است کد جاوا اسکریپت را وادار به فراخوانی WMS کنند یا خیر استفاده می شود. ثانیاً، برخی از توابع فراخوانی جاوا اسکریپت و قالب‌های URL برای WMS به عنوان قوانین فراخوانی جاوا اسکریپت از دانش قبلی درباره نحوه بکارگیری و کدگذاری WMS در جاوا اسکریپت خلاصه می‌شوند. این قوانین فراخوانی برای شناسایی کد جاوا اسکریپت برای استخراج WMS های نامزد از طریق تطبیق قوانین استفاده می شود. دو عملیات فوق در یک استراتژی خزیدن متمرکز سنتی که بین وظایف واکشی صفحات وب و تجزیه صفحات وب قرار دارد، گنجانده شده است. ثالثاً، LCWMS ها با تطبیق خدمات با مجموعه ای از کلمات کلیدی پوشش زمین انتخاب می شوند. علاوه بر این، یک موتور جستجو برای LCWMS ها پیاده سازی شده است که از خزنده وب عمیق متمرکز برای بازیابی و ادغام LCWMS های کشف شده استفاده می کند. در آزمایش اول، هشت برنامه کاربردی وب جغرافیایی آنلاین به عنوان نشانی‌های وب (Uniform Resource Locators) و محدوده خزیدن خدمت می‌کنند. خزنده پیشنهادی فقط به کد جاوا اسکریپت در این هشت برنامه می پردازد. همه 32 WMS موجود پنهان در کد جاوا اسکریپت با استفاده از خزنده پیشنهادی پیدا شدند، در حالی که یک WMS از طریق رویکرد مبتنی بر خزنده متمرکز کشف نشد. این نتیجه نشان می دهد که خزنده پیشنهادی توانایی کشف WMS های پنهان در کد جاوا اسکریپت را دارد. آزمایش دوم از 4842 نشانی وب اولیه استفاده می کند که روزانه به روز می شوند. خزنده در مجموع 17874 WMS موجود پیدا کرد که 11901 مورد آن LCWMS بود. رویکرد ما تعداد بیشتری از خدمات را نسبت به خدماتی که با استفاده از رویکردهای قبلی یافت شده بود، کشف کرد. این نشان می دهد که خزنده پیشنهادی مزیت بزرگی در کشف LCWMS از وب سطح و کد جاوا اسکریپت دارد.
کلید واژه ها: 

خدمات نقشه وب ; پوشش زمین ؛ خزنده متمرکز ; وب عمیق ; یکپارچه سازی داده ها

 

چکیده گرافیکی

1. معرفی

سرویس نقشه وب (WMS) یک پروتکل استاندارد بین‌المللی برای انتشار و دسترسی به نقشه‌های مرجع جغرافیایی در وب است [ 1 ، 2 ، 3 ]. این استاندارد ادغام، دسترسی و کاربردهای ارزش افزوده اطلاعات مکانی را تسهیل کرده است [ 1 ، 4 ، 5 ]. در چند سال گذشته، حجم فزاینده‌ای از داده‌ها و نقشه‌های پوشش زمین از طریق WMS برای تسهیل دسترسی به داده‌های باز آنلاین [ 6 ، 7 ]، حمایت از تولید داده‌های مشترک [ 8 ، 9 ] و کمک به جمعیت در دسترس قرار گرفته است. نمونه‌گیری و اعتبارسنجی منبع [ 10 ، 11, 12 , 13 ]. یک مثال سیستم خدمات اطلاعاتی مبتنی بر WMS است که دسترسی آزاد و به اشتراک گذاری یکی از اولین نقشه های پوشش زمین 30 متری جهان به نام GlobeLand30 (www.globeland30.org) را امکان پذیر می سازد [ 14 ] . بسیاری دیگر از خدمات نقشه وب پوشش زمین (LCWMS) وجود دارند که داده ها/نقشه های پوشش زمین جهانی، ملی یا محلی را ارائه می دهند. برخی از این LCWMS ها در کاتالوگ ها ثبت می شوند (به عنوان مثال، سرویس کاتالوگ برای وب، CSW) بر اساس معماری سرویس گرا [ 15 ، 16 ]. این LCWMS ها را می توان با تطبیق کلمات کلیدی در کاتالوگ های مربوطه به راحتی کشف کرد. برخی از LCWMS ها در وب سطحی پراکنده هستند که به محتوای ذخیره شده در صفحات ثابت اشاره دارد [ 17]]. با مراجعه به پیوندهای مرتبط با این صفحات ثابت می توان مستقیماً به آنها دسترسی داشت [ 18 ]. با این حال، دیگران در وب عمیق پنهان هستند، که به محتوای پنهان در صفحات پویا (اغلب در پشت رابط های پرس و جو)، در کد اسکریپت، و غیره اشاره دارد [ 17 ، 19 ]. به طور خاص، با پذیرش سریع استانداردهای کنسرسیوم فضایی باز (OGC)، چنین خدماتی به طور فزاینده ای توسط برنامه های کاربردی وب جغرافیایی استفاده می شود که از کد جاوا اسکریپت تکمیل شده توسط کتابخانه های جاوا اسکریپت شخص ثالث (مانند لایه های باز و ArcGIS برای جاوا اسکریپت) استفاده می کنند [20 ، 21 ]]. این کد جاوا اسکریپت و کتابخانه ها اغلب در قالب پیوندهای جاوا اسکریپت ارجاع می شوند، مانند “<script src= ‘ ../OpenLayers.js’></script>”. کشف چنین LCWMS های وب عمیق با مراجعه به لینک ها دشوار است. به عنوان مثال، LCWMS برای GlobeLand30 را می توان تنها با تجزیه و تحلیل کد جاوا اسکریپت که توسط سیستم سرویس ( www.globeland30.org ) در معرض دید قرار می گیرد، کشف کرد.
اخیراً، کشف و ادغام این خدمات داده پوشش زمین پراکنده توسط طیف وسیعی از برنامه های توسعه، برنامه های تحقیقاتی و کاربردهای عملی تحریک شده است [ 10 ، 22 ، 23 ، 24 ]. یک مثال، برنامه توسعه پایدار 2030 سازمان ملل است که به شدت به در دسترس بودن و استفاده از اطلاعات پوشش زمین در مقیاس جهانی، ملی و محلی بستگی دارد. متأسفانه، در حال حاضر هیچ یک از مجموعه داده ها یا خدمات پوشش زمین نمی تواند نیازهای همه کاربران را برآورده کند. علاوه بر این، بسیاری از LCWMS ها به عنوان “جزایر اطلاعات” جدا شده وجود دارند و به خوبی به هم متصل نیستند [ 25]]؛ بنابراین، طبیعی است که تمام خدمات اطلاعات پوشش زمین پراکنده در سراسر جهان را برای ارائه یک سرویس اطلاعاتی پوشش زمین قابل اعتمادتر به هم مرتبط کنیم. این موضوع مطرح شد و در کارگاه بین المللی 9 تا 10 ژوئن 2015 که توسط انجمن بین المللی فتوگرامتری و سنجش از دور (ISPRS) و گروه مشاهدات زمین (GEO) برگزار شد، مورد بحث قرار گرفت [22 ] . برای طراحی و توسعه یک پلت فرم خدمات اطلاعات زمین مشترک (CoGland) پیشنهاد شد. با این حال، انجام این کار با تعدادی از چالش های فنی مواجه است [ 22 ]. یکی از این چالش‌ها، خودکار کردن کشف و اتصال LCWMS‌های موجود اما جدا شده برای تشکیل یک پورتال «یک توقف» برای یک سرویس اطلاعاتی یکپارچه است [ 25 ].
کشف خودکار LCWMS ها می تواند به صورت غیرفعال یا فعال محقق شود. روش غیرفعال از رویکرد تطبیق کلمات کلیدی برای کشف خدمات در کاتالوگ های ثبت شده استفاده می کند [ 15 ، 16 ، 26 ]. موفقیت این روش تا حد زیادی به تمایل ارائه دهندگان خدمات به ثبت WMS و در دسترس قرار دادن آنها بستگی دارد [ 15 ، 16 ، 26 ]. با این حال، بسیاری از خدمات منتشر شده در وب در هیچ کاتالوگ ثبت نشده است، و بنابراین نمی توان از طریق جستجوی فهرست پیدا کرد [ 2 ، 27 ]. موتورهای جستجوی مختلف که از خزنده های وب برای پیمایش مداوم صفحات استاتیک استفاده می کنند [ 28 ، 29، 30 ]، برای یافتن خدمات پراکنده در وب سطح توسعه یافته اند [ 31 ، 32 ]. موتورهای جستجوی همه منظوره (مانند گوگل و بینگ)، موتورهای جستجوی سفارشی شده با خزنده‌های عمومی و خزنده‌های متمرکز سه رویکرد متداول هستند [ 16 ، 27 ، 31 ، 32 ، 33 ، 34 ]. با این حال، در اصل، این رویکردهای فعال فقط می توانند خدمات وب جغرافیایی را پیدا کنند که در صفحات ایستا قرار دارند. با این وجود، تعداد قابل توجهی از WMS ها در پشت رابط های پرس و جو وجود دارند و در کد جاوا اسکریپت پنهان هستند [ 16 ، 20 ، 21]. چالش کلیدی در اینجا شناسایی و درک واسط های جستجوی وب عمیق و کد جاوا اسکریپت است که نشان دهنده WMS ها و استخراج آنهاست. تشخیص و درک واسط های پرس و جو تا حدی مورد توجه قرار گرفته است [ 35 ]. با این حال، تلاش های کمی برای شناسایی و درک کد جاوا اسکریپت به طور خاص برای کشف WMS ها اختصاص یافته است. بنابراین، کشف WMS ها از کد جاوا اسکریپت در برنامه های کاربردی وب جغرافیایی یک سوال باز باقی می ماند [ 21 ].
هدف این مقاله حل این مشکل است. این یک خزنده وب عمیق متمرکز را پیشنهاد می کند که می تواند LCWMS های بیشتری را هم از کد جاوا اسکریپت وب عمیق و هم از وب سطح پیدا کند. ابتدا گروهی از نام پیوندهای جاوا اسکریپت به عنوان قضاوت اولیه انتزاع می شوند. از طریق تطبیق نام، این قضاوت ها برای قضاوت در مورد اینکه آیا یک صفحه وب واکشی شده حاوی یک پیوند جاوا اسکریپت از پیش تعریف شده است که ممکن است سایر کدهای جاوا اسکریپت را برای فراخوانی بالقوه WMS ها اجرا کند، استفاده می شود. ثانیاً، برخی از توابع فراخوانی جاوا اسکریپت و قالب‌های URL برای WMS به عنوان قوانینی از دانش قبلی در مورد نحوه استفاده و ارائه WMS در کد جاوا اسکریپت خلاصه می‌شوند. از طریق تطبیق قوانین، می توان از قوانین برای درک اینکه چگونه برنامه های کاربردی وب جغرافیایی، WMS ها را با استفاده از کد جاوا اسکریپت برای استخراج WMS های نامزد فراخوانی می کنند، استفاده کرد. عملیات فوق در یک استراتژی خزیدن متمرکز سنتی که بین وظایف واکشی صفحات وب و تجزیه صفحات وب قرار دارد ادغام می شوند. ثالثاً، LCWMS ها از فهرست WMS های کاندید استخراج شده از طریق اعتبارسنجی WMS و تطبیق کلمات کلیدی پوشش زمین انتخاب می شوند. در نهایت، یک موتور جستجوی LCWMS (LCWMS-SE) طراحی و پیاده سازی شده است که از یک رویکرد مبتنی بر قانون برای کمک به کاربران در بازیابی LCWMS های کشف شده استفاده می کند.
ادامه این مقاله به شرح زیر سازماندهی شده است. بخش 2 کار مرتبط را در مورد کشف سرویس وب سطحی و عمقی و همچنین کشف سایر منابع وب عمیق از کد جاوا اسکریپت بررسی می کند. بخش 3 به تشریح رویکرد کشف فعال، از جمله شرح قضاوت های اولیه، قوانین فراخوانی جاوا اسکریپت و خزنده وب عمیق متمرکز پیشنهادی می پردازد. طراحی و اجرای موتور جستجویی که LCWMS های کشف شده را بازیابی می کند در بخش 4 توضیح داده شده است . آزمایشات و تجزیه و تحلیل اولیه در بخش 5 ارائه شده است و بخش 6 مقاله را به پایان می رساند.

2. کارهای مرتبط

یک WMS سه عملیات را ارائه می‌کند: GetCapabilities، GetMap و GetFeatureInfo برای پشتیبانی از درخواست‌های ابرداده، نقشه‌های ایستا و اطلاعات ویژگی در مورد نقشه‌های جغرافیایی مرجع مربوطه، به ترتیب [ 1 ، 16 ]. عملیات GetCapabilities برای درخواست فراداده خدمات، مانند چکیده سرویس، سیستم مختصات مرجع، قالب و غیره در نظر گرفته شده است [ 16 ]. عملیات GetMap کاربران را قادر می‌سازد تا با ارسال پارامترهایی که شامل نام لایه‌ها، جعبه‌های مرزی، قالب، سبک‌ها و غیره می‌شود، نقشه‌های ثابت را از چندین سرور دریافت کنند [ 3 ، 16 ]. عملیات GetFeatureInfo فراداده را برای ویژگی های انتخاب شده درخواست می کند [ 16]. از آنجایی که ابرداده ها می توانند به کاربران کمک کنند تا لایه های سرویس مورد نیاز خود را پیدا کنند و بهترین نحوه استفاده از آنها را تعیین کنند [ 36 ]، به طور کلی، کشف WMS ها به معنای یافتن URL های عملیات GetCapabilities است. سایر خدمات مکانی OGC مانند سرویس ویژگی های وب (WFS) و سرویس پوشش وب (WCS) نیز دارای عملیات GetCapabilities هستند. بنابراین، روش های کشف برای آن سرویس ها مشابه روش های کشف برای WMS ها هستند.

2.1. کشف خدمات وب زمین فضایی سطحی

قابل توجه ترین تحقیقات برای کشف فعال خدمات وب جغرافیایی سطحی را می توان به دو نوع رویکرد تقسیم کرد. اولین نوع رویکرد اکتشافی از رابط های برنامه نویسی کاربردی (API) موتورهای جستجوی همه منظوره استفاده می کند و از پرس و جوهای از پیش تعریف شده برای جستجوی اینترنت برای کشف خدمات وب جغرافیایی OGC استفاده می کند [27 ، 32 ، 33 ، 37 ، 38 ] . به عنوان مثال، بررسی انکسارهای OGC [ 37] از Google web API با دو عبارت «درخواست = getcapabilities» و «request = capabilities» برای استخراج نتایج استفاده کرد و سپس از تعدادی «عبارات منظم» Perl برای URL قابلیت‌های کامل در هر صفحه برگشتی استفاده کرد. لوپز-پلیسر و همکاران [ 33 ] بینگ، گوگل و یاهو را استخدام کرد! API با دو مجموعه از 1000 پرس و جو برای اندازه گیری عملکرد سه موتور جستجو در کشف خدمات وب جغرافیایی OGC. آنها بالاخره یاهو را شناسایی کردند! به عنوان بهترین مجری در دو سال گذشته، Bone et al. [ 32 ] یک موتور جستجوی مکانی برای کشف داده‌های مکانی چند قالبی با استفاده از موتور جستجوی Google با عبارات مشخص شده و از پیش تعریف شده توسط کاربر طراحی کرد. کلیمنت و همکاران [ 27 ، 39] از اپراتورهای جستجوی پیشرفته “inurl:” موتور جستجوی Google برای کشف خدمات مکانی خاص OGC که در فهرست های گوگل ذخیره شده اند استفاده کرد. این نوع رویکرد کشف به راحتی پیاده‌سازی می‌شود، کم‌هزینه است و می‌تواند از مشکلات عملکرد سیستم‌هایی که سعی در خزیدن در کل وب دارند اجتناب کند [ 32 ]. با این حال، یک موتور جستجوی همه منظوره در نظر گرفته شده است تا کل موضوعات را بدون در نظر گرفتن ویژگی‌های خدمات وب جغرافیایی OGC پوشش دهد. بنابراین، با این رویکرد، خدمات مکانی واقعی OGC با حجم زیادی از نتایج جستجو غرق خواهد شد [ 16 ]. علاوه بر این، اگرچه موتورهای جستجوی همه منظوره (به عنوان مثال، گوگل) قبلاً تلاش کرده اند منابع وب عمیق پنهان شده در پشت فرم های زبان نشانه گذاری فرامتن (HTML) را ترکیب کنند [ 35]، آنها هنوز برخی از منابع پنهان در کد جاوا اسکریپت، به ویژه خدمات وب جغرافیایی OGC که توسط کتابخانه های جاوا اسکریپت احضار شده اند را نادیده می گیرند. علاوه بر این، API عمومی موتورهای جستجوی همه منظوره دارای برخی محدودیت‌های تماس است که از طریق مجوزها، تعداد تماس‌های مجاز، سیاست‌های خاص و غیره اعمال می‌شود. به عنوان مثال، API موتور جستجوی سفارشی Google تنها 100 درخواست جستجوی رایگان در روز ارائه می دهد [ 40 ].
نوع دوم رویکرد کشف، استفاده از موتورهای جستجوی سفارشی شده است. موتورهای جستجوی سفارشی شده را می توان به موتورهای جستجوی همه منظوره و موضوعی خاص طبقه بندی کرد [ 29 ]. موتورهای جستجوی همه منظوره سفارشی شده به یک خزنده وب مجهز هستند که می تواند به طور مداوم تعداد زیادی از صفحات وب را با شروع از یک سری URL های اولیه (لیستی از URL هایی که خزنده با آنها شروع می کند) و بدون موضوع خاصی جمع آوری کند [ 32 ، 41 ، 42 ]. برای مثال، Sample et al. [ 43 ] از APIهای جستجوی Google برای تولید مجموعه‌ای از URLهای اولیه نامزد برای وب‌سایت‌های مرتبط با GIS و ایجاد یک خزنده وب برای کشف WMS استفاده کرد. شن و همکاران [ 15] یک خزنده WMS بر اساس نرم افزار منبع باز NwebCrawler برای پشتیبانی از ارزیابی خدمات فعال و نظارت بر کیفیت توسعه داد. پاتیل و همکاران [ 44 ] چارچوبی برای کشف WFS ها با استفاده از یک خزنده وب فضایی پیشنهاد کرد. در مقایسه با موتورهای جستجوی همه منظوره، موتورهای جستجوی همه منظوره سفارشی شده می توانند به راحتی فرآیند کشف سرویس های وب جغرافیایی را کنترل کنند و می توانند به طور چشمگیری مجموعه URL ها را برای خزیدن کاهش دهند. با این حال، نشانی‌های وب خزیده شده هنوز بسیار فراتر از صفحات مکانی هستند که شامل سرویس‌های وب جغرافیایی هستند [ 16 ].
برای حل مشکلات فوق، موتورهای جستجوی موضوعی خاص با خزنده های متمرکز توسعه یافتند. هدف خزنده‌های متمرکز با مجموعه‌ای از URLهای اولیه و یک موضوع معین، این است که به طور مداوم صفحات وب مرتبط با موضوع مورد نظر را خزیده و تعداد صفحات وب نامربوط را به حداقل برسانند [41 ] . برای مثال، لوپز-پلیسر و همکاران. [ 26 ، 45 ] یک خزنده متمرکز برای خدمات وب جغرافیایی ایجاد کرد. این خزنده از بینگ، گوگل و یاهو استفاده می کند! API ها را برای تولید URL های اولیه جستجو کنید و از بهترین استراتژی های جستجوی اول و کوسه برای اولویت دادن به این URL ها استفاده کنید. لی و همکاران [ 16 ]، وو و همکاران. [ 46 ] و شن و همکاران. [ 34] همچنین خزنده های متمرکز را بر اساس رویکردهای مختلف تخصیص اولویت URL برای کشف سرویس های وب جغرافیایی OGC توسعه داد. از آنجایی که آنها مجموعه URL هایی را که باید خزیده شوند، کاهش می دهند، این روش ها می توانند عملکرد کشف را در هر دو دیدگاه فنی و اقتصادی بهبود بخشند [ 16 ]. با این حال، خزنده های فوق در موتورهای جستجوی سفارشی، صفحات وب را صرفاً از طریق موتورهای تجزیه HTML تجزیه می کنند، که توانایی شناسایی و ارسال فرم های HTML را ندارند و کد جاوا اسکریپت را آدرس دهی نمی کنند. بنابراین، این موتورهای جستجوی سفارشی شده قادر به کشف WMS در وب عمیق نیستند.

2.2. کشف خدمات وب مکانی عمیق

وب عمیق به داده های پنهان در پشت رابط های پرس و جو، کدهای اسکریپت شده و دیگر انواع اشیاء اشاره دارد [ 17 ، 47 ]. از این منظر، سرویس‌های وب زمین‌فضایی زیربنایی ثبت‌شده در کاتالوگ‌ها غیرشفاف هستند زیرا در پشت رابط‌های پرس و جوی کاتالوگ پنهان هستند [ 47 ، 48 ]. به این ترتیب، خدمات وب جغرافیایی ثبت شده در کاتالوگ ها بخشی از وب عمیق را تشکیل می دهند. به طور کلی، خدمات جستجو از کاتالوگ های شناخته شده با رویکردهای تطبیق کلمات کلیدی [ 16 ] اجرا می شود. با این حال، تعدادی از کاتالوگ ها برای عموم ناشناخته هستند. بنابراین، کشف خدمات از این کاتالوگ های ناشناخته به شناسایی و درک موفقیت آمیز رابط های پرس و جو این کاتالوگ های ناشناخته بستگی دارد.47 ، 48 ]. در چند سال گذشته، چندین کار برای رسیدگی به مشکل تشخیص و درک رابط پرس و جو انجام شده است. به عنوان مثال، دونگ و همکاران. [ 49 ] یک رویکرد تطبیق رابط پرس و جوی عمیق وب جدید مبتنی بر نظریه شواهد و تخصیص وظیفه پیشنهاد کرد. این آثار را می توان برای شناسایی و درک رابط های پرس و جو از کاتالوگ های ناشناخته استفاده کرد، اما اهداف اصلی آنها بر کشف خدمات وب جغرافیایی از وب عمیق متمرکز نبود.
اخیراً تلاش هایی برای کشف خدمات وب جغرافیایی از وب عمیق صورت گرفته است. برای مثال، لوپز-پلیسر و همکاران. [ 20 ، 21] ویژگی های محتوای جغرافیایی وب عمیق را با جزئیات تجزیه و تحلیل کرد. آنها خاطرنشان کردند که محتوای قطع شده، محتوای غیرشفاف، محتوای نادیده گرفته شده، محتوای پویا، محتوای بلادرنگ، محتوای متنی، محتوای متنی و محتوای محدود، همه بخشی از محتوای فضایی وب عمیق هستند. علاوه بر این، آنها شش اکتشافی در مورد ویژگی های محتوای وب عمیق را در قالب متون خلاصه کردند. سپس، آنها یک خزنده جغرافیایی پیشرفته با معماری پلاگین طراحی کردند و چندین افزونه افزونه را برای پیاده سازی برخی از اکتشافات برای کشف بخشی از محتویات مکانی پنهان در وب عمیق معرفی کردند. در نهایت، آنها نشان دادند که کشف خدمات در برنامه‌های کاربردی وب جغرافیایی مبتنی بر کتابخانه‌های جاوا اسکریپت (مثلاً لایه‌های باز) هنوز یکی از سؤالات باز است که به تحقیقات بیشتری نیاز دارد. این یکی از انگیزه های تلاش این مطالعه برای توسعه یک رویکرد کشف فعال جدید بود. بنابراین، سهم ما در توسعه روشی برای کشف WMS ها در برنامه های کاربردی وب جغرافیایی از طریق خزیدن متمرکز با بازرسی کد جاوا اسکریپت با استفاده از رویکرد تطبیق قوانین نهفته است.

2.3. استفاده از کد جاوا اسکریپت در کشف منابع وب عمیق

منابع مختلف پنهان در کد جاوا اسکریپت بخشی از وب عمیق را تشکیل می دهند. کشف این منابع در چند سال گذشته موضوع تحقیق بوده است. برای مثال، بوشان و کومار [ 50 ] یک خزنده وب عمیق را با استفاده از برخی عبارات منظم (تطابق/جایگزینی) برای استخراج پیوندهای متن واضح پنهان شده در کد جاوا اسکریپت توسعه دادند. هو و همکاران [ 42 ] قوانین تطبیق را خلاصه کرد که توسط یک عبارت منظم رسمیت یافت تا مختصات جغرافیایی مناطق ساخته شده را از کد جاوا اسکریپت استخراج کند. برخی از منابع تولید شده به صورت پویا توسط کد جاوا اسکریپت را می توان با استفاده از مفسرها (یعنی موتور تجزیه جاوا اسکریپت و کیت وب) استخراج کرد. به عنوان مثال، هامر و همکاران. [ 51] یک خزنده وب مبتنی بر WebKit را برای استخراج بحث های آنلاین کاربران درباره اخبار ایجاد کرد. در برنامه های کاربردی وب جغرافیایی، WMS ها به عنوان نقشه برای تجسم با استفاده از کتابخانه های جاوا اسکریپت جغرافیایی ارائه می شوند. از این رو، WMS ها در کد جاوا اسکریپت پنهان می شوند. به طور کلی، این کتابخانه های جاوا اسکریپت دارای توابع مشخصی هستند که برای فراخوانی WMS ها استفاده می شوند. این مقاله با یادگیری از تجربیات کشف سایر منابع وب عمیق، قوانین فراخوانی را برای استخراج WMS های نامزد از کد جاوا اسکریپت خلاصه می کند.

3. روش شناسی

بحث ها و تجزیه و تحلیل های قبلی به این نتیجه رسیدند که تعداد زیادی LCWMS در کد جاوا اسکریپت برنامه های کاربردی وب جغرافیایی وجود دارد و باید کشف شوند. کشف این LCWMS ها مستلزم پرداختن به دو چالش است: شناسایی کد جاوا اسکریپت و درک اینکه آن کد چه می کند. شکل 1چارچوب مفهومی برای کشف LCWMS های پنهان در کد جاوا اسکریپت و وب سطح را نشان می دهد. در مقایسه با سایر روش‌های اکتشاف مبتنی بر خزنده متمرکز، رویکرد پیشنهادی شامل سه وظیفه اصلی است. اولین کار شناسایی پیوندهای جاوا اسکریپت از پیش تعریف شده ارائه شده در صفحات وب واکشی شده است. این وظیفه مسئول قضاوت در مورد اینکه آیا سایر کدهای جاوا اسکریپت به طور بالقوه از WMS ها استفاده می کند یا خیر، با تطبیق کد با قضاوت های از پیش تعریف شده، که از برخی نام های پیوند جاوا اسکریپت تشکیل شده اند، است. وظیفه دوم شامل درک کد جاوا اسکریپت شناسایی شده است. این وظیفه استخراج و اعتبارسنجی WMS های نامزد از کد جاوا اسکریپت از طریق تطبیق قوانین است. دستیابی به این هدف تا حد زیادی به قوانین فراخوانی جاوا اسکریپت بستگی دارد که از توابع WMS و فرمت های URL آنها تشکیل شده است. وظیفه سوم انتخاب LCWMSهای موجود از WMSهای کاندید استخراج شده با استفاده از رویکرد تطبیق کلمه کلیدی پوشش زمین است. که درشکل 1 ، وظایف موجود در کادر خط چین مشابه سایر روش های اکتشاف مبتنی بر خزنده متمرکز است. جزئیات بیشتر در زیر بخش های زیر مشخص شده است.

3.1. تشخیص پیوندهای جاوا اسکریپت با استفاده از قضاوت

اکثر برنامه های کاربردی وب جغرافیایی از کتابخانه های جاوا اسکریپت شخص ثالث برای فراخوانی WMS ها برای تجسم نقشه استفاده می کنند. چهار کتابخانه شناخته شده جاوا اسکریپت عبارتند از OpenLayers [ 52 ]، ArcGIS API for JavaScript [ 53 ]، Leaflet [ 54 ] و Mapbox.js [ 55 ]. برای مثال، GlobeLand30 [ 9 ، 14 ] و CropScape [ 6 ] برنامه های کاربردی وب جغرافیایی با استفاده از لایه های باز توسعه داده شدند. زمانی که برای توسعه یک برنامه وب با HTML [ 56 ] مورد استفاده قرار می گیرد، همانطور که در جدول 1 نشان داده شده است، قرار دادن یک مرجع به کتابخانه جاوا اسکریپت در تگ “<script>” یک دستور استاندارد است.. مقدار ویژگی “src” تگ “<script>” یک پیوند جاوا اسکریپت به کد یا کتابخانه خارجی خاص جاوا اسکریپت است. بنابراین، یک صفحه وب که به هر یک از چهار کتابخانه جاوا اسکریپت مرتبط با WMS ارجاع می‌دهد، یک کاندید منطقی برای به طور بالقوه حاوی هر WMS است. بر اساس این یافته، این مقاله قضاوت ها را برای تعیین اینکه آیا صفحات وب واکشی شده دارای پیوندهای جاوا اسکریپت از پیش تعریف شده ای هستند که کد جاوا اسکریپت شناخته شده مرتبط با WMS را اجرا می کنند، خلاصه می کند.
قضاوت‌ها از برخی نام‌های پیوند جاوا اسکریپت تشکیل شده‌اند که بر اساس فرمت‌های مرجع لایه‌های باز، ArcGIS API برای جاوا اسکریپت، برگه و Mapbox.js همانطور که در صفحات وب ظاهر می‌شوند، از پیش تعیین شده‌اند، همانطور که در جدول 1 نشان داده شده است . این قضاوت ها عبارتند از: “Openlayers”، “ol.js”، “ol-debug.js”، “Arcgis”، “leaflet” و “Mapbox”. قضاوت با تطبیق نام با پیوندهای جاوا اسکریپت در صفحات وب واکشی شده انجام می شود. هنگامی که پیوند جاوا اسکریپت در صفحات وب واکشی شده حاوی یکی از نام های از پیش تعریف شده باشد، نشان می دهد که سایر کدهای جاوا اسکریپت در صفحات وب ممکن است از WMS استفاده کنند. بنابراین، سایر کدهای جاوا اسکریپت با قوانین فراخوانی جاوا اسکریپت شرح داده شده در این مقاله مورد بررسی قرار خواهند گرفت.
علاوه بر این، دو اقدام اضافی برای جلوگیری بیشتر از عبور از همه پیوندهای جاوا اسکریپت در یک برنامه وب جغرافیایی اتخاذ شده است. اولین مورد شامل برخی از کلیدواژه‌های مرتبط با WMS است که از طرح‌های نام‌گذاری بسیاری از پیوندهای جاوا اسکریپت واقعی که برای راه‌اندازی WMS شناخته شده‌اند، استخراج شده‌اند. این کلمات کلیدی عبارتند از «نقشه»، «اولیه»، «wms»، «لایه»، «conus»، «قابلیت‌ها»، «دمو»، «پرس و جو» و «محتوا». تنها زمانی که نام پیوند جاوا اسکریپت حاوی حداقل یکی از کلمات کلیدی مرتبط با WMS باشد، خود پیوند جاوا اسکریپت توسط دو قانون فراخوانی بعدی جاوا اسکریپت مورد بررسی قرار می گیرد. دومین معیار محدودکننده اتخاذ شده، خلاصه کردن برخی از کلیدواژه‌های غیر مرتبط با WMS از طرح‌های نام‌گذاری چندین کتابخانه معروف جاوا اسکریپت، مانند JQuery، ExtJS، Proj4js و AngularJS است. کلمات کلیدی عمدتاً شامل «jquery»، «ext-»، «proj4js»، «angularjs، “”openlayers”، “ol.js”، “ol-debug.js”، “leaflet”، “mapbox” و غیره. هنگامی که نام پیوند جاوا اسکریپت حاوی یکی از کلمات کلیدی غیر مرتبط با WMS بالا باشد، پیوند جاوا اسکریپت نادیده گرفته می شود.

3.2. درک کد جاوا اسکریپت با استفاده از قوانین فراخوانی

تنها یک رویکرد کشفی که درک می‌کند که چگونه برنامه‌های کاربردی وب جغرافیایی WMS‌ها را توسط کتابخانه‌های جاوا اسکریپت فراخوانی می‌کنند، می‌توانند WMS‌ها را در این برنامه‌ها کشف کنند [ 57 ]. بنابراین، دو قانون فراخوانی جاوا اسکریپت بر اساس دانش توسعه برنامه‌های کاربردی وب مکانی در مورد WMS خلاصه می‌شوند تا بفهمند چنین کدهای جاوا اسکریپت چه می‌کند.
همانطور که در جدول 2 نشان داده شده است ، اولین قانون فراخوانی جاوا اسکریپت از OpenLayers [ 52 ]، ArcGIS API برای جاوا اسکریپت [ 53 ]، Leaflet [ 54 ] و Mapbox.js [ 55 ] مشتق شده است، که همگی کتابخانه های جاوا اسکریپت هستند که پشتیبانی از استانداردهای نقشه برداری وب OGC [ 58 ]. مجموع هفت تابع رایج فهرست شده اغلب مستقیماً برای فراخوانی WMS در تعداد زیادی از برنامه های کاربردی وب جغرافیایی استفاده می شود. بنابراین، برای درک روش کشف نحوه فراخوانی WMS برنامه‌های کاربردی وب جغرافیایی، هفت تابع مجموعا اولین قانون فراخوانی جاوا اسکریپت را تشکیل می‌دهند که با عبارت منظم نشان داده شده در شکل 2 رسمیت می‌یابد.. این قانون قطعات کد جاوا اسکریپت حاوی URLهای WMS های نامزد را با استفاده از یک رویکرد تطبیق قوانین ساده به دست می آورد. به عنوان مثال، قطعه کد جاوا اسکریپت “OpenLayers.Layer.WMS.Untiled (“Rivers,” ” http://129.174.131.7/cgi/wms_conuswater.cgi “، …)” در برنامه وب جغرافیایی CropScape [ 6 ] می توان به سادگی با تطبیق قانون اول استخراج کرد.
هفت تابع متداول نیز عمیقاً در توابع دیگری که به سادگی WMS ها را فراخوانی می کنند، کپسوله شده اند. به عنوان مثال، در سایت GeoNetwork [ 59 ]، تابع “OpenLayers.Layer.WMS” به عنوان تابع “createWMSLayer” کپسوله می شود، که تنها یک پارامتر آرایه را به عنوان آرگومان برای تعیین URL های پایه WMS می گیرد. فهرست کردن همه توابع کپسوله‌شده غیرممکن است، زیرا برنامه‌های کاربردی وب مکانی مختلف ممکن است نام‌های تابع کپسوله‌شده متفاوتی را اتخاذ کنند. بنابراین، برای درک روش کشف نحوه فراخوانی توابع کپسوله شده WMS، دومین قانون فراخوانی جاوا اسکریپت از قالب‌های URL پایه WMS تشکیل شده و همچنین با یک عبارت منظم، همانطور که در شکل 3 نشان داده شده است، رسمیت می‌یابد .. عبارات منظم برای دو قانون با پیروی از قوانین زبان سی شارپ جمع آوری می شوند. از طریق یک رویکرد تطبیق قوانین ساده، قانون دوم برای استخراج URL های http یا https استفاده می شود که توسط قانون اول از کد جاوا اسکریپت استخراج نمی شوند. به عنوان مثال، هیچ URL را نمی توان با قانون اول از سایت GeoNetwork استخراج کرد [ 59 ]. با این حال، یک URL را می توان با تطبیق قانون دوم از قطعه کد جاوا اسکریپت “GeoNetwork.WMSList.push (“Demo Cubewerx (WMS)-2″، ” http://demo.cubewerx.com/demo/cubeserv/cubeserv ” استخراج کرد. .cgi ”)” در سایت GeoNetwork [ 59 ].
دو قانون فراخوانی جاوا اسکریپت باید در یک دنباله خاص اعمال شوند، همانطور که در شکل 4 نشان داده شده است . تنها زمانی که کد جاوا اسکریپت ارجاع شده توسط یک صفحه وب واکشی شده به عنوان منبع بالقوه WMS شناسایی شود، اولین قانون اجرا می شود. سپس، تنها در صورتی که قانون اول هیچ URL حاوی WMS های کاندید ارائه نکند، قانون دوم اجرا می شود. این ترتیب ضروری است زیرا قاعده دوم از قاعده اول کلی تر است; بنابراین، برای تکمیل قانون اول برای گرفتن همه URL ها در کد جاوا اسکریپت شناسایی شده عمل می کند.
شکل 5شبه کد را برای نشان دادن نحوه استفاده از دو قانون فراخوانی جاوا اسکریپت ارائه می کند. مراحل 1 تا 45 از اولین قانون فراخوانی جاوا اسکریپت برای استخراج URL های WMS های بالقوه استفاده می کنند. مراحل 8 تا 15 با تقسیم رشته منطبق بین دو کاما قبلی، یک رشته برای URL یک WMS بالقوه به دست می‌آورند، زیرا آرگومان دوم نشان‌دهنده URL پایه یک WMS هنگام فراخوانی توابع در نسخه 2 از OpenLayers API (OpenLayers 2.x است. ). مراحل 16 تا 21 همچنین با تقسیم رشته منطبق بین رشته “url:” و کاما اول، یک رشته برای URL یک WMS بالقوه بدست می‌آورند، زیرا مقدار کلید “url” نشان دهنده URL پایه یک WMS هنگام فراخوانی توابع است. در نسخه 3 OpenLayers API (OpenLayers 3.x). به همین ترتیب، یک رشته برای URL یک WMS بالقوه با تقسیم رشته منطبق بین اولین پرانتز سمت چپ و اولین کاما در مراحل 22-27 به دست می آید زیرا اولین پارامتر نشان دهنده URL پایه یک WMS در ArcGIS API برای توابع جاوا اسکریپت، Leaflet، و Mapbox.js. مراحل 28-31 نشان می دهد که پارامتر استخراج شده URL یک WMS بالقوه است اگر با فرمت URL مطابقت داشته باشد. هنگامی که پارامتر استخراج شده یک متغیر جاوا اسکریپت باشد، یک تابع جدید که به طور بالقوه URL WMS را برمی گرداند، توسط موتور تجزیه جاوا اسکریپت ژوراسیک با فراخوانی تابع CallGlobalFunction تولید و اجرا می شود. مراحل 28-31 نشان می دهد که پارامتر استخراج شده URL یک WMS بالقوه است اگر با فرمت URL مطابقت داشته باشد. هنگامی که پارامتر استخراج شده یک متغیر جاوا اسکریپت باشد، یک تابع جدید که به طور بالقوه URL WMS را برمی گرداند، توسط موتور تجزیه جاوا اسکریپت ژوراسیک با فراخوانی تابع CallGlobalFunction تولید و اجرا می شود. مراحل 28-31 نشان می دهد که پارامتر استخراج شده URL یک WMS بالقوه است اگر با فرمت URL مطابقت داشته باشد. هنگامی که پارامتر استخراج شده یک متغیر جاوا اسکریپت باشد، یک تابع جدید که به طور بالقوه URL WMS را برمی گرداند، توسط موتور تجزیه جاوا اسکریپت ژوراسیک با فراخوانی تابع CallGlobalFunction تولید و اجرا می شود.60 ]، همانطور که در مراحل 32-43 نشان داده شده است. در این مراحل، نحو برای تابع جدید از متغیر جاوا اسکریپت و یک عبارت بازگشتی تشکیل شده است، همانطور که در مرحله 38 نشان داده شده است. مراحل 47-53 نحوه اعمال دومین قانون فراخوانی جاوا اسکریپت برای استخراج URL های WMS های بالقوه را نشان می دهد.

3.3. کشف خدمات نقشه وب پوشش زمین (LCWMS) با یک خزنده وب عمیق متمرکز

یک خزنده وب عمیق متمرکز برای کشف LCWMS از کد جاوا اسکریپت و وب سطح پیشنهاد شده است. خزنده وب عمیق متمرکز عمدتاً به قضاوت های خلاصه شده، قوانین فراخوانی جاوا اسکریپت و موتور تجزیه جاوا اسکریپت برای مدیریت کد جاوا اسکریپت متکی است. علاوه بر این، همانطور که در بخش 2.1 ذکر شد ، یک خزنده متمرکز می تواند به طور موثر وب را برای یافتن WMS ها در وب سطحی طی کند. بنابراین، خزنده پیشنهادی از خزنده متمرکز برای عبور از وب برای یافتن WMS ها در وب سطح استفاده می کند. در خزنده پیشنهادی، قضاوت ها به عنوان پلی بین قوانین فراخوانی جاوا اسکریپت و خزنده متمرکز عمل می کنند.
شکل 6چارچوبی را برای خزنده وب عمیق متمرکز نشان می دهد. خزنده پیشنهادی با یک سری URL های اولیه شروع می شود. سپس شروع به واکشی صفحات وب مربوط به URLهای اولیه یا URLهای خزیده شده می کند. سپس، خزنده پیشنهادی یکی از دو شاخه را بر اساس قضاوت های خاص اجرا می کند. وقتی قضاوت ها انجام شد، شعبه اول اجرا می شود. در غیر این صورت شاخه دوم اجرا می شود. شاخه اول عمدتاً هر کد جاوا اسکریپت موجود در صفحه را با موتور تجزیه جاوا اسکریپت ژوراسیک و دو قانون فراخوانی جاوا اسکریپت، مطابق کد شبه که در بالا توضیح داده شده است، تجزیه و تحلیل می کند. هدف آن بدست آوردن URL های WMS کاندید از کد جاوا اسکریپت است، در حالی که شاخه دوم برای بدست آوردن URL های WMS کاندید از وب سطح در نظر گرفته شده است. شاخه دوم با تجزیه HTML صفحات وب برای استخراج عناوین و محتویات آنها شروع می شود. سپس، یک محاسبه ربط با استفاده از مدل فضای برداری سنتی و فرمول کسینوس اجرا می‌شود. در این مرحله، مدل فضای برداری یک مدل جبری است که صفحات وب و موضوع داده شده را به عنوان دو بردار از کلمات کلیدی نشان می دهد. تابع کسینوس با مقایسه انحراف زوایای بین دو بردار اندازه گیری شباهت بین هر بردار صفحه وب و بردار موضعی است. این محاسبه وظیفه سنجش میزان شباهت بین صفحات وب استخراج شده و کلمات کلیدی موضوعی داده شده را دارد. اگر مقدار ارتباط کوچکتر از یک آستانه معین باشد، صفحه وب حذف می شود. در غیر این صورت، زمانی که مقدار ارتباط برابر یا بیشتر از آستانه داده شده باشد، نشانی‌های اینترنتی موجود در صفحه وب استخراج می‌شوند و یک امتیاز اولویت برای نشانی‌های وب بر اساس متن‌های موجود در URLها، صفحات وب اصلی و متن‌های لنگر آن اختصاص داده می‌شود.
پس از اینکه URLهای WMS کاندید از این دو شاخه به دست آمد، به مؤلفه ای که اعتبارسنجی WMS را انجام می دهد ارسال می شود. مؤلفه تأیید اعتبار WMS یک درخواست GetCapabilities ارسال می کند تا بررسی کند آیا URL بالقوه WMS با WMS موجود مطابقت دارد یا خیر. زمانی که URL یک WMS معتبر نباشد، دور انداخته می شود. هنگامی که URL یک WMS در دسترس است، فایل قابلیت آن برای به دست آوردن ابرداده، مانند نام سرویس، چکیده سرویس، کلمات کلیدی سرویس، کادرهای محدود، نام لایه، عنوان لایه، چکیده لایه و غیره تجزیه می شود. سپس، WMS های موجود برای شناسایی LCWMS ها از طریق کلمات کلیدی پوشش زمین منطبق، طبقه بندی می شوند. هنگامی که فراداده WMS نام‌های سرویس/لایه، عناوین، چکیده‌ها و کلمات کلیدی حاوی یکی از کلیدواژه‌های پوشش زمین باشد، WMS به عنوان یک LCWMS طبقه‌بندی می‌شود و در یک فهرست LCWMS ذخیره می‌شود. در غیر این صورت، WMS در یک کاتالوگ WMS جداگانه ذخیره می شود. در نهایت، نشانی‌های اینترنتی در صف اولویت URL همچنان برای واکشی صفحات وب ارسال می‌شوند تا زمانی که صف اولویت URL خالی یا شرایط دیگر برآورده شود.
در مجموع 97 کلمه کلیدی پوشش زمین به زبان انگلیسی از 9 طرح طبقه بندی شناخته شده جمع آوری شد، همانطور که در جدول 3 نشان داده شده است . نه طرح طبقه بندی معروف شامل GlobeLand30 [ 9 ]، برنامه بین المللی ژئوسفر-بیوسفر (IGBP) [ 61 ]، دانشگاه مریلند (UMD) [ 62 ]، پوشش زمین جهانی 2000 (GLC 2000) [ 63 ]، GlobCover [ 6 ] ]، پایش کاربری زمین با استفاده از سنجش از دور از آکادمی علوم چین [ 65 ]، پایگاه ملی پوشش زمین (NLCD) [ 66 ]، مشاهده زمین برای توسعه پایدار جنگل ها (EOSD) [ 67 ] و مجموعه داده های پوشش زمین پویا ( DLCD) [68 ].

4. پیاده سازی LCWMS-SE

4.1. معماری LCWMS-SE

یک نمونه اولیه از LCWMS-SE بر اساس Microsoft NET Framework 3.5 پیاده سازی شد. LCWMS-SE می تواند به طور خودکار LCWMS ها را از شبکه های سطحی و عمیق پیدا کند. علاوه بر این، کاربران را قادر می سازد تا خدمات مورد نیاز خود را در میان LCWMS های کشف شده بازیابی کنند. LCWMS-SE به همراه مستندات در [ 69 ] موجود است. URL موقتی است، اما کاربران می توانند در آینده پیشرفت کشف LCWMS را از سیستم خدمات GlobeLand30 ردیابی کنند.
همانطور که در شکل 7 نشان داده شده است، LCWMS-SE شامل یک خزنده وب عمیق متمرکز، یک ماژول نمایه سازی، یک ماژول بازیابی و یک رابط درخواست کاربر است . خزنده وب عمیق متمرکز و ماژول نمایه سازی یک برنامه دسکتاپ مبتنی بر C# WinForms است. ماژول بازیابی اطلاعات و رابط پرس و جوی کاربر یک برنامه وب مبتنی بر ASP.Net هستند.
خزنده وب عمیق متمرکز مسئول واکشی و کشف LCWMS ها از اینترنت همانطور که در بخش 3.3 بحث شد . LCWMS های کشف شده در یک کاتالوگ LCWMS ذخیره می شوند. ماژول نمایه سازی وظیفه نمایه سازی LCWMS های کشف شده را در فرم های فضایی و متنی برای ایجاد یک پایگاه داده فهرست بر عهده دارد. ماژول بازیابی، که به کاربران اجازه می دهد تا یک کادر محدود و کلمات کلیدی را وارد کنند، قابلیت های جستجو و رتبه بندی را فراهم می کند. رابط پرس و جوی کاربر به کاربران اجازه می دهد پرس و جوهایی را ارسال کنند که از طریق فیلتر کردن کلمه توقف، گسترش مترادف و غیره مورد بررسی قرار می گیرند. در نهایت، رابط پرس و جو کاربر این پرسش ها را به ماژول بازیابی ارسال می کند و نتایج رتبه بندی شده را به کاربران ارائه می دهد.

4.2. نمایه سازی و بازیابی ماژول ها

یک جعبه مرزی یک پارامتر اجباری برای کاربرانی است که باید عملیات GetMap را برای بدست آوردن نقشه های مورد نیاز خود اجرا کنند [ 70 ]. این کاربران معمولاً هنگام جستجوی LCWMS های مورد نظر خود، جعبه های محدود کننده را از قبل می دانند. هنگامی که کادر محدود به عنوان پارامتر پرس و جو ارائه می شود، LCWMS های برگشتی بهتر با نیازهای کاربران مطابقت خواهند داشت. بنابراین، نمونه اولیه LCWMS-SE یک کادر محدود شده توسط کاربر را در نظر می گیرد و آن را به عنوان یک پارامتر پرس و جو اصلی در نظر می گیرد.
از آنجایی که یکی از اهداف LCWMS-SE بازیابی LCWMS ها با توجه به کلمات کلیدی و کادر محدود مشخص شده توسط کاربر است، هر دو اطلاعات متنی و مکانی باید نمایه شوند. اطلاعات متنی به عنوان یک ساختار فایل معکوس با استفاده از Lucene.Net 3.0.3 [ 71 ] نمایه شد. اطلاعات متنی نمایه شده شامل نام سرویس، عنوان سرویس، چکیده سرویس، کلمات کلیدی سرویس، URL سرویس، نام لایه ها، عنوان لایه ها و چکیده لایه ها می باشد. اطلاعات مکانی با استفاده از BboxStrategy در Lucene.Net Contrib Spatial.NTS 3.0.3 نمایه شد [ 72]]. BboxStrategy یک استراتژی فضایی برای نمایه سازی و جستجوی جعبه های محدود است. در BboxStrategy، کادر محدود به صورت چهار فیلد عددی ذخیره می‌شود که به ترتیب حداقل و حداکثر مختصات X و Y را نشان می‌دهند. در موتور جستجو، فقط LCWMS هایی که حداقل یک کادر محدود دارند با استفاده از سیستم مرجع مختصات جغرافیایی EPSG:4326 (گروه بررسی نفت اروپا) به صورت مکانی نمایه می شوند.
بر اساس این شاخص های متنی و مکانی، این موتور جستجو سه حالت جستجو را پیاده سازی می کند. حالت اول مبتنی بر رویکرد تطبیق کلمات کلیدی است. حالت فقط برای کلمات کلیدی مشخص شده در عنوان، نام، چکیده و کلمات کلیدی در سطح سرویس و سطح لایه نقشه جستجو می کند. حالت جستجوی دوم از روش مبتنی بر جعبه مرزی استفاده می کند. این حالت فقط LCWMS را برمی‌گرداند که وسعت فضایی آن روابط فضایی مشخص شده با کادر محدود مشخص شده دارد. این روابط فضایی به «حاوی»، «حاوی» و «همپوشانی» اشاره دارد. حالت سوم ترکیبی از دو حالت اول است. هنگامی که کاربران این حالت پرس و جو را انتخاب می کنند، موتور جستجو فقط LCWMS هایی را برمی گرداند که حاوی کلمات کلیدی مشخص شده هستند و وسعت فضایی آنها روابط مکانی داده شده را با کادر محدود مشخص شده دارد.

4.3. رابط پرس و جو کاربر

هدف رابط پرس و جو کاربر این است که هم نیازهای کاربران را به سیستم منتقل کند و هم پاسخ های سیستم را به کاربر نمایش دهد. به عبارت دیگر، پلی است بین کاربران و سیستم [ 73 ]. رابط کاربری پرس و جو موتور جستجو از هفت بخش تشکیل شده است که شامل یک فیلد ورودی متن برای وارد کردن عبارات پرس و جو، یک رابط گرافیکی تعاملی، یک رابط جعبه مرزی، یک رابط حالت بازیابی، یک رابط روابط، یک دکمه جستجو و یک لیست متنی است. همانطور که در شکل 8 نشان داده شده است .
به طور خاص، یک ورودی متنی برای یک عبارت پرس و جو، کاربران را قادر می سازد تا مشخص کنند که LCWMS های مورد نظرشان در قالب لیستی از کلمات کلیدی چه چیزی باید باشد. در همین حال، رابط جعبه مرزی و رابط گرافیکی تعاملی به کاربران این امکان را می دهد که منطقه ای را که LCWMS های مورد نظر آنها باید در قالب مختصات یا نقشه پوشش دهند، مشخص کنند. رابط گرافیکی تعاملی با استفاده از OpenLayers API [ 52 ] پیاده‌سازی شد و شامل برخی از ابزارهای اصلی نقشه، مانند پان، زوم، انتخاب مستطیل و غیره است. نقشه پایه آن مجموعه داده GlobeLand30 [ 14 ] برای سال 2010 است. رابط حالت بازیابی به کاربران اجازه می دهد تا با موتور جستجو در هر یک از سه حالت مختلف که در بخش 4.2 توضیح داده شده است تعامل داشته باشند. رابط روابط کاربران را قادر می سازد تا از بین سه رابطه فضایی مختلف انتخاب کنند تا نتایج جستجو را در فرم های فضایی محدود کنند. پس از وارد کردن کلمات کلیدی و/یا کادر محدود، اختصاص حالت بازیابی و رابطه فضایی، کاربر روی دکمه جستجو کلیک می کند و LCWMS های منطبق مربوطه در لیست متن نمایش داده می شوند. هر نتیجه شامل عنوان سرویس، چکیده سرویس، عناوین لایه، شماره لایه و کادر محدود است. درخواست‌های سرویس مانند GetCapabilities، GetMap و AddToLayer نیز ارائه می‌شوند، در صورتی که LCWMS دارای یک کادر محدود است که از سیستم مرجع مختصات جغرافیایی EPSG:4326 استفاده می‌کند. درخواست AddToLayer به کاربران اجازه می دهد تا LCWMS های برگشتی را در رابط گرافیکی تعاملی ادغام کنند.

5. آزمایش ها و تجزیه و تحلیل

این بخش عملکرد خزنده وب عمیق متمرکز پیشنهادی را با رویکرد مبتنی بر خزنده متمرکز مقایسه می‌کند، شمارش LCWMS‌هایی را که این خزنده‌ها می‌توانند در وب پیدا کنند، ارزیابی می‌کند، و توانایی‌های LCWMS-SE را در مورد بازیابی و ادغام LCWMS‌های کشف‌شده نشان می‌دهد. . آزمایش‌ها با استفاده از یک CPU Intel Pentium 4، با فرکانس 3.20 گیگاهرتز، با 1 گیگابایت رم و 6 M پهنای باند انجام شده است.

5.1. آزمایش 1: کشف WMS از کد جاوا اسکریپت

این بخش آزمایشی را ارائه می دهد که در 15 مارس 2015 انجام شد که توانایی خزنده وب عمیق متمرکز پیشنهادی را برای کشف WMS های پنهان در کد جاوا اسکریپت در مقایسه با رویکرد مبتنی بر خزنده متمرکز نشان می دهد. جدول 4 هشت URL بذر مورد استفاده در آزمایش اول را فهرست می کند. هشت URL اولیه مربوط به هشت برنامه کاربردی وب جغرافیایی آنلاین هستند که در مجموع 43 WMS منحصر به فرد را فراخوانی می کنند. 43 WMS منحصر به فرد همگی در کد جاوا اسکریپت پنهان هستند. از این تعداد، تنها 32 WMS در دسترس است. در این آزمایش، دامنه خزیدن، که به جایی که خزنده می‌تواند از اینترنت عبور کند و صفحات وب را با لینک‌ها بازیابی کند، اشاره دارد، تنها به این هشت برنامه کاربردی وب جغرافیایی آنلاین محدود می‌شود.
خزنده وب عمیق متمرکز پیشنهادی تمام 32 WMS موجود را کشف کرد، در حالی که رویکرد مبتنی بر خزنده متمرکز هیچ WMS را کشف نکرد. این نشان می دهد که خزنده وب عمیق متمرکز پیشنهادی توانایی کشف WMS های پنهان در کد جاوا اسکریپت را دارد. موفقیت آن تا حد زیادی به قضاوت ها، قوانین فراخوانی جاوا اسکریپت و موتور تجزیه جاوا اسکریپت که قبلا در این مقاله مورد بحث قرار گرفت بستگی دارد. با استفاده از اینها، خزنده وب عمیق متمرکز می داند که چگونه برنامه های وب جغرافیایی WMS ها را فراخوانی می کنند. در مقابل، رویکرد مبتنی بر خزنده متمرکز تنها از یک موتور تجزیه HTML استفاده می کند و بنابراین، هیچ توانایی برای بررسی WMS های پنهان در کد جاوا اسکریپت را ندارد. در نتیجه، نمی تواند WMS های پنهان در این URL ها را کشف کند.
بخش 2.3 برخی از مطالعات را مورد بحث قرار می دهد که از قوانینی برای استخراج URL ها از کد جاوا اسکریپت مربوط به دامنه های عمومی استفاده می کنند. علاوه بر این، خزنده منبع باز Heritrix یک ماژول توسعه یافته (ExtractorJS) برای استخراج URL ها از کد جاوا اسکریپت توسعه داده است. برای مقایسه کارایی بین خزنده‌های موجود با ماژول جاوا اسکریپت و رویکرد ما، یک آزمایش تکمیلی در 25 آوریل 2016 انجام شد. خط پایه برای مقایسه، ماژول Heritrix ExtractorJS است. نشانی‌های اینترنتی Seed آدرس‌هایی هستند که در جدول 4 به شماره‌های 2، 3، 5، 6 و 7 هستند.(سه URL باقیمانده نامعتبر هستند). دامنه خزیدن فقط به این پنج برنامه کاربردی وب جغرافیایی آنلاین محدود می شود. هر دو رویکرد تمام WMS های موجود را که در کد جاوا اسکریپت پنهان شده بودند، کشف کردند. با این حال، رویکردی که از ExtractorJS استفاده می‌کند، 3266 URL را برای کشف WMS‌های موجود استخراج و تأیید کرد، در حالی که رویکرد ما تنها 58 URL را برای کشف WMS‌های موجود استخراج و تأیید کرد، که نشان می‌دهد رویکرد ما کارایی بالاتری نسبت به رویکرد ExtractorJS دارد. این به این دلیل است که معیارها، دو معیار اضافی، و اولین قوانین فراخوانی جاوا اسکریپت به رویکرد ما اجازه می‌دهد تا بفهمد که چگونه آن برنامه‌های وب جغرافیایی WMS را فراخوانی می‌کنند. در مقابل، رویکردی که از ExtractorJS استفاده می کند، از قانون کلی تری نسبت به قوانین فراخوانی دوم جاوا اسکریپت در رویکرد ما برای استخراج URL ها از کد جاوا اسکریپت استفاده می کند.

5.2. آزمایش 2: شمارش LCWMS

آزمایش دوم برای شمارش LCWMS هایی که خزنده پیشنهادی در وب کشف کرد انجام شد. در این آزمایش، دو مجموعه از URLهای اولیه وجود دارد. مجموعه اول از همان هشت نشانی وب مکانی مکانی مانند آزمایش 1 استفاده می کند. مجموعه دوم با ارسال مجموعه ای از پرس و جوها به API جستجوی Bing به دست می آید. این پرس و جوها شامل کلمات کلیدی اجباری، کلمات کلیدی پوشش زمین و نام محصولات پوشش زمین است. همانطور که در جدول 5 نشان داده شده است، کلمات کلیدی اجباری با سه عملیات یک WMS و نام کتابخانه های جاوا اسکریپت مرتبط هستند . کلمات کلیدی پوشش زمین در جدول 2 در بخش 3.2 فهرست شده است . در مجموع 31 نام محصول پوشش زمین در جدول 6 گزارش شده است. هر درخواست Bing از یک کلمه کلیدی اجباری و یک کلمه کلیدی پوشش زمین یا نام محصول تشکیل شده است. اجرای این پرس و جوها در برابر API جستجوی Bing منجر به در مجموع 4834 URL شد. علاوه بر این، پرس و جوهای اضافی به صورت پویا از صفحات وب واکشی شده با استفاده از روش حداکثر فرکانس برای انجام به روز رسانی روزانه لیست URL های اولیه تولید می شوند.
این آزمایش به طور متناوب از 16 ژوئن 2015 تا 11 نوامبر 2015 انجام شد. در مجموع 17874 WMS موجود با 11901 LCWMS کشف شد، همانطور که در جدول 7 نشان داده شده است . جدول 7 نشان می دهد که رویکرد پیشنهادی تعداد قابل توجهی از WMS ها را نسبت به کارهای قبلی لی و همکاران کشف می کند. [ 16 ]، لوپز-پلیسر و همکاران. [ 26 ]، کلیمنت و همکاران. [ 27 ] و دو وب سایت معروف [ 80 ، 81 ]. این کارهای قبلی روی یک دامنه خاص تمرکز نداشتند و همه آنها WMS های عمومی را جستجو کردند. علاوه بر این، WMS ها و LCWMS های کشف شده در مجموع دارای 1886 میزبان WMS منحصر به فرد هستند، در حالی که Bone و همکاران. [ 32] گزارش داد که فقط 823 میزبان WMS منحصر به فرد پیدا کرده است. عملکرد برتر رویکرد پیشنهادی عمدتاً به این دلیل است که رویکرد پیشنهادی WMS های اضافی را در وب عمیق بر اساس قوانین فراخوانی جاوا اسکریپت پیدا می کند و با به روز رسانی منظم URL های اولیه، تأثیر رانش موضوع برای کشف سریع و دقیق WMS ها را کاهش می دهد.
با این حال، با گذشت زمان، تعداد WMS ها به طور طبیعی افزایش می یابد، که بر اعتبار مقایسه تأثیر می گذارد. بنابراین، تعداد خدمات یافت شده توسط کلیمنت و همکاران. [ 27 ] و دو وب سایت معروف [ 80 ، 81 ] دوباره در 27 آوریل 2016 ردیابی شدند. مجموعاً 4233 WMS با 2922 WMS موجود در وب سایت [ 82 ] ارائه شده توسط Kliment و همکاران یافت شد. [ 27 ]. علاوه بر این، در مجموع 8618 و 4029 WMS توسط دو وب سایت معروف [ 80 ، 81 ] یافت شد. با این حال، تعداد WMS های کشف شده توسط رویکرد پیشنهادی ما هنوز بیشتر از تعداد WMS های یافت شده در سه روش بالا است.
علاوه بر این، URL های اولیه و دامنه خزیدن نیز ممکن است بر اعتبار مقایسه تأثیر بگذارد. در آزمایش 2، URL های بذر مورد استفاده در Li et al. [ 16 ] و دو وب سایت معروف [ 80 ، 81 ] ناشناخته هستند. مشابه رویکرد ما، URLهای بذر در Lopez-Pellicer et al. [ 26 ] با ارسال مجموعه‌ای از پرسش‌ها به API جستجوی Bing و API جستجوی وب Google ارائه شد. این روش مشابه رویکرد ما است. کلیمنت و همکاران [ 27] از یک روش مبتنی بر موتور جستجوی گوگل برای کشف خدمات استفاده کرد. این روش نیازی به URL های اولیه ندارد، اما موتور جستجوی گوگل آدرس های اولیه بیشتری نسبت به روش ما دارد. علاوه بر این، هیچ یک از این رویکردها هیچ محدودیتی بر دامنه خزیدن اعمال نکردند. در این آزمایش، URLهای اولیه تنها تأثیر کمی بر نتایج نهایی داشتند، زیرا همه رویکردها در یک دوره زمانی طولانی اجرا شدند (در واقع، برخی از رویکردها هنوز در حال اجرا هستند). بنابراین، URL های بذر و دامنه خزیدن کمترین تأثیر را بر اعتبار مقایسه در این آزمایش دارند.
اگرچه رویکرد ما تعداد بیشتری WMS و LCWMS را نسبت به رویکردهای مقایسه شده کشف کرده است، اما این رویکردها هنوز معتبر و ضروری هستند. زیرا آنها مکمل یکدیگر هستند و می توان از آنها برای ایجاد تعادل مناسب بین هزینه های مورد نیاز برای کشف WMS و کارایی استفاده کرد. به عنوان مثال، روش مبتنی بر موتور جستجوی گوگل که در کلیمنت و همکاران استفاده شده است. [ 27 ]، که هزینه های توسعه کمی دارد، می تواند با رویکرد ما برای بهبود کارایی کشف ترکیب شود.
شکل 9 توزیع فضایی و تعداد LCWMS های کشف شده در رویکرد ما را نشان می دهد. موقعیت مکانی یک LCWMS را می توان از طریق آدرس IP (پروتکل اینترنت) آن به دست آورد. مهم ترین مکان های LCWMS (جایی که 5 یا بیشتر یافت شد) در شکل 8 نشان داده شده است . شمارنده ها و مخرج های این برچسب ها به ترتیب تعداد LCWMS ها و WMS ها را نشان می دهند.
LCWMSهای کشف شده در بالا را می توان به LCWMSهای واقعی و LCWMSهای تعمیم یافته بر اساس نوع داده اصلی آنها تقسیم کرد. LCWMS های واقعی مستقیماً از داده ها و نقشه های پوشش زمین منتشر می شوند، در حالی که LCWMS های تعمیم یافته از داده های جغرافیایی و نقشه های مربوط به پوشش زمین منتشر می شوند. برای تخمین تعداد LCWMS های واقعی در LCWMS های کشف شده، یک استراتژی نمونه گیری تقسیم و تصادفی انجام می شود. ابتدا، تعداد LCWMS های حاوی داده های مربوط به هر طبقه به جز پوشش گیاهی در جدول 3 از طریق تطبیق کلمات کلیدی پوشش زمین هر طبقه در یک ترتیب اولویت بندی شده محاسبه می شود. به عنوان مثال، یک LCWMS به عنوان زمین زراعی طبقه بندی می شود اگر ابرداده آن حاوی یکی از کلمات کلیدی زمین زراعی در جدول 3 باشد.. سپس، ده LCWMS تصادفی برای هر کلاس به عنوان نمونه انتخاب می شوند تا به صورت دستی مشخص شود که آیا آنها LCWMS واقعی هستند یا خیر. این فرآیند پنج بار (فقط یک بار برای کلاس های بوته زار و تاندرا) انجام شد. جدول 8 تعداد LCWMS های حاوی داده های مربوط به هر کلاس و نسبت متوسط ​​LCWMS های واقعی را نشان می دهد.
از جدول 8 می توان مشاهده کرد که نسبت LCWMS های واقعی در LCWMS های کشف شده با کلاس های مختلف متفاوت است. تا 90٪ از LCWMS های واقعی حاوی داده هایی در مورد طبقه پوشش زمین هستند. این LCWMS های واقعی شامل NLCD سازمان زمین شناسی ایالات متحده، داده های پوشش زمین آمریکای جنوبی برای سال 2010، داده های GlobeLand30 و غیره است. با این حال، تنها حدود 30٪ از LCWMS های واقعی حاوی داده هایی در مورد طبقه زمین های بایر هستند. این به این دلیل است که بسیاری از LCWMS ها در این کلاس از داده های بررسی زمین شناسی منتشر می شوند که ابرداده آنها اغلب حاوی یک یا چند کلمه کلیدی زمین بایر در جدول 3 است .

5.3. مطالعه موردی برای بازیابی و ادغام

علاوه بر این، یک مطالعه موردی برای نشان دادن بازیابی و ادغام LCWMS های کشف شده در LCWMS-SE ارائه شده است. فرض کنید کاربری می خواهد مجموعه داده های پوشش زمین جدید را در سراسر برزیل جستجو کند تا آنها را با مجموعه داده های GlobeLand30 برای سال 2010 مقایسه کند. بر این اساس، برای مطابقت با هدف پرس و جو، کلمات کلیدی “پوشش زمین 2010” و یک کادر محدود در اطراف برزیل باید ارسال شوند. به موتور جستجوی طراحی شده همانطور که در شکل 10 نشان داده شده است ، در مجموع 803 LCWMS در میان LCWMS های کشف شده یافت شد. پرس و جو تقریباً 0.148 ثانیه طول می کشد. جعبه‌های مرزی همه LCWMS‌های برگشتی حاوی کادر محدود مشخص شده است. شکل 11نشان دهنده ادغام بین داده های پوشش زمین از مجموعه داده GlobeLand30-2010 و آمریکای جنوبی برای سال 2010 با وضوح 30 متر پس از کلیک کاربر روی پیوند “AddToLayer” (فلش قرمز) است. این نشان می دهد که موتور جستجوی طراحی شده توانایی بازیابی و ادغام LCWMS ها را دارد.

6. نتیجه گیری

کشف خودکار و اتصال به خدمات نقشه وب پوشش زمین ایزوله (LCWMS) به اشتراک گذاری داده های پوشش زمین کمک می کند، که می تواند از برنامه توسعه پایدار 2030 سازمان ملل پشتیبانی کند و با اهداف CoGLand مطابقت داشته باشد. رویکردهای اکتشاف فعال قبلی عمدتاً با هدف یافتن LCWMS های واقع در وب سطحی و پشت رابط های پرس و جو در وب عمیق بوده است. با این حال، به دلیل چالش‌های موجود در شناسایی و درک کد جاوا اسکریپت مربوط به سرویس نقشه وب (WMS)، تلاش‌های بسیار کمی برای کشف LCWMS از کد جاوا اسکریپت وب عمیق انجام شده است. در این مقاله، یک خزنده وب عمیق متمرکز برای حل این مشکلات و کشف LCWMS های اضافی پیشنهاد شد. اولین، برخی قضاوت ها و دو قانون فراخوانی جاوا اسکریپت برای شناسایی و درک کد جاوا اسکریپت مربوط به WMS برای استخراج WMS های نامزد ایجاد شد. اینها از نام‌هایی از پیوندهای جاوا اسکریپت از پیش تعریف‌شده و عبارات منظم تشکیل شده‌اند که به ترتیب با توابع فراخوانی و فرمت‌های URL WMS مطابقت دارند. سپس، نامزدهای شناسایی شده در یک استراتژی خزیدن متمرکز سنتی، که بین وظایف واکشی صفحات وب و تجزیه صفحات وب قرار دارد، ادغام می شوند. ثالثاً، LCWMS ها با تطبیق با کلمات کلیدی پوشش زمین انتخاب می شوند. علاوه بر این، یک موتور جستجوی LCWMS بر اساس خزنده وب عمیق متمرکز اجرا شد تا به کاربران در بازیابی و ادغام LCWMS های کشف شده کمک کند. اینها از نام‌هایی از پیوندهای جاوا اسکریپت از پیش تعریف‌شده و عبارات منظم تشکیل شده‌اند که به ترتیب با توابع فراخوانی و فرمت‌های URL WMS مطابقت دارند. سپس، نامزدهای شناسایی شده در یک استراتژی خزیدن متمرکز سنتی، که بین وظایف واکشی صفحات وب و تجزیه صفحات وب قرار دارد، ادغام می شوند. ثالثاً، LCWMS ها با تطبیق با کلمات کلیدی پوشش زمین انتخاب می شوند. علاوه بر این، یک موتور جستجوی LCWMS بر اساس خزنده وب عمیق متمرکز اجرا شد تا به کاربران در بازیابی و ادغام LCWMS های کشف شده کمک کند. اینها از نام‌هایی از پیوندهای جاوا اسکریپت از پیش تعریف‌شده و عبارات منظم تشکیل شده‌اند که به ترتیب با توابع فراخوانی و فرمت‌های URL WMS مطابقت دارند. سپس، نامزدهای شناسایی شده در یک استراتژی خزیدن متمرکز سنتی، که بین وظایف واکشی صفحات وب و تجزیه صفحات وب قرار دارد، ادغام می شوند. ثالثاً، LCWMS ها با تطبیق با کلمات کلیدی پوشش زمین انتخاب می شوند. علاوه بر این، یک موتور جستجوی LCWMS بر اساس خزنده وب عمیق متمرکز اجرا شد تا به کاربران در بازیابی و ادغام LCWMS های کشف شده کمک کند.
آزمایش‌ها نشان داد که خزنده وب عمیق متمرکز پیشنهادی توانایی کشف LCWMS‌های پنهان در کد جاوا اسکریپت را دارد. با جستجو در وب جهانی، خزنده پیشنهادی در مجموع 17874 WMS موجود پیدا کرد که 11901 مورد آن LCWMS بود. نتایج یک مطالعه موردی برای بازیابی مجموعه داده‌های پوشش زمین در سراسر برزیل نشان می‌دهد که موتور جستجوی طراحی‌شده LCWMS گام مهمی به سوی تحقق یکپارچه‌سازی اطلاعات پوشش زمین برای اهداف نقشه‌برداری و نظارت جهانی است.
با وجود مزایای خزنده پیشنهادی، کار زیادی برای بهبود اثربخشی کشف LCWMS باقی مانده است. ابتدا، خزنده پیشنهادی تنها یک نوع اسکریپت (جاوا اسکریپت) را در نظر می گیرد. با این حال، سایر انواع اسکریپت (یعنی ActionScript) نیز می توانند LCWMS ها را فراخوانی کنند. در آینده، قوانین اضافی برای کمک به خزنده پیشنهادی برای کشف LCWMS های فراخوانی شده از سایر زبان های برنامه نویسی خلاصه می شود. ثانیا، برخی از LCWMS های موجود در حال حاضر ممکن است در آینده در دسترس نباشند. کار آینده شامل یک مکانیسم نظارت برای نظارت و ارزیابی کیفیت LCWMS های کشف شده خواهد بود. سوم، خزنده پیشنهادی از تابع کسینوس برای اندازه‌گیری ارتباط موضعی و اختصاص اولویت‌ها به URLها استفاده کرد. علاوه بر این، یک رویکرد تطبیق کلمات کلیدی را برای طبقه بندی هر WMS اتخاذ کرد. در آینده،

اختصارات

در این نسخه از اختصارات زیر استفاده شده است:

WMS خدمات نقشه وب
LCWMS خدمات نقشه وب پوشش زمین
URL منبع یاب یکنواخت
CSW خدمات کاتالوگ برای وب
OGC کنسرسیوم فضایی باز
ISPRS فتوگرامتری و سنجش از دور
GEO گروه مشاهدات زمین
کوگلند پلت فرم خدمات اطلاعات زمین مشترک جهانی
LCWMS-SE موتور جستجوی LCWMS
WFS سرویس ویژگی های وب
WCS خدمات پوشش وب
HTML زبان نشانه گذاری فرامتن

منابع

  1. ژانگ، سی. لی، دبلیو. نقش ویژگی های وب و خدمات نقشه وب در به اشتراک گذاری داده های مکانی در زمان واقعی برای برنامه های کاربردی مهم زمان. کارتوگر. Geogr. Inf. علمی 2005 ، 32 ، 269-283. [ Google Scholar ] [ CrossRef ]
  2. فلورچیک، ای جی؛ نوگراس-ایسو، جی. Zarazaga-Soria، FJ; Béjar, R. شناسایی تصاوير قاعده در خدمات نقشه وب. محاسبه کنید. Geosci. 2012 ، 47 ، 130-142. [ Google Scholar ] [ CrossRef ]
  3. لی، دبلیو. آهنگ، م. ژو، بی. کائو، ک. گائو، اس. تکنیک های بهبود عملکرد برای خدمات وب جغرافیایی در یک محیط زیرساخت سایبری – مطالعه موردی با یک پورتال مدیریت بلایا. محاسبه کنید. محیط زیست سیستم شهری 2015 ، 54 ، 314-325. [ Google Scholar ] [ CrossRef ]
  4. Plesa، L. طراحی، پیاده سازی و بهره برداری از JPL OnEarth WMS Server. در خدمات جغرافیایی و برنامه های کاربردی برای اینترنت ، ویرایش اول. Sample, JT, Shaw, K., Tu, S., Abdelguerfi, M., Eds. Springer: New York, NY, USA, 2008; جلد 5، ص 93-109. [ Google Scholar ]
  5. هو، سی. ژائو، ی. لی، جی. ما، دی. Li, X. وب سرویس مکانی برای تجسم داده های سنجش از راه دور. در مجموعه مقالات کنفرانس بین المللی IEEE در سال 2011 در مورد شبکه های اطلاعاتی پیشرفته و برنامه های کاربردی (AINA)، Biopolis، سنگاپور، 22-25 مارس 2011. صص 594-601.
  6. هان، دبلیو. یانگ، ز. دی، ال. مولر، R. CropScape: یک برنامه کاربردی مبتنی بر وب برای کاوش و انتشار محصولات داده‌های زمین‌های زراعی جغرافیایی ایالات متحده برای پشتیبانی تصمیم. محاسبه کنید. برق کشاورزی 2012 ، 84 ، 111-123. [ Google Scholar ] [ CrossRef ]
  7. استپینسکی، تی اف. نتزل، پ. Jasiewicz, J. LandEx – ابزار GeoWeb برای پرس و جو و بازیابی الگوهای فضایی در مجموعه داده های پوشش زمین. IEEE J. Sel. بالا. Appl. زمین Obs. Remote Sens. 2014 ، 7 ، 257-266. [ Google Scholar ] [ CrossRef ]
  8. آویزان شدن.؛ چن، جی. او، سی. لی، اس. وو، اچ. لیائو، ا. پنگ، اس. یک سیستم مبتنی بر وب برای پشتیبانی از تولید داده های پوشش زمین جهانی. ISPRS J. Photogramm. Remote Sens. 2015 ، 103 ، 66-80. [ Google Scholar ] [ CrossRef ]
  9. چن، جی. چن، جی. لیائو، ا. کائو، ایکس. چن، ال. چن، ایکس. او، سی. آویزان شدن.؛ پنگ، اس. لو، ام. و همکاران نقشه برداری جهانی پوشش زمین با وضوح 30 متر: یک رویکرد عملیاتی مبتنی بر POK ISPRS J. Photogramm. Remote Sens. 2015 ، 103 ، 7-27. [ Google Scholar ] [ CrossRef ]
  10. ببینید، L. پرگر، سی. هوفر، م. ویچسلبامب، جی. درزل، سی. Fritz, S. Laco-Wiki: یک پورتال آنلاین دسترسی آزاد برای اعتبارسنجی پوشش زمین. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2015 ، 1 ، 167-171. [ Google Scholar ] [ CrossRef ]
  11. 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 ]
  12. فریتز، اس. مک کالوم، آی. شیل، سی. پرگر، سی. ببینید، L. شپاچنکو، دی. ون در ولده، م. 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 ]
  13. باستین، ال. بوکانان، جی. برسفورد، ا. پکل، جی اف. Dubois, G. نقشه برداری منبع باز و خدمات برای اعتبارسنجی پوشش زمین مبتنی بر وب. Ecol. Inf. 2013 ، 14 ، 9-16. [ Google Scholar ] [ CrossRef ]
  14. چن، جی. بان، ی. لی، جنوب چین: دسترسی باز به نقشه پوشش زمین. طبیعت 2014 ، 514 ، 434-434. [ Google Scholar ]
  15. شن، اس. ژانگ، تی. وو، اچ. Liu, Z. یک سرویس کاتالوگ برای خدمات GIS اینترنتی که از ارزیابی خدمات فعال و نظارت بر کیفیت در زمان واقعی پشتیبانی می کند. ترانس. GIS 2012 ، 16 ، 745-761. [ Google Scholar ] [ CrossRef ]
  16. لی، دبلیو. یانگ، سی. یانگ، سی. یک خزنده فعال برای کشف خدمات وب جغرافیایی و الگوی توزیع آنها – مطالعه موردی سرویس نقشه وب OGC. بین المللی جی. جئوگر. Inf. علمی 2010 ، 24 ، 1127-1147. [ Google Scholar ] [ CrossRef ]
  17. پیچینی، اچ. کازانووا، ام. Leme، LP; Furtado، A. انتشار داده های جغرافیایی وب عمیق. GeoInformatica 2014 ، 18 ، 769-792. [ Google Scholar ] [ CrossRef ]
  18. دیکسیت، ا. بهاتیا، KK; Yadav, J. طراحی و پیاده سازی خزنده وب پنهان معنایی مبتنی بر دامنه. بین المللی J. Innov. Adv. محاسبه کنید. علمی 2015 ، 4 ، 73-84. [ Google Scholar ]
  19. مانوی، م. دیکسیت، ا. Bhatia، KK طراحی یک خزنده تطبیقی ​​مبتنی بر هستی شناسی برای وب پنهان. در مجموعه مقالات کنفرانس بین المللی سیستم های ارتباطی و فناوری های شبکه (CSNT)، گوالیور، هند، 6-8 آوریل 2013. IEEE: واشنگتن، دی سی، ایالات متحده آمریکا، 2013؛ صص 659-663. [ Google Scholar ]
  20. لوپز-پلیسر، FJ; بیجار، ر. سوریا، FJZ خزیدن نقاط پایانی نامرئی جغرافیایی. در ارائه پیوندهای معنایی به وب مکانی نامرئی ، ویرایش اول. دانشگاه ساراگوزا: ساراگوزا، اسپانیا، 2012; ص 20-71. [ Google Scholar ]
  21. Lopez-Pellicer، FJ پیوند معنایی وب جغرافیایی نامرئی. Ph.D. پایان نامه، دانشگاه ساراگوزا، ساراگوسا، اسپانیا، 2011. [ Google Scholar ]
  22. گزارش ISPRS در مورد کارگاه بین المللی حمایت از زمین آینده با اطلاعات جغرافیایی جهانی. در دسترس آنلاین: http://www.isprs.org/news/newsletter/2015–03/53_Report_on_Beijing_Workshop.pdf (در 1 نوامبر 2015 قابل دسترسی است).
  23. بستر دانش توسعه پایدار در دسترس آنلاین: https://sustainabledevelopment.un.org/sdgsproposal (در 13 ژانویه 2016 قابل دسترسی است).
  24. لاتام، جی. کومانی، ر. روزاتی، آی. Bloise, M. Global Land Cover SHARE (GLC-SHARE) پایگاه داده نسخه بتا، نسخه 1.0. در دسترس آنلاین: http://www.fao.org/uploads/media/glc-share-doc.pdf (در 7 ژانویه 2016 قابل دسترسی است).
  25. چن، جی. وو، اچ. لی، اس. چن، اف. Han, G. محاسبات پویا خدمات گرا برای داده های بزرگ پوشش زمین. جی. ژئومات. علمی تکنولوژی 2013 ، 30 ، 369-374. [ Google Scholar ]
  26. لوپز-پلیسر، FJ; Rentería-Agualimpia، W.; نوگراس-ایسو، جی. Zarazaga-Soria، FJ; Muro-Medrano، روابط عمومی به سمت فهرست فعال خدمات وب جغرافیایی. در مجموعه مقالات کنفرانس بین المللی AGILE’2012، آوینیون، فرانسه، 24-27 آوریل 2012; صص 63-79.
  27. کلیمنت، تی. کلیمنت، ام. Tuchyňa, M. ارائه خدمات OGC بیشتر در وب قابل کشف برای جامعه SDI. در مجموعه مقالات کنفرانس جغرافیایی SGEM 2015 در انفورماتیک، ژئوانفورماتیک و سنجش از دور، آلبنا، بلغارستان، 16 تا 25 ژوئن 2015.
  28. هو، دی. وو، اچ. چن، جی. Li, R. یک خزنده متمرکز برای اطلاعات وضعیت سرزمین های مرزی با ویژگی های جغرافیایی نام مکان ها. پایداری 2014 ، 6 ، 6529-6552. [ Google Scholar ] [ CrossRef ]
  29. المپانیدیس، جی. کوتروپولوس، سی. Pitas, I. ترکیب تحلیل متن و پیوند برای خزیدن متمرکز – برنامه ای برای موتورهای جستجوی عمودی. Inf. سیستم 2007 ، 32 ، 886-908. [ Google Scholar ] [ CrossRef ]
  30. Wilkas، LR; Villarruel، A. مقدمه ای بر موتورهای جستجو. J. Spec. اطفال پرستاران 2001 ، 6 ، 149-151. [ Google Scholar ] [ CrossRef ]
  31. لوپز-پلیسر، FJ; بیجار، ر. فلورچیک، ای جی؛ مورو مدرانو، روابط عمومی؛ Zarazaga-Soria، FJ مروری بر اجرای خدمات وب OGC در سراسر اروپا. بین المللی جی. اسپات. زیرساخت داده Res. 2011 ، 6 ، 168-186. [ Google Scholar ]
  32. استخوان، سی. آگر، ا. بونزل، ک. Tierney, L. یک موتور جستجوی مکانی برای کشف داده‌های مکانی چند قالبی در سراسر وب. بین المللی جی. دیگ. زمین 2016 ، 9 ، 47-62. [ Google Scholar ] [ CrossRef ]
  33. لوپز-پلیسر، FJ; فلورچیک، ای جی؛ بیجار، ر. مورو مدرانو، روابط عمومی؛ Zarazaga-Soria، FJ کشف خدمات وب جغرافیایی در موتورهای جستجو. اطلاعات آنلاین Rev. 2011 , 35 , 909-927. [ Google Scholar ]
  34. شن، پی. گی، ز. شما، ال. هو، ک. Wu, H. خزنده موضوعی برای کشف خدمات وب جغرافیایی. J. Geo-Inf. علمی 2015 ، 17 ، 185-190. [ Google Scholar ]
  35. مدهاوان، ج. کو، دی. Kot، Ł. گاناپاتی، وی. راسموسن، آ. Halevy، A. خزیدن عمیق وب گوگل. در مجموعه مقالات بنیاد VLDB، اوکلند، نیوزلند، 23 تا 28 اوت 2008. ص 1241-1252.
  36. مهدی، س. علی، م. نیما، گ. زهرا، ر. ریحانه، س. پیمان، ب. نحوه پیاده سازی ژئوپورتال منبع باز دولتی. جی. جئوگر. Inf. سیستم 2014 ، 6 ، 275-285. [ Google Scholar ] [ CrossRef ]
  37. تحقیق انکسارها: مقاله سروی خدمات OGC. در دسترس آنلاین: http://www.refractions.net/expertise/whitepapers/ogcsurvey/ogcsurvey/ (در 13 سپتامبر 2015 قابل دسترسی است).
  38. شولمن، ال. آیوپ، ای. نمونه، ج. شاو، ک. عبدالگرفی، م. کشف سرویس وب خودکار. در مجموعه مقالات کارگاه بین المللی DASFAA2007 در مورد یکپارچه سازی اطلاعات وب مقیاس پذیر و خدمات (SWIIS2007)، بانکوک، تایلند، 9 تا 12 آوریل 2007. صص 56-64.
  39. بررسی اجمالی پروژه|وب جغرافیایی بدون مرز. در دسترس آنلاین: http://bolegweb.geof.unizg.hr/site8/overview (در 13 سپتامبر 2015 قابل دسترسی است).
  40. جستجوی سفارشی JSON/Atom API|جستجوی سفارشی|Google Developers. در دسترس آنلاین: https://developers.google.com/custom-search/json-api/v1/overview (در 13 سپتامبر 2015 قابل دسترسی است).
  41. باتساکیس، اس. پتراکیس، EG; Milios، E. بهبود عملکرد خزنده های وب متمرکز. دانستن داده ها مهندس 2009 ، 68 ، 1001-1013. [ Google Scholar ] [ CrossRef ]
  42. هو، دی. چن، جی. وو، اچ. لی، اس. چن، اف. Zhang, W. مجموعه فعال داده های نمونه پوشش زمین از متون وب دارای برچسب جغرافیایی. Remote Sens. 2015 ، 7 ، 5805–5827. [ Google Scholar ] [ CrossRef ]
  43. نمونه، JT; لدنر، آر. شولمن، ال. آیوپ، ای. پتری، اف. وارنر، ای. شاو، ک. McCreedy، FP تقویت پورتال GIDB نیروی دریایی ایالات متحده با خدمات وب. IEEE Inter. محاسبه کنید. 2006 ، 10 ، 53-60. [ Google Scholar ] [ CrossRef ]
  44. پاتیل، اس. باتاچارجی، اس. Ghosh, SK یک خزنده وب فضایی برای کشف سرورهای جغرافیایی و ارجاع معنایی با ویژگی های فضایی. در مجموعه مقالات دهمین کنفرانس بین المللی ICDCIT 2014، Bhubaneswar، هند، 6-9 فوریه 2014; صص 68-78.
  45. لوپز-پلیسر، FJ; RenteríA-Agualimpia، W.; بیجار، ر. مورو مدرانو، روابط عمومی؛ Zarazaga-Soria، FJ در دسترس بودن استاندارد geoprocessing OGC: بررسی واقعیت مارس 2011. محاسبه کنید. Geosci. 2012 ، 47 ، 13-19. [ Google Scholar ] [ CrossRef ]
  46. وو، اچ. لیائو، ا. او، سی. Hou, D. خزنده مبتنی بر موضوع برای خدمات وب اطلاعات جغرافیایی. Geogr. Geo-Inf. علمی 2012 ، 28 ، 27-30. [ Google Scholar ]
  47. رید، جی. ویتز، دبلیو. Butchart، B. زیرساختی برای انتشار ابرداده های مکانی به عنوان ابرداده پیوند باز. در مجموعه مقالات کنفرانس بین المللی AGILE 2012 در علم اطلاعات جغرافیایی، آوینیون، فرانسه، 24-27 آوریل 2012. صص 99-104.
  48. لوپز-پلیسر، FJ; فلورچیک، ای جی؛ نوگراس-ایسو، جی. مورو مدرانو، روابط عمومی؛ Zarazaga-Soria، FJ افشای کاتالوگ های CSW به عنوان داده های مرتبط. In Geospatial Thinking , 1st .; Painho, M., Santos, MY, Pundt, H., Eds. Springer: برلین، آلمان، 2010; ص 183-200. [ Google Scholar ]
  49. دونگ، ی. لی، کیو. دینگ، ی. Peng, Z. ETTA-IM: یک رویکرد تطبیق رابط جستجوی وب عمیق مبتنی بر نظریه شواهد و تخصیص وظیفه. انقضا سیستم Appl. 2011 ، 38 ، 10218-10228. [ Google Scholar ] [ CrossRef ]
  50. بوشان، بی. کومار، ن. سطح وب عمیق در پشت زبان های برنامه نویسی. بین المللی جی. کامپیوتر. علمی شبکه امن 2012 ، 12 ، 55-58. [ Google Scholar ]
  51. هامر، اچ. براترود، ا. Fagernes، S. خزیدن وب سایت های جاوا اسکریپت با استفاده از WebKit – با کاربرد برای تجزیه و تحلیل سخنان مشوق تنفر در بحث های آنلاین. در مجموعه مقالات Norsk Informatikkonferanse (NIK)، استاوانگر، نروژ، 18-20 نوامبر 2013; صص 25-36.
  52. لایه های باز: نقشه های رایگان برای وب. در دسترس آنلاین: http://www.openlayers.org/ (دسترسی در 10 مه 2014).
  53. اسری. ArcGIS API برای جاوا اسکریپت. در دسترس آنلاین: https://developers.arcgis.com/javascript/ (دسترسی در 10 سپتامبر 2015).
  54. Leaflet—یک کتابخانه جاوا اسکریپت برای نقشه های تعاملی. در دسترس آنلاین: http://leafletjs.com/ (دسترسی در 10 سپتامبر 2015).
  55. نسخه 2.2.3 کتابخانه جاوا اسکریپت: همه|Mapbox. در دسترس آنلاین: https://www.mapbox.com/mapbox.js/api/v2.2.3/ (دسترسی در 10 سپتامبر 2015).
  56. نگرینو، تی. اسمیت، دی. آشنایی با جاوا اسکریپت. در JavaScript و Ajax for the Web: Visual QuickStart Guide , 1st ed.; چاپ هلو: برکلی، کالیفرنیا، ایالات متحده آمریکا، 2008; ص 2-26. [ Google Scholar ]
  57. شریدر-پاتون، سی. آگر، ا. Bunzel، K. استقرار Geobrowser در خدمات جنگل USDA: مطالعه موردی. در مجموعه مقالات اولین کنفرانس بین المللی و نمایشگاه محاسبات برای تحقیقات و کاربردهای جغرافیایی، واشنگتن، دی سی، ایالات متحده آمریکا، 21 تا 23 ژوئن 2010.
  58. پار، دی. Scholz, M. ساخت یک وب سایت جغرافیایی کم هزینه برای جمع آوری کمک های علمی شهروندی. پاپ Appl. Geogr. 2015 ، 1 ، 205-211. [ Google Scholar ] [ CrossRef ]
  59. ژئوشبکه – پورتال داده ها و اطلاعات مکانی. در دسترس آنلاین: http://www.fao.org/geonetwork/srv/en/main.home (در 10 سپتامبر 2015 قابل دسترسی است).
  60. ژوراسیک — یک کامپایلر جاوا اسکریپت برای دات نت — صفحه اصلی. در دسترس آنلاین: http://jurassic.codeplex.com/ (دسترسی در 10 سپتامبر 2015).
  61. لاولند، تی. رید، بی. براون، ج. اوهلن، دی. زو، ز. یانگ، ال. Merchant, J. توسعه پایگاه داده خصوصیات پوشش زمین جهانی و IGBP DISCover از 1 کیلومتر داده AVHRR. بین المللی J. Remote Sens. 2000 ، 21 ، 1303-1330. [ Google Scholar ] [ CrossRef ]
  62. هانسن، ام. دفریس، آر. تاونشند، جی آر. Sohlberg، R. طبقه بندی پوشش زمین جهانی در تفکیک مکانی 1 کیلومتر با استفاده از رویکرد درخت طبقه بندی. بین المللی J. Remote Sens. 2000 ، 21 ، 1331-1364. [ Google Scholar ] [ CrossRef ]
  63. بارتولوم، ای. Belward، A. GLC2000: یک رویکرد جدید برای نقشه برداری پوشش زمین جهانی از داده های رصد زمین. بین المللی J. Remote Sens. 2005 ، 26 ، 1959-1977. [ Google Scholar ] [ CrossRef ]
  64. بیچرون، پی. دفورنی، پی. براکمن، سی. شوتن، ال. وانکاتسم، سی. هاک، ام. بونتمپس، اس. لروی، ام. آچارد، اف. Herold، M. Globcover: توضیحات و گزارش اعتبارسنجی محصولات. در دسترس آنلاین: http://due.esrin.esa.int/files/GLOBCOVER_Products_Description_Validation_Report_I2.1.pdf (دسترسی در 10 سپتامبر 2015).
  65. مرکز داده برای منابع و علوم محیطی، آکادمی علوم چین. در دسترس آنلاین: http://www.resdc.cn/data.aspx?DATAID=99 (در 10 مه 2015 قابل دسترسی است).
  66. Vogelmann، JE; هوارد، اس ام. یانگ، ال. لارسون، CR; ویلی، بی.کی. ون دریل، ن. تکمیل مجموعه داده‌های پوشش زمین ملی دهه 1990 برای ایالات متحده از داده‌های نقشه‌برداری موضوعی لندست و منابع داده‌های جانبی. فتوگرام مهندس Remote Sens. 2001 , 67 , 650-662. [ Google Scholar ]
  67. ولدر، ام. گزارش افسانه طبقه بندی پوشش زمین EOSD، نلسون، تی. در دسترس آنلاین: http://198.103.48.10/index.html/pub/geobase/official/lcc2000v_csc2000v/doc/EOSD_legend_report-v2.pdf (دسترسی در 10 مه 2015).
  68. لیمبرنر، ال. تان، پی. مولر، ن. تاک وی، آر. لوئیس، ا. تشکراپان، ام. راندال، ال. اسلام، ع. سنارات، U. مجموعه داده‌های ملی دینامیک زمین علوم زمین استرالیا رکورد 2011/31. در دسترس آنلاین: http://data.daff.gov.au/data/warehouse/dlcdd9abll078/dlccd9abll0781011a/DLCDv1Overview_1.0.0.pdf (در 10 مه 2015 قابل دسترسی است).
  69. یک موتور جستجو برای خدمات نقشه وب پوشش زمین. در دسترس آنلاین: http://www.geookay.com:5588/ (در 26 ژوئن 2016 قابل دسترسی است).
  70. شین، کیو. مین، اس. چن، ایکس. جینگ، ال. کای، ال. جیزه، ایکس. کونیینگ، اچ. چاووی، ی. بامباکوس، ام. یان، ایکس. و همکاران یک سرویس گیرنده وب فضایی مبتنی بر نقشه های بینگ مایکروسافت. در مجموعه مقالات نوزدهمین کنفرانس بین المللی ژئوانفورماتیک 2011، Piscataway، NJ، ایالات متحده، 24-26 ژوئن 2011.
  71. گالری NuGet|Lucene.Net 3.0.3. در دسترس آنلاین: https://www.nuget.org/packages/Lucene.Net/ (دسترسی در 10 سپتامبر 2015).
  72. NuGet Gallery|Lucene.Net Contrib Spatial.NTS 3.0.3. در دسترس آنلاین: https://www.nuget.org/packages/Lucene.Net.Contrib.Spatial.NTS (دسترسی در 10 سپتامبر 2015).
  73. Purves، RS; کلاف، پی. جونز، CB; آرامپاتزیس، ا. بوچر، بی. فینچ، دی. فو، جی. جوهو، اچ. سید، ع.ک. Vaid, S. طراحی و اجرای SPIRIT: یک موتور جستجوی فضایی آگاه برای بازیابی اطلاعات در اینترنت. بین المللی جی. جئوگر. Inf. علمی 2007 ، 21 ، 717-745. [ Google Scholar ] [ CrossRef ]
  74. دافی، تی. Tellez-Arenas، A. خدمات وب OneGeology و پورتال به عنوان SDI جهانی زمین شناسی – آخرین استانداردها و فناوری. در دسترس آنلاین: http://meetingorganizer.copernicus.org/EGU2014/EGU2014–6603.pdf (در 10 سپتامبر 2015 قابل دسترسی است).
  75. دوبوا، جی. شولز، ام. اسکوین، جی. باستین، ال. Peedell، S. eHabitat، یک سرویس پردازش وب چند منظوره برای مدل‌سازی زیست‌محیطی. محیط زیست مدل. نرم افزار 2013 ، 41 ، 123-133. [ Google Scholar ] [ CrossRef ]
  76. رابینسون، تی پی؛ فرانچینی، جی. Wint, W. دام های شبکه بندی شده جهان توسط سازمان غذا و کشاورزی. دامپزشک ایتالیایی 2007 ، 43 ، 745-751. [ Google Scholar ] [ PubMed ]
  77. Wood, BA مطالعه موردی نیوزلند. OSGeo J. 2014 , 13 , 2-12. [ Google Scholar ]
  78. پورتا، جی. پاراپار، ج. گارسیا، پی. فرناندز، جی. تورینو، جی. دوالو، آر. آنگا، اف. سانته، آی. دیاز، پی. میراندا، دی. و همکاران ابزار Web-GIS برای مدیریت بازارهای زمین روستایی. علوم زمین Inf. 2013 ، 6 ، 209-226. [ Google Scholar ] [ CrossRef ]
  79. فنوی، جی. بوزون، ن. رغوان، V. پروژه باغ وحش: پلتفرم WPS باز. Appl. Geomat. 2013 ، 5 ، 19-24. [ Google Scholar ] [ CrossRef ]
  80. جستجو برای مجموعه داده—Data.gov. در دسترس آنلاین: http://catalog.data.gov/dataset?q=WMS&res_format=WMS&sort=score+desc%2C+name+asc (در 31 اکتبر 2015 قابل دسترسی است).
  81. مجموعه داده ها در دسترس آنلاین: https://data.gov.uk/data/search?q=WMS&res_format=WMS (در 31 اکتبر 2015 قابل دسترسی است).
  82. مرکز محاسبات دانشگاه زاگرب محصولات|وب زمین فضایی بدون حاشیه. در دسترس آنلاین: http://bolegweb.geof.unizg.hr/site8/products (در 27 آوریل 2016 در دسترس است).
Ijgi 05 00105 g001 1024
شکل 1. چارچوب مفهومی برای کشف LCWMS.
Ijgi 05 00105 g002 1024
شکل 2. یک عبارت منظم که قانون اول را نشان می دهد.
Ijgi 05 00105 g003 1024
شکل 3. بیان منظم قانون دوم.
Ijgi 05 00105 g004 1024
شکل 4. دستورالعمل دو قانون فراخوانی جاوا اسکریپت.
Ijgi 05 00105 g005 1024
شکل 5. شبه کد استفاده از قوانین فراخوانی جاوا اسکریپت.
Ijgi 05 00105 g006 1024
شکل 6. چارچوب خزنده وب عمیق متمرکز برای کشف فعال LCWMS.
Ijgi 05 00105 g007 1024
شکل 7. معماری LCWMS-SE که ماژول ها و پیوندها را نشان می دهد.
Ijgi 05 00105 g008 1024
شکل 8. رابط درخواست کاربر برای نمایش خدمات نقشه وب پوشش زمین.
Ijgi 05 00105 g009 1024
شکل 9. توزیع فضایی و تعداد LCWMS های کشف شده.
Ijgi 05 00105 g010 1024
شکل 10. رابط کاربری که LCWMS ها را برای مطالعه موردی نمایش می دهد.
Ijgi 05 00105 g011 1024
شکل 11. رابط نشان دهنده ادغام خدمات نقشه وب پوشش زمین.
جدول
جدول 1. فرمت های مرجع چهار کتابخانه جاوا اسکریپت مرتبط با WMS.
جدول
جدول 2. توابع فراخوانی و رسمی شدن قانون اول.
جدول
جدول 3. کلمات کلیدی پوشش زمین.
جدول
جدول 4. هشت URL بذر مورد استفاده برای آزمایش اول.
جدول
جدول 5. کلمات کلیدی اجباری.
جدول
جدول 6. نام محصولات پوشش زمین.
جدول
جدول 7. مقایسه تعداد خدمات نقشه وب (WMS) یافت شده با روش های مختلف.
جدول
جدول 8. تعداد LCWMS ها در مورد هر کلاس و نسبت متوسط ​​LCWMS های واقعی.

;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