نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

خلاصه

ادغام محتوای تولید شده توسط کاربر که در یک محیط مشترک ساخته شده است، به طور فزاینده ای به عنوان یک ورودی ارزشمند برای نقشه های مرجع در نظر گرفته می شود، حتی از آژانس های نقشه رسمی مانند USGS و Ordnance Survey. در برزیل، دهه ها عدم سرمایه گذاری منجر به پوشش نقشه توپوگرافی شده است که هم قدیمی و هم به طور نابرابر در سراسر قلمرو توزیع شده است. هدف این مقاله تجزیه و تحلیل توزیع فضایی به‌روزرسانی‌های OpenStreetMap در مناطق روستایی و شهری کشور برای درک الگوهای به‌روزرسانی کاربران و ارتباط آن با سایر متغیرهای اقتصادی و توسعه‌ای است.
کلید واژه ها: 

کیفیت اطلاعات جغرافیایی ؛ ارزیابی ; VGI _ برزیل ؛ ادغام.

 

1. معرفی

فن‌آوری‌های وب، افراد بدون آموزش در زمینه طراحی/تولید نقشه را قادر می‌سازد تا به نقشه‌نگاران بالقوه یا «تولیدکنندگان» تبدیل شوند [ 1 ، 2 ، 3 ، 4 ، 5 ، 6 ، 7 ، 8 ، 9 ]. از آنجایی که انواع زیادی از افراد در استفاده و تولید اطلاعات جغرافیایی نقش دارند، اطلاعات جغرافیایی داوطلبانه (VGI) به دلیل دو عامل اصلی اهمیت بیشتری پیدا کرده است. اولین مورد شامل علاقه طبیعی افراد به استفاده از رسانه های وب 2.0 مانند فیس بوک یا OpenStreetMap برای تولید محتوا و انتشار اطلاعات خود است [ 3 ، 6 ،7 ، 10 ، 11 ]. دوم علاقه آژانس های نقشه برداری رسمی به به روز رسانی پایگاه های جغرافیایی خود با این محتوای غنی از جمعیت است [ 9 ، 10 ، 11 ، 12 ، 13 ، 14 ، 15 ، 16 ، 17 ]. این عامل دوم است که انگیزه تحقیق ما است. در این مورد، نگرانی‌ها در اتخاذ محتوای VGI برای مقاصد رسمی مربوط به فقدان روش‌هایی است که به ما امکان می‌دهد قابلیت اطمینان این نوع داده‌ها را اندازه‌گیری کنیم [ 18 ، 19 ].
قابل توجه است که ادغام محتوای تولید شده توسط کاربر ساخته شده در یک محیط مشترک به طور فزاینده ای به عنوان یک ورودی ارزشمند برای نقشه های مرجع در نظر گرفته می شود، حتی از آژانس های نقشه رسمی مانند USGS و Ordnance Survey [ 16 ، 20 ، 21 ]. در حالی که سیستم‌هایی مانند OpenStreetMap، Wikimapia یا Google Maps انقلاب قدرتمندی را به راه انداخته‌اند – تبدیل “کاربران نقشه” به “نقشه‌سازان” – محققان و آژانس‌های نقشه‌برداری VGI را مشاهده کرده‌اند که هدفشان درک این است که چگونه این سیستم‌های VGI می‌توانند اطلاعاتی را برای پایگاه‌های اطلاعاتی رسمی ارائه دهند [ 16 . 17 ، 21]. سیستم‌های VGI می‌توانند جایگزین مناسبی برای افزایش سرعت فرآیندهای به‌روزرسانی اطلاعات ملی در کشورهای در حال توسعه مانند برزیل باشند، که در آن دهه‌ها کمبود سرمایه‌گذاری منجر به پوشش نقشه توپوگرافی شده است که هم قدیمی و هم به طور نابرابر در سراسر قلمرو توزیع شده است [ 22 , 23 ].
در سال 1994، استس و مونیهان [ 22 ] نقد جالبی از وضعیت پوشش ملی نقشه برداری در کشورهای در حال توسعه ارائه کردند. آنها هنگام توصیف عدم وجود اطلاعات جغرافیایی رسمی در مورد این سرزمین ها از چنین کلمات تأثیرگذاری استفاده کردند: “در بسیاری از کشورهای در حال توسعه، حتی ابتدایی ترین اطلاعات مربوط به منابع و محیط زیست وجود ندارد” [ 22 ]. در برزیل، سناریو هنوز یکسان است: سرمایه گذاری اندک در آژانس های نقشه برداری منجر به پوشش نقشه منسوخ و نابرابر برای قلمرو برزیل می شود [ 23 ]. شکل 1پوشش نقشه برداری توپوگرافی در برزیل را با مقیاس های مختلف نشان می دهد. در مقیاس 1:250000، تقریباً کل قلمرو نقشه برداری شده است. در مقابل، در مقیاس 1:25000 نقشه های کمی موجود است.
Ijgi 04 01366 g001 1024
شکل 1. پوشش نقشه در برزیل بر اساس مقیاس. برگرفته از Picanço Jr. and Delazari [ 24 ].
در برزیل، نقشه برداری توپوگرافی مسئولیت مشترک سرویس جغرافیایی ارتش برزیل – DSG – و مؤسسه جغرافیا و آمار برزیل – IBGE است. برزیل با بیش از 8.5 میلیون کیلومتر مربع بزرگ‌ترین کشور آمریکای جنوبی است که سناریوی گرانی را برای پروژه‌های نقشه‌برداری، به‌ویژه برای پروژه‌های با بودجه دولتی ایجاد می‌کند.
با این وجود، ارتباط بین آژانس های نقشه رسمی و سیستم های VGI همچنان به عوامل متعددی مانند تست های کیفیت و استانداردسازی بستگی دارد [ 18 ، 21 ]. به منظور ایجاد اولین دیدگاه در مورد کیفیت VGI، Haklay [ 21 ] دقت موقعیتی محتوای VGI را در OpenStreetMap بررسی کرده است. او دریافته است که اطلاعات داوطلبانه به طور متوسط ​​در حدود 6 متر از موقعیت ثبت شده توسط Ordinance Survey در قلمرو بریتانیا دقیق است [ 21 ]. پس از هاکلی [ 21 ]، چندین محقق کیفیت جمع‌سپاری را – از نظر دقت موقعیتی و معنایی – با یافته‌های مشابه آزمایش کردند [ 20 ، 25 ، 26 ], 27 , 28 , 29 ]. با این حال، آنچه واقعاً در این مورد اهمیت دارد این است که محققان و آژانس های نقشه برداری بارها اطلاعات جغرافیایی داوطلبانه را با هدف استفاده از این منبع غنی [ 18 ] برای جمع آوری ابتکارات VGI و رسمی [ 15 ] آزمایش کرده اند.
به نظر می رسد مسئله مهم در VGI ارزیابی کیفیت است [ 18 ، 19 ]. علاوه بر این، چنین تلاش‌های جامعی برای بررسی میزان قابل اعتماد بودن این محتوا وجود دارد، زیرا قابلیت اطمینان یکی از نگرانی‌های کنترل کیفیت در نظر گرفته می‌شود [ 16 ، 18 ، 19 ، 30 ]. منظور ما از قابلیت اطمینان، “صحت یا صحت اطلاعات” است که توسط Comber و همکاران بیان شده است . [ 19 ]. گودچایلد و لی [ 18 ] استدلال می کنند که سه گزینه برای اطمینان از کیفیت محتوای VGI وجود دارد، بر خلاف آنهایی که در رویکرد کلاسیک شناخته شده اند – گوپتیل و موریسون [ 31 ].] – و توسط آژانس های نقشه برداری سنتی مانند Ordinance Survey و USGS به کار گرفته می شود. با این حال، ما توجه خود را بر روی گزینه های دوم و سوم متمرکز کرده ایم، زیرا آنها به “توانایی یک گروه برای تایید و تصحیح اشتباهی که ممکن است یک فرد مرتکب شود” – رویکرد قانون لینوس – و همچنین احتمالاً مرتبط هستند. عنصر کلیدی برای قابلیت اطمینان در درک [ 32 ] است.
Goodchild و Li [ 18 ] پیشنهاد کرده اند که این رویکرد – قانون لینوس [ 32 ] – می تواند برای تضمین کیفیت VGI اعمال شود. ایده مشابهی توسط Flanagin و Metzger [ 30 ] ارائه شده است که بیانیه آنها برای درک نحوه مدیریت محتوای VGI و اطمینان از قابلیت اطمینان یا، همانطور که آنها ترجیح می دهند، “اعتبار” آن مرتبط است. آنها نشان می دهند که هر چه مکان بازدید بیشتری داشته باشد، اطلاعات مربوط به آن دقیق تر خواهد بود. این بدان معناست که با در نظر گرفتن این دو دیدگاه [ 18 ، 30] ما معتقدیم که قابلیت اطمینان VGI را می توان با سطح کامل بودن و تعداد دفعات به روز رسانی محتوای پایگاه داده مشاهده و اندازه گیری کرد. در این مورد، مناطق با سطح بالای شهرنشینی ممکن است در سیستم‌های VGI بیشتر مورد بازدید قرار گیرند، زیرا افراد ترجیح می‌دهند منطقه جغرافیایی را که در آن زندگی می‌کنند یا چیزی درباره آن می‌دانند توصیف کنند، تجربیات شخصی خود را دیجیتالی کنند [ 33 ] – این حس توسط مفهوم توپوفیلی [ 34 ]. به علاوه، هاکلی [ 21] به برخی از نتایج مرتبط از یک نوع پدیده جداسازی اشاره کرد – تفاوت بین وجود اطلاعات جغرافیایی در مناطق با سطح شهرنشینی بالا در مقایسه با مناطق روستایی – با مشاهده تعداد کمی از کاربران که داده‌ها را در OpenStreetMap ارسال می‌کنند. او اشاره می‌کند که «مرکز شهرهای بزرگ در انگلستان (مانند لندن، منچستر، بیرمنگام، نیوکاسل و لیورپول) به خوبی نقشه‌برداری شده‌اند» در حالی که مناطق حومه‌ای – به‌ویژه مرز بین شهر و نواحی روستایی – چنین نیستند. بنابراین، هاکلی [ 21] بیان کرد: «این مهم است که بدانیم کدام حوزه ها به خوبی پوشش داده شده اند و کدام ها نیستند – در غیر این صورت، زمانی که شخصی به ادغام VGI و پایگاه های داده رسمی فکر می کند، می توان داده ها را غیرقابل استفاده فرض کرد. اگر این نوع ناهماهنگی ها در کشورهای دارای سنت نقشه های قابل اعتماد مانند انگلستان وجود داشته باشد، منطقی است انتظار داشت که این ناهمگونی موضوع مهمی در کشورهای در حال توسعه در سراسر جهان مانند برزیل باشد. شکل 2 یک سناریوی مقایسه ای بین مناطق با سطح شهرنشینی بالا و پایین در برزیل را به عنوان بخشی از سیستم OpenStreetMap نشان می دهد. تضاد بصری ویژگی های ترسیم شده در هر دو موقعیت (“a” و “b”) برای ما مرتبط است زیرا یافته های مشابه Haklay را نشان می دهد [ 21 ].
Ijgi 04 01366 g002 1024
شکل 2. شکل اول ( a ) منطقه ای با سطح شهرنشینی بالا را نشان می دهد که در OpenStreetMap نشان داده شده است، که شامل شهرهای کوریتیبا (منطقه جنوبی برزیل)، سائوپائولو (منطقه جنوب غربی برزیل) و ریودوژانیرو (منطقه جنوب غربی برزیل) است. ). این پنجره اول (الف) بیش از 25٪ از کل جمعیت برزیل را شامل می شود. در مقابل، مورد دوم ( b ) منطقه ای را با سطح شهرنشینی پایین – در مقیاس مشابه با (a) نشان می دهد. این منطقه دوم و کمتر پرجمعیت شامل دو مرکز ایالت (کویابا و گویانیا) و همچنین پایتخت فدرال، برازیلیا است. با نگاهی به تصاویر می توان تفاوت زیادی را بین مقدار ویژگی های ترسیم شده در هر دو مورد مشاهده کرد. این احتمالاً نتیجه «پدیده جداسازی» است که توسط هاکلی [ 21]. منبع: برگرفته از OpenStreetMap، 2015.
در حالی که برزیل کاملاً اخیراً به بیش از 200 میلیون نفر رسیده است [ 35 ]، توزیع این جمعیت در قلمرو بزرگ بسیار نابرابر است که توسط کاروالیو [ 36 ] توصیف شده است. اکثر برزیلی ها در مراکز شهری مانند سائوپائولو، ریودوژانیرو، کوریتیبا و دیگر مراکز ایالتی زندگی می کنند. اگرچه پایتخت های ایالتی بزرگترین شهرها باقی می مانند، اما شهرهای متوسط ​​کانون تحقیقات جمعیت شناختی بوده اند، زیرا آنها مهاجران داخلی را به دلایلی مانند تنوع در فعالیت های اقتصادی، تمرکززدایی صنعت و شاخص های کیفیت بهتر زندگی جذب کرده اند [ 37 ، 38 ، 39 ].]. شهرداری ها برای پایین ترین سطح واحدهای اداری پس از فدراسیون و ایالت ها. مفهوم “شهر” در برزیل، همانطور که توسط قانون تعریف شده است، نماینده ترین تراکم شهری را تشکیل می دهد. به این ترتیب، هر شهرداری باید حداقل یک شهر و در بیشتر موارد، مناطق روستایی مجاور را در خود جای دهد [ 40 ].
بنابراین، یک موضوع تحقیقاتی جالب درک این است که کدام ویژگی‌های یک منطقه جغرافیایی با سطح شهرنشینی ناهمگن می‌تواند با قابلیت اطمینان محتوای VGI مربوط به این مناطق ارتباط داشته باشد. علاوه بر این، چندین کشور وجود دارند، همانطور که قبلاً اشاره کردیم [ 22 ]، که می توانند به طور قابل توجهی از این درک سود ببرند، زمانی که مشکل قابلیت اطمینان شروع به حل شود و محتوای VGI بتواند شکاف های پوشش نقشه را پر کند.
بر این اساس، جمله زیر مشخص می‌کند که در این مقاله به عنوان مشکل پژوهشی به آن پرداخته‌ایم: آیا ویژگی‌های جمعیتی و اقتصادی یک منطقه جغرافیایی با سطح کامل بودن و فراوانی به‌روزرسانی‌های محتوای VGI ارتباط دارد؟ فرضیه ای که ما در اینجا استدلال می کنیم این است که هر چه ویرایشگرهای بیشتری در یک منطقه کار کنند، احتمال اینکه نقشه برداری به صورت پویا در طول زمان دقیق باشد بیشتر است. نتیجه این است که مناطق با سطح شهرنشینی بالا بهترین سطوح قابلیت اطمینان را خواهند داشت – از نظر کامل بودن و میزان به روز بودن داده ها. علاوه بر این، فرض دومی که ما استدلال می‌کنیم این است که سطح کامل بودن و چگونگی به‌روزرسانی محتوا در یک سیستم VGI ممکن است با نمایش جاده‌ها و ساختمان‌ها اندازه‌گیری شود.و همکاران [ 41 ] و لیو و پالن [ 14 ]. علاوه بر این، ما استدلال می کنیم که روش پیشنهادی برای کار در مناطقی که هیچ پایگاه داده دیگری برای مقایسه در دسترس نیست، مناسب است، وضعیتی که معمولا در بسیاری از کشورهای در حال توسعه رخ می دهد.
بنابراین، این مقاله با هدف درک الگوهای به روز رسانی کاربر و ارتباط آن با سایر متغیرهای اقتصادی و توسعه ای ارائه شده توسط داده های سرشماری از IBGE است. این نوع تحقیق می‌تواند منجر به استراتژی‌هایی برای پرداختن به استفاده از VGI با در نظر گرفتن ویژگی‌ها و نیازهای محلی، و استفاده از داده‌های باز، استانداردها و نرم‌افزار برای دستیابی به بهترین داده‌های مرجع مکانی به منظور پشتیبانی از فرآیندهای تصمیم‌گیری بهینه مورد نیاز شود. علاوه بر این، چنین تحلیلی می‌تواند به تولید دانش مورد نیاز برای در نظر گرفتن استفاده از این داده‌ها به عنوان بخشی از یک لایه مرجع زیرساخت ملی پایگاه داده فضایی و همچنین برای طراحی استراتژی‌هایی برای تشویق اقدام کاربر در مناطق خاص کمک کند.

2. مطالعه موردی

با توجه به اینکه قلمرو برزیل چقدر متنوع و چالش برانگیز است – موردی از ناهمگونی که در بسیاری از کشورهای در حال توسعه تکرار می شود [ 22 ] – ما یک زمینه مطالعاتی را به عنوان بخشی از اولین تلاش برای درک اینکه چگونه داده های VGI می تواند مزایایی را برای پوشش نقشه رسمی ارائه دهد انتخاب کرده ایم. [ 22 ]. حوزه مطالعه انتخابی شامل منطقه شهری کوریتیبا است ( شکل 3) نمونه خوبی از تنوع برزیل یا هر کشور در حال توسعه دیگری است. این حوزه مطالعاتی دارای ویژگی‌های ناهمگون بالایی است، زیرا شهرهای بزرگ و کوچک وجود دارد – مناطق شهری شهرداری‌ها، مناطق با سطح صنعتی شدن بالا و همچنین شهرداری‌های عمدتاً کشاورزی. مناطق وابسته به گردشگری نیز وجود دارد و مناطق حفاظت شده به دلیل اهمیت زیست محیطی، هیچ گونه اشغال شهری ندارند. ما در نظر گرفتیم که این ناهمگونی اولین چالش خوبی برای مشاهده سودمندی فرضیه ما است.
علاوه بر این، ما این منطقه را تأسیس کرده‌ایم زیرا شهرداری‌های آن علاقه خاصی به جامعه دانشگاه فدرال پارانا دارند، زیرا دانشگاه ما در توسعه استراتژی‌های محلی که به نفع مردم مناطق اطراف است، درگیر است.
Ijgi 04 01366 g003 1024
شکل 3. منطقه متروپولیتن کوریتیبا در بافت برزیل و ایالت پارانا.
منطقه شهری کوریتیبا واحدی از قلمرو برزیل است، اگرچه یک منطقه اداری نیست. مؤسسه جغرافیا و آمار برزیل – IBGE – مناطقی را در برزیل ایجاد کرده است که شهرداری‌ها را با ویژگی‌های یکسان از نظر نزدیکی، جمعیت و اقتصاد، برای اهداف آماری گروه‌بندی کرده است [ 42 ]. منطقه انتخاب شده شامل 37 شهرداری ( جدول 1 ) است که همگی در داخل ایالت پارانا هستند ( شکل 3 ).
لازم است یک بار دیگر برجسته شود ( جدول 1 را ببینید.) که منطقه ای که ما انتخاب کرده ایم از نظر جمعیتی، توزیع قدرت مالی و همچنین توزیع جمعیت شهری و روستایی دارای درجه ناهمگونی بالایی است – و اینها ویژگی هایی هستند که منظور ما از شاخص های ناهمگن را تشکیل می دهند. شهر اصلی (کوریتیبا) بیش از 50 درصد از کل جمعیت کل منطقه مزورژون را تشکیل می دهد و 10 شهرداری بزرگ تقریباً 90 درصد از کل ساکنان را تشکیل می دهند. شهرهایی هستند که به سطوح بالا یا متوسط ​​شاخص توسعه انسانی (HDI) دست می‌یابند (مانند کوریتیبا، پینهیس، پاراناگوا، سائو خوزه دوس پینهیس) و شهرهایی با سطوح پایین (مثلاً Doutor Ulysses، Itaperuçu، Tunas do Paraná، Tijucas do Sul). شهرهایی با شاخص های خوب، مانند تولید ناخالص داخلی سرانه عالی و HDI، همچنین آنهایی هستند که جمعیت شهری بالاتری دارند و همچنین به مرکز ایالت کوریتیبا نزدیکتر هستند. علاوه بر این، این شهرها همچنین دارای صنایع مختلفی هستند (مانند کامپو لارگو، آراوکاریا، پینهیس، و سائو خوزه دوس پینهیس).
منطقه انتخاب شده همچنین شامل طیف متنوعی از پروژه های منابع طبیعی با شهرهای استخراج کننده مواد معدنی و نفت (Guaratuba، Matinhos، Pontal do Paraná)، گردشگری ساحلی (Guaratuba، Matinhos، Paranaguá، Pontal do Paraná)، شیوه های کشاورزی (Piên، Balsa Nova، Quitandinha)، و فعالیت های صنعتی (Curitiba، Campo Largo، Araucária، Pinhais). جدول 1 جزئیات بیشتری در مورد سناریوی ارائه شده ارائه می دهد. بعلاوه، شکل 4 شهرداری های متشکل از منطقه کلان شهر کوریتیبا را نشان می دهد.
Ijgi 04 01366 g004 1024
شکل 4. شهرداری های منتخب شامل منطقه کلان شهر کوریتیبا.
جدول
جدول 1. شهرداری های منتخب شامل منطقه کلان شهر کوریتیبا.

3. روش شناسی و نتایج

به عنوان اولین تلاش برای توضیح چگونگی انجام این کار تحقیقاتی، شکل 5 جریان کاری را که ما اتخاذ کرده ایم نشان می دهد. بر این اساس، در این بخش قصد داریم تمام مراحل نشان داده شده در شکل زیر را شرح دهیم.
در گام اول تحقیق، مطالعه موردی را با هدف آزمایش رویه‌های خود انتخاب کردیم. مرحله دوم شامل عملیات استخراج داده از منابع OpenStreetMap، پایگاه رسمی توپوگرافی برزیل (از IBGE [ 43 ])، و داده های جمعیتی (از IBGE [ 34 ، 44 ] و دیگران [ 45 ]) بود. داده های OSM مورد استفاده، استخراجی از Planet.osm [ 46] در 25 ژانویه 2015، همراه با مجموعه تغییرات موجود در JOSM در همان تاریخ. Geofabrik بخش‌های زیادی از پایگاه داده OSM را استخراج می‌کند و آن را برای دانلود در دسترس قرار می‌دهد، در حالی که دانلود مستقیم از پایگاه داده OSM محدودیت حجم دانلود دارد. داده های جمعیتی، مانند جمعیت و درآمد متوسط ​​خانوار، از سرشماری سال 2010 است [ 35 ]. شاخص توسعه انسانی (HDI) توسط UNPD، همچنین با استفاده از داده های سال 2010 محاسبه می شود [ 45 ]. تولید ناخالص داخلی شهرداری داده های سال 2011 از IBGE [ 44 ] است. اطلاعات داده های مکانی سرشماری، همچنین از IBGE [ 35] سرشماری، مبنایی را برای محاسبات مساحت و تقسیم بین مناطق رسمی روستایی و شهری به همراه مرزهای رسمی شهرداری فراهم کرد. نقشه برداری توپوگرافی فقط در مقیاس 1:250000 به عنوان یک پایگاه جغرافیایی از IBGE در دسترس است [ 43 ].
Ijgi 04 01366 g005 1024
شکل 5. گردش کار پذیرفته شده است.
به عنوان گام سوم برای پروژه تحقیقاتی، مؤلفه های کیفیت داده ها را که قرار بود ارزیابی و پشتیبانی از بحث ها را در مرحله چهارم (تحلیل داده ها) انجام دهند، تعریف کردیم. در این مورد، بدون داده‌های مرجع دقیق، هیچ دانشی که از یک روش خاص برای ارزیابی اطلاعات جغرافیایی مشتق از جمعیت پشتیبانی کند، وجود ندارد، بنابراین ما دو پارامتر مقایسه را از ISO: 19157 [ 47 ] در رابطه با هدف اصلی این کار تحقیقاتی اتخاذ کرده‌ایم: کامل بودن. و کیفیت زمانی برای تکمیل، از چهار گروه ارزیابی استفاده کرده ایم: یک مورد برای مناطق روستایی و سه مورد برای مناطق شهری. برای کیفیت زمانی دو موضوع را در نظر گرفته ایم. جدول 2 پارامترها و تعاریف آنها را نشان می دهد.
جدول
جدول 2. پارامترها و تعاریف.
همه پارامترها به گونه ای طراحی شدند که امکان مقایسه بین شهرداری ها را فراهم کنند، نه به عنوان معیارهای کیفیت مطلق. بنابراین، همانطور که جدول 2 نشان می دهد، اولین عنصر مورد مطالعه کامل بودن در مناطق روستایی بود (کامل 1، در جدول 2 ). این پارامتر با تقسیم طول کل جاده ها در لایه های جاده پایگاه داده توپوگرافی 1:250000 در پایگاه داده IBGE بر طول کل جاده ها در OSM محاسبه شد. این آخرین پارامتر، مسیرهای پیاده‌روی و راه‌آهن‌هایی را که در لایه‌های مختلف در پایگاه داده IBGE ذخیره می‌شوند، حذف کرد. علاوه بر این، جاده‌های اصلی که با خطوط دوتایی در OSM نشان داده می‌شوند، طول آنها بر دو تقسیم شده است، زیرا پایگاه داده رسمی، در این مقیاس، آنها را به صورت خطوط منفرد نشان می‌دهد. شکل 6نتایجی را که با استفاده از این رویکرد سیستماتیک پیدا کرده‌ایم نشان می‌دهد. جدول 3 مقادیر طول کل راه های روستایی را به تفکیک شهرداری نشان می دهد. هر دو نمایش ( شکل 6 و جدول 3 ) نشان می‌دهند که شهرداری‌های نزدیک به پایتخت (کوریتیبا) جزئیات بیشتری دارند، و این تمرکز توجه ما بر مورد تجزیه و تحلیل داده‌ها برای این موضوع است.
با فکر کردن به کامل بودن، اگرچه، برای مناطق شهری، ما سه مورد دیگر را در نظر گرفته‌ایم ( جدول 2 ، کامل بودن 2-4 را ببینید). در این مورد، رویکرد انتخاب شده به دلیل نبود بانک اطلاعاتی رسمی برای مناطق شهری در تمامی شهرداری ها بوده است. در واقع، دسترسی به داده های باز برای مناطق شهری برای منطقه شامل حوزه مطالعه ما به تازگی برای مرکز ایالت کوریتیبا منتشر شده است. به همین دلیل، کامل بودن در نواحی شهری همراه با روش‌های دیگر ارزیابی شد، زیرا اطلاعات جغرافیایی رسمی در دسترس نبود. بنابراین، اولین معیار اتخاذ شده، تراکم معابر شهری در هر کیلومتر مربع بود (کامل 2، جدول 2). این شاید راه حل بهینه نباشد، زیرا مناطق شهری به طور قانونی تعریف شده اند (در برزیل)، و توزیع نابرابر شهرنشینی بین شهرداری ها را نشان می دهد. در مطالعات آینده، تصاویر ماهواره ای می تواند ارزیابی بهتری از الگوهای شهری ارائه دهد. معیار دوم در نظر گرفته شده تعداد کل ویژگی های لایه ساختمانی OSM در هر منطقه شهری بود (کامل 3، جدول 2 ). سومین ارزیابی، کامل بودن ویژگی در مناطق شهری بود (کامل 4، جدول 2). این درصد جاده‌هایی را که نه ویژگی نام دارند و نه شرح مفصلی در نظر می‌گیرد. این وضعیت می تواند ناشی از استفاده از داده های کاملاً سنجش از راه دور، بدون دانش میدانی از ویژگی های ویژگی باشد. بنابراین، این پارامتر به عنوان درصد ویژگی های طبقه بندی نشده در کل ویژگی ها محاسبه شد.
دو عنصر بعدی به کیفیت زمانی در مناطق شهری اشاره دارد. این ارزیابی شامل این فرض بود که هر چه ویرایشگران بیشتری در یک منطقه کار کنند، احتمال نگاشت دقیق به صورت پویا در طول زمان بیشتر می‌شود. این تعداد با خلاصه کردن ویراستارانی که در مجموعه‌های تغییر کار می‌کردند با داده‌های مناطق شهری ارائه‌شده در JOSM محاسبه شد. تاریخ آخرین ویرایش نیز برای محاسبه تعداد روزهای پس از آخرین تغییر ثبت شد. تمام نتایج در مناطق شهری در جدول 4 و شکل 7 توضیح داده شده است.
مرحله پنجم و آخر تحقیق شامل تجزیه و تحلیل داده ها بود. در این مورد، ما داده‌های مرتبط با پارامترها و اطلاعات جمعیت‌شناختی را با هدف درک پویایی به‌روزرسانی‌های کاربر در داخل OSM و همبستگی آن با سایر متغیرهای اقتصادی و جمعیتی مانند تولید ناخالص داخلی سرانه و HDI بررسی کردیم.
Ijgi 04 01366 g006 1024
شکل 6. کامل بودن 1: طول راه های روستایی از پایه OSM در مقابل طول راه های روستایی از نقشه برداری رسمی توپوگرافی (در مقیاس 1:250000).
Ijgi 04 01366 g007 1024
شکل 7. پنج عنصر کیفیت داده در مناطق شهری.
جدول
جدول 3. طول کل راه های روستایی به تفکیک شهرداری.
جدول
جدول 4. عناصر کیفیت داده های شهری.

4. بحث

همانطور که قبلاً گفته شد، هدف این تحقیق تجزیه و تحلیل توزیع فضایی به‌روزرسانی‌های OpenStreetMap از طریق مناطق روستایی و شهری در برزیل برای درک الگوهای به‌روزرسانی کاربران و ارتباط آن با سایر متغیرهای اقتصادی و توسعه است. تا این لحظه، نتایج پارامترهای کیفی را که بررسی کرده ایم ارائه کرده ایم. با این حال، تمرکز اصلی بر مقایسه این نتایج با آن دسته از پارامترهای جمعیت شناختی نشان داده شده در جدول 1 به منظور کشف وجود احتمالی همبستگی بین این متغیرها است. در این حالت ضریب همبستگی پیرسون را معادله (1) به صورت زیر محاسبه کرده ایم. از این محاسبه، داده های ارائه شده در جدول 5 را به دست آورده ایمکه همبستگی بین پارامترهای کیفی و داده های جمعیت شناختی را نشان می دهد. برای اهداف این تحلیل، ما یک همبستگی قوی را بالای 0.70، متوسط ​​بین 0.40 و 0.69 و ضعیف زیر 0.39 را در نظر گرفتیم.

ρ =∑ni = 1(ایکسمن–μایکس) (yمن–μy)∑ni = 1(ایکسمن–μایکس)2––––––––––––––√∑ni = 1(yمن–μy)2––––––––––––––√�=∑من=1�(ایکسمن–�ایکس)(�من–��)∑من=1�(ایکسمن–�ایکس)2∑من=1�(�من–��)2
با توجه به نکات قبلی در مورد قدرت همبستگی، اولین همبستگی متمایز تحلیل شده کامل بودن لایه راه در مناطق روستایی با کل جمعیت (43/0) و با فاصله از کوریتیبا (45/0-) بود. این نشان می‌دهد، اگرچه تا حد متوسط، پرجمعیت‌ترین مناطق، نزدیک‌تر به پایتخت، تراکم جاده‌های بیشتری دارند که در OSM به‌عنوان نمایش نقشه‌برداری شده‌اند ( شکل 6).) نشان داد. به طور خاص، شهرهای مجاور کوریتیبا با جمعیت زیادی مانند Araucária، Almirante Tamandaré، Colombo، Fazenda Rio Grande و Tijucas do Sul، تقریباً 10 برابر (1000٪) طول جاده هایی دارند که فروشگاه پایگاه داده رسمی (IBGE 1:250000) دارد. . از سوی دیگر، شهرداری‌های کوچک‌تر و منزوی‌تر مانند آدریانوپلیس، کامپو دو تننته و دوتور اولیس، جاده‌های کمتری در OSM نسبت به نقشه‌های توپوگرافی رسمی دارند. Flanagin و Metzger [ 30 ] چیزی مشابه را پیشنهاد کرده اند: هر چه یک مکان بیشتر بازدید شود، اطلاعات در مورد آن دقیق تر است. به عبارت دیگر، ما ثابت کرده‌ایم که بهترین شهرداری‌های نقشه‌برداری شده – از نظر راه در مناطق روستایی – شهرداری‌های پرجمعیت‌تر نیز هستند.
پارامترهای کیفیت شهری هیچ رفتار یکنواختی از داده های جمع آوری شده نشان ندادند. با این حال، در چهار مورد از پنج آزمون، همبستگی بالاتر نشان‌داده‌شده نشان‌دهنده ارتباط ضعیف با جمعیت است، که منجر به درک احتمالی این است که هر چه منطقه پرجمعیت‌تر باشد، داده‌های بیشتری در دسترس است و اغلب به‌روزرسانی می‌شود، همانطور که قبلاً گفته شد.
با تجزیه و تحلیل کامل بودن جاده در مناطق شهری، قابل توجه است که برخی از مناطق در مناطق شهری بسیار متراکم، مانند کوریتیبا (11.42) و سائو خوزه دوس پینهیس (8.48)، با برخی نقاط پرت در شهرهای کوچک مانند Tunas do Paraná و Bocaíuva، نمرات بالاتری کسب کردند. انجام سول با این حال، همبستگی بالاتر (0.69) با تراکم جمعیت است که با ماهیت این پارامتر مطابقت دارد. مسئله اصلی در اینجا این است که تعیین قانونی مناطق شهری همیشه در بین مقامات محلی متمایز سازگار نیست و بنابراین لزوماً به معنای الگوهای شهری یکنواخت نیست.
جدول
جدول 5. همبستگی بین مشاهدات کیفیت داده ها و داده های جمعیت شناختی.
سومین پارامتر کیفیت داده شهری، کامل بودن صفت بود. این پارامتر ضعیف ترین همبستگی را با متغیرهای جمعیت شناختی نشان داد. قوی ترین همبستگی با جمعیت (29/0) بود. توزیع دارای یک الگوی بسیار پراکنده با شهرهای عمدتا کوچک است که تقریباً هیچ ویژگی در خیابان ها وجود ندارد (Campo do Tenente، 0٪، Itaperuçu، 3٪، Mandirituba، 1٪ و پورتو آمازوناس 0٪). با این حال، برخی از مکان‌های کمتر پرجمعیت دارای نرخ بسیار بالایی هستند، مانند Doutor Ulysses با 75 درصد، Guaraqueçaba با 84 درصد و Pontal do Parana با 71 درصد. این می تواند به دلیل تلاش های فردی برای ارائه اطلاعات ویژگی ها در این مکان ها باشد.
دو مشاهدات بعدی با هدف مقایسه جنبه های زمانی بین مناطق انجام شد. مشارکت کنندگان فردی به شدت در کوریتیبا، 200 نفر (حدود 0.01٪ از جمعیت) متمرکز هستند. شهرداری های بعدی در تعداد مشارکت کنندگان سائو خوزه دوس پینهیس (54)، کلمبو و پینهیس (هر کدام 41) هستند که به ترتیب دومین، سومین و پنجمین شهرهای بزرگ هستند. این همچنین در همبستگی 0.97 مشاهده می شود که یک همبستگی قوی است که نشان می دهد ویراستاران در شهرهای بزرگتر به نسبت متوسط ​​0.1٪ از جمعیت شهری فراوانتر هستند.
آخرین تحلیل شهری تعداد روزهای پس از آخرین ویرایش را در نظر گرفت. ایده در اینجا این بود که یک جامعه فعال اغلب به پایگاه داده افزوده می شود و آن را به روز نگه می دارد و به معنای کیفیت زمانی بیشتر است. چهارده شهر در ماه قبل از مطالعه نسخه هایی داشتند، مانند کوریتیبا، سائو خوزه دوس پینهیس و کامپو لارگو. در طرف مقابل، Doutor Ulysses، Quitandinha و Itaperuçu در یک سال یا بیشتر هیچ به روز رسانی نداشتند. این شهرها جزو فقیرترین و منزوی ترین مناطق هستند. در واقع، اگرچه همبستگی این پارامتر به‌ویژه قوی نبود، در این مورد به نظر می‌رسد HDI و درآمد متوسط ​​تأثیر قوی‌تری نسبت به جمعیت دارند.
در نقشه های شکل 7 ، می توان الگوهای متمایز توزیع فضایی پارامترهای شهری پیشنهادی را مشاهده کرد. اگرچه، در نگاه اول، آنها بسیار متفاوت به نظر می رسند، اما می توان مشاهده کرد که Curitiba، São José dos Pinhais و Colombo، مناطق پرجمعیت تر، اغلب در کلاس بالاتر از هر پارامتر قرار دارند. Doutor Ulysses، Tunas do Paraná و Porto Amazonas، و سایر مناطق کوچکتر، فقیرتر یا منزوی، به استثنای برخی موارد، عمدتاً در کلاس های کیفیت داده پایین تر قرار دارند. این مطالعه به جای ایجاد یک فرمول ریاضی از نحوه رفتار این پارامترها، به هدف خود یعنی تجزیه و تحلیل ویژگی‌ها در میان مناطق دست یافت.

5. نتیجه گیری ها

هدف این مقاله مشاهده توزیع داده‌های OpenStreetMap در یک منطقه بسیار متنوع در برزیل بود. با مقایسه پارامترهای مختلف، مشاهده شد که این توزیع ناهموار و عمدتاً در مناطقی با بیشترین جمعیت متمرکز است. یک نکته مرتبط این است که در این مناطق شهری ما نمی‌توانستیم پارامترهای مطلق کیفیت را اندازه‌گیری کنیم، زیرا هیچ مجموعه داده در دسترس برای استفاده به عنوان حقیقت میدانی وجود نداشت. در عوض، ما مجبور شدیم تعدادی از شاخص‌های کیفیت داده‌ها را با معیارهای همگن در 37 شهرداری مورد مطالعه مقایسه کنیم.
به منظور در نظر گرفتن استفاده از داده های OSM به عنوان ورودی در پایگاه داده های فضایی رسمی، این مسائل کیفیت باید مورد توجه قرار گیرد. هنگام تجزیه و تحلیل مناطق شهری، مکان‌هایی که داده‌ها فراوان‌تر و اغلب به‌روز می‌شوند نیز همان شهرهایی هستند که منابعی برای سرمایه‌گذاری در طرح‌های نقشه‌برداری دارند. مکان‌هایی که این داده‌ها بسیار مورد نیاز است و منابع مالی و انسانی کمیاب‌تر هستند، ممکن است مشارکت‌کنندگان به انگیزه‌هایی یا تماس خاصی برای تمرکز این تلاش‌ها نیاز داشته باشند، زیرا به نظر می‌رسد چنین نقاطی طبیعتاً در محدوده نقشه‌سازان داوطلب قرار نمی‌گیرند. این مطالعه نشان داد که حتی بدون پایگاه‌های اطلاعاتی رسمی موجود برای ارزیابی پارامترهای کیفیت مطلق، می‌توان مقایسه‌ای بین حوزه‌های متمایز انجام داد که نشان می‌دهد VGI به تنهایی نمی‌تواند پاسخی برای ارائه داده‌ها در مناطق فقیرتر و ایزوله باشد.
برای گسترش این رویکرد اولیه، یک دستور کار تحقیقاتی آینده می تواند جنبه هایی مانند دقت موقعیتی، همبستگی با سایر متغیرها و مطالعات در اهمیت آماری همبستگی، از جمله تکنیک های آمار فضایی را مشاهده کند. همچنین تعیین آستانه پارامترهای کیفیت قابل قبول به منظور در نظر گرفتن این داده ها به عنوان بخشی از پایگاه های داده رسمی مهم است. موضوعی که می‌تواند درک به‌روزرسانی‌های VGI را افزایش دهد، ویژگی‌های مناطق توریستی مانند شهرداری‌های ساحلی و منطقه Serra do Mar است. به نظر می‌رسد این مناطق تعداد مشارکت‌های فزاینده‌ای دارند که می‌تواند ناشی از بازدیدکنندگان باشد، نه تنها جمعیت محلی، بلکه این تأثیر بخشی از مطالعه حاضر نبود.
داده‌های باز در ارتباط با استانداردها و نرم‌افزارهای باز می‌توانند به مقامات محلی و جمعیت کمک کنند تا با در نظر گرفتن عوامل اجتماعی و اقتصادی، فضای خود را به طور مؤثرتری مدیریت کنند. هنگامی که ماهیت آن و جنبه های کیفی مربوط به آن را درک کنیم، اطلاعات VGI می تواند نقش مهمی در این فرآیند ایفا کند.

منابع

  1. Fairbain، DJ مرزهای نقشه برداری: نقشه برداری از یک رشته در حال تغییر. فتوگرام رکورد 1994 ، 14 ، 903-915. [ Google Scholar ] [ CrossRef ]
  2. پترسون، MP Trends در استفاده از نقشه اینترنتی. در مجموعه مقالات هجدهمین کنفرانس بین المللی کارتوگرافی، استکهلم، سوئد، 23 تا 27 ژوئن 1997.
  3. ترنر، الف. جغرافیای جدید – به سوی یک تعریف. در دسترس آنلاین: http://highearthorbit.com/neogeography-towards-a-definition/ (دسترسی در 10 اوت 2012).
  4. Goodchild، MF Citizens به عنوان حسگر: دنیای جغرافیای داوطلبانه. ژئوژورنال 2007 ، 69 ، 211-221. [ Google Scholar ] [ CrossRef ]
  5. اسلوکام، TA; مک مستر، RB; کسلر، اف سی؛ هاوارد، کارتوگرافی موضوعی و ژئوویژوالیشن HH ، ویرایش سوم. Pearson Prentice Hall: Upper Saddle River، نیوجرسی، ایالات متحده آمریکا، 2009. [ Google Scholar ]
  6. هیپک، سی. داده‌های جغرافیایی جمع‌سپاری. ISPRS J. Photogramm. Remote Sens. 2010 , 65 , 550-557. [ Google Scholar ] [ CrossRef ]
  7. گریفین، آل. Fabrikant، SI نقشه های بیشتر، کاربران بیشتر، دستگاه های بیشتر به معنای چالش های نقشه برداری بیشتر است. کارتوگر. J. 2012 , 49 , 298-301. [ Google Scholar ]
  8. بوداتوکی، NR; بروس، BC; Nedovic-Budic، Z. مفهوم سازی مجدد نقش کاربر زیرساخت داده های مکانی. ژئوژورنال 2008 ، 72 ، 149-160. [ Google Scholar ] [ CrossRef ]
  9. هاکلی، م. سینگلتون، ا. پارکر، سی. نقشه برداری وب 2.0: جغرافیای جدید Geoweb. Geogr. Compass 2008 , 2 , 2011-2039. [ Google Scholar ] [ CrossRef ]
  10. کورمود، جی. کریشنامورتی، بی. تفاوت های کلیدی بین وب 1.0 و وب 2.0. اولین دوشنبه 2008 13 . [ Google Scholar ] [ CrossRef ]
  11. جکسون، اس پی؛ مولن، دبلیو. آگوریس، پ. کروکس، آ. کرویتورو، آ. استفانیدیس، الف. ارزیابی کامل بودن و خطای مکانی ویژگی‌ها در اطلاعات جغرافیایی داوطلبانه. ISPRS Int. J. Geo-Inf. 2013 ، 2 ، 507-530. [ Google Scholar ] [ CrossRef ]
  12. O’Reilly, T. Web 2.0 چیست: طراحی الگوها و مدل های تجاری برای نسل بعدی نرم افزار. اشتراک. استراتژی. 2007 ، 65 ، 18-37. [ Google Scholar ]
  13. کلمن، جی دی. جورجیادو، ی. Labonte, J. داوطلبانه اطلاعات جغرافیایی: ماهیت و انگیزه تولیدکنندگان. بین المللی جی. اسپات. زیرساخت داده Res. 2009 ، 4 ، 332-358. [ Google Scholar ]
  14. لیو، اس. پالن، ال. نقشه‌نگاران جدید: نقشه‌های بحرانی درهم آمیختن و پیدایش عمل نئوجغرافیایی. کارتوگر. Geogr. آگاه کردن. علمی 2010 ، 37 ، 69-90. [ Google Scholar ] [ CrossRef ]
  15. جانسون، PA; سیبر، انگیزه‌های RE که دولت را به پذیرش Geoweb هدایت می‌کند. GeoJournal 2012 ، 77 ، 667-680. [ Google Scholar ] [ CrossRef ]
  16. Bearden, MJ The National Map Corps, 2007. موجود به صورت آنلاین: www.ncgia.ucsb.edu/projects/vgi/docs/position/Bearden paper.pdf (دسترسی در 15 اکتبر 2013).
  17. آناند، اس. مورلی، جی. جیانگ، دبلیو. دو، م. هارت، جی. جکسون، ام. وقتی دنیاها با هم برخورد می کنند: ترکیبی از Ordnance Survey و Open Street Map. در مجموعه مقالات 2010 AGI GeoCommunity، لندن، انگلستان، 28-30 سپتامبر 2010.
  18. Goodchild، MF; Li, L. اطمینان از کیفیت اطلاعات جغرافیایی داوطلبانه. تف کردن آمار 2012 ، 1 ، 110-120. [ Google Scholar ] [ CrossRef ]
  19. کامبر، ا. ببینید، L. فریتز، اس. ون در ولده، م. پرگر، سی. Foody, GM استفاده از داده های کنترلی برای تعیین قابلیت اطمینان اطلاعات جغرافیایی داوطلبانه در مورد پوشش زمین. بین المللی J. Appl. زمین Obs. Geoinf. 2013 ، 23 ، 37-48. [ Google Scholar ] [ CrossRef ]
  20. براون، جی. یک ارزیابی تجربی از دقت فضایی داده‌های GIS مشارکت عمومی (PPGIS). Appl. Geogr. 2012 ، 34 ، 289-294. [ Google Scholar ] [ CrossRef ]
  21. Haklay, M. اطلاعات جغرافیایی داوطلبانه چقدر خوب است؟ مطالعه تطبیقی ​​مجموعه داده‌های OpenStreetMap و Ordnance Survey. محیط زیست طرح. B طرح. دس 2010 ، 37 ، 682-703. [ Google Scholar ] [ CrossRef ]
  22. استس، جی. مونیهان، DW نقشه ها و افسانه ها. فتوگرام مهندس Remote Sens. 1994 , 60 , 517-524. [ Google Scholar ]
  23. Camboim, SP; Sluter، CR نقشه برداری توپوگرافی ملی به عنوان یک پایگاه داده ضروری برای زیرساخت داده های مکانی ملی برزیل (NSDI). در مجموعه مقالات بیست و چهارمین کنفرانس بین المللی کارتوگرافی، سانتیاگو، شیلی، 15 تا 21 نوامبر 2009.
  24. Picanço، PL، Jr. Delazari، L. پیشنهاد رابط برای سیستم VGI برای استفاده از سیستم. در مجموعه مقالات 2015 CPGCG-UFPR، کوریتیبا، برزیل، 23 ژوئن 2015.
  25. لیو، جی. گفت، م. اورتگاه، ل. ناگدا، س. جورجیادو، ی. دبولیس، ام. ارزیابی دقت تولید نقشه راه داوطلبانه در وسترن کنیا. Remote Sens. 2011 ، 3 ، 247-256. [ Google Scholar ] [ CrossRef ]
  26. پارکر، سی جی دیدگاه عوامل انسانی در مورد اطلاعات جغرافیایی داوطلبانه. دکتری پایان نامه، دانشگاه Loughborough، Leicestershire، UK، 2012. [ Google Scholar ]
  27. کسلر، سی. Groot، RTA Trust به عنوان معیاری برای کیفیت اطلاعات جغرافیایی داوطلبانه در مورد OpenStreetMap. در علم اطلاعات جغرافیایی در قلب اروپا ; Vandenbroucke, D., Bucher, B., Crompvoets, J., Eds. Springer: Cham, Switzerland, 2013; ص 21-37. [ Google Scholar ]
  28. فرقانی، م. Delavar, MR مطالعه کیفی مجموعه داده OpenStreetMap برای تهران. ISPRS Int. J. Geo Inf. 2014 ، 3 ، 750-763. [ Google Scholar ] [ CrossRef ]
  29. براون، جی. وبر، دی. de Bie, K. آیا PPGIS به اندازه کافی خوب است؟ یک ارزیابی تجربی از کیفیت داده‌های فضایی با منبع PPGIS برای برنامه‌ریزی حفاظت. سیاست کاربری زمین 2015 ، 43 ، 228-238. [ Google Scholar ] [ CrossRef ]
  30. Flanagin، AJ; Metzger, MJ اعتبار اطلاعات جغرافیایی داوطلبانه. جئوژورنال 2008 ، 72 ، 137-148. [ Google Scholar ] [ CrossRef ]
  31. گوپتیل، SC; موریسون، JL عناصر کیفیت داده های مکانی ; Elsevier: آمستردام، هلند، 1997; پ. 201. [ Google Scholar ]
  32. ویلکینسون، دی.م. هوبرمن، کارشناسی ارزیابی ارزش همکاری در ویکی پدیا. 2007. در دسترس آنلاین: http://arxiv.org/abs/cs/0702140 (در تاریخ 01 مارس 2015 قابل دسترسی است).
  33. کلی، ام جی تخیلات شهری نوظهور رسانه های جغرافیایی اجتماعی. ژئوژورنال 2011 ، 78 ، 181-203. [ Google Scholar ] [ CrossRef ]
  34. Tuan، Y-Fu. زبان و ساخت مکان: رویکردی روایی- توصیفی. ان دانشیار صبح. Geogr. 1991 ، 81 ، 684-696. [ Google Scholar ]
  35. Instituto Brasileiro de Geografia e Estatística، IBGE. Censo Demográfico 2010. در دسترس آنلاین: http://www.ibge.gov.br/home/estatistica/populacao/censo2010/default.shtm (در 1 مارس 2015 قابل دسترسی است).
  36. کاروالیو، JAM پویایی های جمعیتی در برزیل: روندها و دیدگاه های اخیر. براز جی پوپول. گل میخ. 1998 ، 1 ، 5-24. [ Google Scholar ]
  37. هندرسون، وی. شهرهای با اندازه متوسط. Reg. علمی اقتصاد شهری 1997 ، 27 ، 583-612. [ Google Scholar ] [ CrossRef ]
  38. Birdsall, N.; Sinding، SW چگونه و چرا جمعیت اهمیت دارد: یافته های جدید، مسائل جدید. در مسائل جمعیت: تغییرات جمعیتی، رشد اقتصادی، و فقر در جهان در حال توسعه . Birdsall, N., Kelley, AC, Sinding, SW, Eds. انتشارات دانشگاه آکسفورد: آکسفورد، انگلستان، 2001; ص 181-203. [ Google Scholar ]
  39. Mccann، EJ “بهترین مکان ها”: رقابت بین شهری، کیفیت زندگی و گفتمان رسانه ای محبوب. مطالعه شهری. 2004 ، 41 ، 1909-1929. [ Google Scholar ] [ CrossRef ]
  40. لیما، MHP; رودریگز، سی ام. سیلوا، JKT؛ مارتینز، رایانه شخصی؛ Terron، SL; سیلوا، RLS Divisão Territorial Brasileira. در دسترس آنلاین: http://www.ipeadata.gov.br/doc/DivisaoTerritorialBrasileira_IBGE.pdf (در 01 مه 2015 قابل دسترسی است).
  41. زوک، م. گراهام، ام. شلتون، تی. Gorman, S. داوطلبانه اطلاعات جغرافیایی و جمع سپاری امداد رسانی به بلایا: مطالعه موردی زلزله هائیتی. پزشکی جهانی سیاست سلامت 2010 ، 2 ، 7-33. [ Google Scholar ] [ CrossRef ]
  42. Instituto Brasileiro de Geografia e Estatística، IBGE. Divisão Regional do Brasil em Mesorregiôes e Microrregiôes Geográficas. در دسترس آنلاین: http://biblioteca.ibge.gov.br/visualizacao/monografias/GEBIS%20-%20RJ/DRB/Divisao%20regional_v01.pdf (دسترسی در 01 مارس 2015).
  43. Instituto Brasileiro de Geografia e Estatística، IBGE. Base Cartográfica na Escala 1:250,000, 2013. موجود به صورت آنلاین: ftp://geoftp.ibge.gov.br/mapeamento_sistematico/base_vetorial_continua_escala_250mil/Documentacao_bc250_v1 .
  44. Instituto Brasileiro de Geografia e Estatística، IBGE. Produto Interno Bruto dos Municípios Brasileiros، 2011. در دسترس آنلاین: http://ibge.gov.br/home/estatistica/economia/pibmunicipios/2011/default.shtm (در 1 مارس 2015 قابل دسترسی است).
  45. Programa das Nações Unidas para o Desenvolvimento، PNUD. Atlas do Desenvolvimento Humano do Brasil. 2013. در دسترس آنلاین: http://www.atlasbrasil.org.br/2013/pt/o_atlas/o_atlas_/ (در 1 مارس 2015 قابل دسترسی است).
  46. ژئوفابریک. گزیده ها و داده های مشتق شده از مجموعه داده OpenStreetMap. در دسترس آنلاین: http://www.geofabrik.de/data/download.html (در 25 ژانویه 2015 قابل دسترسی است).
  47. ISO TC-211. ISO: 19157: 2013 — اطلاعات جغرافیایی — کیفیت داده ها ; سازمان بین المللی استانداردسازی: ژنو، سوئیس، 2013; پ. 146. [ Google Scholar ]

;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