photo_۲۰۱۷-۱۰-۱۲_۰۷-۵۴-۳۹
الف) در لایه ی اطلاعاتی مربوط به کاربری اراضی، بعد زمان، ثابت می باشد و به عنوان یک برداشت لحظه ای از واقعیت در نظر گرفته شده است. از سوی دیگر مولفه موضوعیت از طریق تعیین و توصیف تعداد معین و ثابتی از کلاس های مختلف کاربری اراضی، تحت کنترل قرار گرفته است. در این وضعیت تنها مولفه ی موقعیت مکانی در مناطق مشاهده شده و یا نمونه برداری شده، مورد سنجش و اندازه گیری واقع شده است. ب) در مدل رقومی ارتفاع،[1] مولفه ی زمان دوباره ثابت در نظر گرفته می شود موقعیت مکانی تحت کنترل می باشد و ارتفاع در نقاطی بر روی شبکه با فواصل ثابت ثبت و یا مشاهده می گردد. موضعیت (ارتفاع) نیز مورد سنجش و اندازه گیری قرار می گیرد. ج) در یک نقشه بارش به عنوان یک لایه اطلاعاتی مولفه موقعیت (باران سنج ها) ثابت است، مولفه ی زمان تحت کنترل (به اندازه ای که باران سنج ها در زمان های معینی قرائت می گردند) می باشد و موضوعیت (مقدار بارش) مورد اندازه گیری و سنجش قرارمی گیرد. ابعاد مکعب داده ها بسته به مقیاس اندازه گیری، مشتمل بر دامنه ای از مقادیر خواهند بود. برای آن که واژه ی مقیاس با آن چه که مورد مقیاس نقشه ها و قدرت تفکیک مکانی موجودیت های جغرافیایی مطرح است. اشتباه نگردد، می توان به جای مقیاس انداه گیری از واژه نوع سنجش[2] نیز استفاده کرد. طبق تقسیم بندی استیونس[3] چهار نوع سنجش شامل اسمی[4] ترتیبی[5]دامنه ای[6] و نسبت[7] وجود دارند. در مقیاس اسمی سنجش، موجودیت ها در کلاس های اسمی (مانند کلاس های کاربری اراضی و یا کلاس های تناسب اراضی) طبقه بندی می شوند. طبق مقیاس ترتیبی، موجودیت ها بر اساس برخی ترتیب ها (مانند از کوچکترین به بزرگترین و یا از پست ترین تا مرتفع ترین) مرتب می گردند. در مقیاس حد فاصله ای، که به عنوان یکی از مقیاس های سنجش مرتبه بالا محسوب می گردد، موجودیت ها بر اساس مقیاسی اندازه گیری می شوند که آن مقیاس، دارای صفر اختیاری و دامنه ی (حد فاصل) اختیاری است. به طور مثال، در اندازه گیری درجه حرارت، عدد صفر درجه سانتی گراد به صورت اختیاری به عنوان نقطه ی انجماد آب در نظر گرفته شده است. از سوی دیگر، 20 درجه سانتی گراد به معنای دو برابر گرم تر بودن از 10 درجه سانتی گراد نمی باشد، بلکه تنها 10 درجه ی سانتی گراد گرم تر است. بلندمرتبه ترین مقیاس سنجش در طبقه بندی کلاسیک استیونس، مقیاس نسبت است که از موجودیت ها توسط مقیاس دارای صفر مطلق مورد سنجش قرار می گیرند و نسبت های تناسبی نی دارای معنا و مفهومی کمی هستند به طور مثال سرعت صفر کلیومتر در ساعت، یک مفهوم واقعی درمطلق است و در عین حال، سرعت 100 کیلومتر در ساعت، دو برابر سرعت 50 کیلومتر در ساعت و نصف سرعت 200 کیلومتر در ساعت است. چنین نوع شناسی[8] مقیاس ها، در انتخاب و تجویز یک شیوه ی پردازش آماری و منع از به کارگیری شیوه های دیگر آماری در پردازش داده ها بسیار موثر و کارآمد بوده است. به طور مثال محاسبه ی میانگین و انحراف معیار برای داده از نوع اسمی و ترتیبی جایز نمی باشد. بلکه می توان از امارهای دیگر مانند مد و یا میانه استفاده کرد. اخیراً طبقه بندی و نوع شناسی استیونس به دلیل عدم جامعیت مورد انتقاد قرار گرفته است. به طور مثال داده های مورد استفاده در سامانه های اطلاعات مکانی می توانند از سنخ دیگری باشند مانند شمارش[9]به عنوان اعداد صحیح غیر منفی احتمال ها[10]که دامنه ی مطلق بین صفر و یک را تشکیل می دهند، جهت[11] که اندازه گیری مدور و دایره ای است، امتداد[12]که سنجش کروی و اسفروئید است، اعداد فازی[13] که متفاوت از اعداد حقیقی هستند و برای درجه بندی عضویت یک کلاس اسمی به کار گرفته می شوند و برای بیان آنها به بیش از یک مقدار عددی نیاز می باشد و اعداد ارجاع[14] که نیازمند حداقل دو مقیاس به طور هم زمان هستند. علی رغم نیاز به در اختیار داشتن و آگاهی از مقیاس های جدید سنجش بایستی اعتراف نمود که نوع شناسی استیونس، هنوز محبوبیت خود را حفظ نموده است (شکل 15-1) طبقه بندی برخی لایه های اطلاعاتی یک سامانه ی اطلاعات مکانی بر اساس طبقه بندی استیونس را نشان می دهد. معمولا داده های محدوده ای و میدانی، مترادف یکدیگر به کار گرفته می شوند. طبقات اطلاعات مربوط به اقلام مکانی با فرض آن که سطح کره ی خاکی، دربرگیرنده ی پدیده ها و عوارض معین قابل تشخیص و یا محدوده ی مشخصی است هر قلم داده یا اطلاعات مکانی می تواند دارای پنج طبقه ی اطلاعات (آگاهی) باشد:…………..

photo_۲۰۱۷-۱۰-۱۲_۰۷-۵۴-۳۹
تمامی جنبه ها، مدل ها و موضوعات ارائه شده، در قالب مدل مفهومی داده های مکانی تشکیل دهنده ی هسته ی مرکزی تحقیقات و آموزش در علم اطلاعات مکانی هستند. این مدل مفهومی نه منحصراً مستند بر مرزهای آموزشی و سنتی سامانه های اطلاعات مکانی (جغرافیایی) است و نه موید انحصاری فناوری است. آن چه که بایستی بدان توجه ی کافی داشت آن است که هر جا که با داده های مکانی رو به رو باشیم مجموعه ای از مفاهیم و موضوعات (همانند آن چه که در بالا بیان شد) وجود دارند که واقعی و قائم به ذات هستند. لذا صرف نظر از رشته ها و تخصص های مختلف علمی، رسیدن به درک روشنی از مفاهیم و مقوله های فوق برای محققان و دانش پژوهان علوم مختلف که سر و کار با داده ها و اطلاعات کافی دارند ضروری و اجتناب ناپذیر است. مهندسی اطلاعات مکانی[1] الگوی علم اطلاعات مکانی با توجه به مشخصه ها و مولفه های تعریف شده ی آن در بخش قبلی بیانگر این واقعیت است که فناوری سامانه های اطلاعات مکانی، تنها یکی از مجموعه ی فناوری های موثر و تنها یکی از ابزارهای کارامد درکاربردی ساختن علم اطلاعات مکانی است. این مجموعه ی فناوری را می توان در قالب مهندسی اطلاعات مکانی تعریف کرد. اگر وظیفه و هدف علم را کشف و توسعه ی مرزهای آگاهی، دانش و شناخت بدانیم، آن گاه مهندسی، ابزاری جهت به کارگیری و عملیاتی کردن آگاهی های به دست آمده و در دسترس جوامع انسانی قرار دادن آنها خواهد بود. فرایند عملیاتی کردن دانش حاصل، بایستی هوشمندانه و نظام مند صورت گیرد تا ریسک خطا و اشتباه را به حداقل رساند. عملیاتی کردن علوم اطلاعات مکانی توسط فناوری های مختلف صورت می پذیرد که این مجموعه تکنولوژیکی را می توان مهندسی اطلاعات مکانی نامید. فناوری های مربوط به جمع آوری و ثبت داده ها به شدت در حال توسعه و ارتقا هستند. اهداف اصلی این فناوری ها شامل بهبود قدرت تفکیک مکانی[2] سرعت عمل بسیار زیاد در ثبت داده ها به زمان پاسخ ابزارهای سنجنده و کاهش هزینه های جمع آوری و مشاهده داده ها می باشند. داده های حاصل، شکل دهنده ی مواد خام و اولیه ی مهندسی اطلاعات مکانی هستند. از سوی دیگر فناوری های سطح بالای[3] الکترونیکی، میکروالکترونیکی، کامپیوتری (ساخت افزاری و نرم افزاری) و شبکه های جهانی کامپیوتری (اینترنت) فراهم آورنده ی سکوهای مطمئن و قابل اتکا جهت برقرارسازی کاربردهای مختلف و متنوع مهندسی اطلاعات مکانی هستند. شکل (8-1) مدل مفهومی کاربرد مهندسی اطلاعات مکانی را به صورت شماتیک نشان می دهد. این مدل بیانگر تغییرات حاصل در جنبه ها، مدل ها و موضوعات علم اطلاعات مکانی در متن کاربردهای مختلف و در مقیاس های مختلف است. پدومتری: مهندسی داده ها و اطلاعات خاک نگاهی دوباره به سیستم پویا و چند متغیره ی خاک، حاکی از این واقعیت است که مدل های مفهومی داده های مکانی را می توان به خوبی در علوم خاک، بسط و توسعه داد. خاک، موجودیتی است که در دو بعد اساسی مکان و زمان به وقوع می پیوندد و دائماً در حال تغییر و تحول است که در دو بعد اساسی مکان و زمان به وقوع می پیوندد و دائماً در حال تغییر و تحول است. خصوصیات و ویژگی های اساسی آن نیز رفتاری تحولی در زمان و مکان نشان می دهند. چنانچه آگاهی های حاصل از خاک را علم اطلاعات خاک بدانیم، آن گاه پدومتری را می توان مهندسی داده ها و اطلاعات خاک نام گذاری کرد. چنین معماری (مهندسی) داده ها نیازمند به کارگیری فناوری های مختلف در چارچوب علم اطلاعات مکانی (و غیر مکانی) است. پردازش داده های مکانی و تولید اطلاعات مکانی پردازش داده های مکانی دربرگیرنده ی طیف وسیعی از عملیات و محاسبات شامل سازمان دهی، تجزیه و تحلیل، تفسیر، طبقه بندی، استنباط و تعمیم سازی و نمایش داده ها و اطلاعات مکانی جهت اهداف مختلف است بدین ترتیب داده های مکانی، که از گستره و فضای چند بعدی اخذ می گردند داده های ثبت مکانی شده ای[4] هستند که پس از پرداشبه شکل معنی دار و سودمندی در اختیار تصمیم گیران قرار میگیرند بنابراین می توان مدعی گردید که غالب تصمیم ها نیز دارای ماهیت مکانی هستند. تمایز داده های مکانی از اطلاعات مکانی به صورت شماتیک توسط اشکال (9-1) و (10-1) نشان داده شده اند. در شکل (9-1) چگونگی طبقه بندی بافت خاک های واقع در یک منطقه فرضی نشان داده شده است. ابتدا 10 نمونه تصادفی از منطقه برداشت می شوند و درصد رس، سیلت و شن آنها اندازه گیری می گردند. نتایج حاصل در قالب جدول مربوط نشان داده شده اند. به منظور استخراج اطلاعات از نتایج حاصل بایستی آن ها مورد پذیرش قرار گیرند. شیوه ی معمول در این وضعیت، عبارت از طبقه بندی داده ها بر اساس مقادیر مختلف رس، سیلت و شن است. با استفاده از مثلث بافت خاک، بعنوان یک سیستم طبقه بندی مشتمل برمجموعه ای از قوا……….

photo_۲۰۱۷-۱۰-۱۲_۰۷-۵۴-۳۹
. تجزیه و تحلیل مکانی: که به عنوان یکی از مهم ترین جنبه های مطالعات کمی پدیده های مکانی مورد توجه می باشد. برخی بر این باور هستند که پردازش های مکانی، عبارت از کاربرد قواعد و اصول علم اطلاعات در حل مسائل مختلف از جمله مشکلات زیست محیطی هستند. بنابراین، جنبه های مختلف تجزیه و تحلیل مکانی در بخش های قبلی (مانند آمار مکانی و غیره) ارائه شده اند. لیکن، مسائلی مانند واحدهای مکانی قابل اصلاح، توصیف توپولوژی گستره های مکانی با اشکال نااقلیدسی و … نشان می دهند که بایستی به گونه ای تدبیرآمیز، اقدام به تفکیک تجزیه و تحلیل های مکانی به سرفصل ها و عناوین مختلفی نمود که بخشی از آنها در حیطه ی علم اطلاعات مکانی و بخشی دیگر در قلمروی کاربردهای علم اطلاعات مکانی قرار گیرند. اطلاعات مکانی، سازمان ها، موسسات جامعه:تا قبل ازدهه ی هشتاد میلادی، بسیاری از پیشرفت ها و نوآوری ها در سامانه ی اطلاعات مکانی، در متن کاربردهای مختلف و حل مشکلات متنوع صورت پذیرفته اند. دهه ی هشتاد آغاز دوران تجاری شدن سامانه های اطلاعات مکانی از یک سو و گشوده شدن پای آن ها در مراکز آموزشی و تحقیقاتی از سوی دیگر بود. در اواخر قرن بیستم، توجه ی بیشتری به اثرات فناوری با ملحوظ داشتن دیدگاه های پسامدرنیته[1] گردیده است. در این چارچوب تحقیقات فناوری در رابطه با جنبه های حقوقی، اقتصادی، اجتماعی و فرهنگی اطلاعات مکانی و اثرات آن در ایجاد قدرت های فراملی آغاز شده است. در کنار جنبه های مختلف فوق، دو موضوع زمان و مقیاس[2]، از اهمیت بسیار زیادی در علم اطلاعات و فناوری های اطلاعات برخوردار هستند. زمان و تغییرات زمانی، یکی از جنبه های مهم بسیاری از کاربردهای سامانه های اطلاعات مکانی فاقد امکانات و ابزارهای محاسباتی مناسب جهت پردازش تغییرات زمانی پدیده های مکانی هستند. نبایستی فراموش کرد که دنیای واقعی که در پیرامون ما قرار گرفته است دارای سه مولفه ی اساسی مکان،[3] زمان،[4]و موضوعیت[5] است. در قلمروی علم اطلاعات مکانی، مقیاس، در برگیرنده ی معنای چندگانه است. در کارتوگرافی، مقیاس بیانگر نسبت بین اندازه بر روی نقشه و اندازه در دنیای واقعی است. بدین ترتیب، نقشه های کوچک مقیاس، نمایش گر گستره های وسیع مکانی هستند. در علوم فییک (مانند هواشناسی) و یا ژئومرفولوژی، مقیاس، جهت تعیین و تاکید بر اندازه، گستره و یا مشخصه ی طولی فرایندهای فیزیکی به کار گرفته می شود. به طور مثال فرایندهای اتمسفری را می توان در مقیاس های میکرو، مزو، ماکرو و یا جهانی[6] مورد بررسی قرار داد. نهایتاً واژه ی مقیاس را می توان جهت توصیف قدرت تفکیک[7] در نمایش موجودیت های مکانی و به معنای کوچک ترین جزء قابل تعیین و یا قابل نمایش به کار بست. به تازگی جنبه های شهودی و ادراکی مقیاس، مورد توجه و بحث محافل مختلف علمی قرار گرفته است. یکی از چالش های پیش رو، چگونگی گرد هم آوردن مولفه های مختلف علم اطلاعات مکانی و اتصال و ارتباط آن ها با فناوری های مختلف[8] است. در همین راستا، چالش بسیار مهمی فراوری متخصصان علوم خاک است که عبارت از تبیین جایگاه، ارتباط و اتصال خاک شناسی، به عنوان یکی از دیسیپلن های علمی به جنبه های مبنایی و کاربردی، در این قلمرو است به نظر می رسد که پدومتری می تواند به عنوان پل رابط در این زمینه ایفای نقش کند. مدل مفهومی داده های مکانی به جرات می توان ادعا کرد که قلب علم اطلاعات مکانی، داده های مکانی[9] است. درک بهتر داده های مکانی، نیازمند در اختیار داشتن یک مدل مفهومی یا زبانی[10] از آنها است. یک مدل مفهومی داده های مکانی، دربرگیرنده ی سه مولفه ی اساسی زیر است. (شکل 2-1): الف) عنصر ترکیبی[11] ب) عنصر معنایی[12] ج) عنصر کیفیتی یا عدم قطعیت[13] مولفه ی ترکیبی، بیان گر چگونگی تبیین و تعریف داده ها، کدبندی آن ها، ارتباط و اتصال نمایش های هندسی داده های مکانی با ویژگی های غیر مکانی آن ها و تعیین روابط مکانی و توپولوژیکی بین داده های مکانی است به دیگر سخن، مولفه ی ترکیبی تعیین کننده ی ساختار داده های مکانی[14] می باشد. مولفه ی معنایی مدل مفهومی داده های مکانی، نشانگر ارتباط و اتصال بین موجودیت ها در قالب ساختارهای داده ها و پرونده ها[15] و آن چه در دنیای واقعی است می باشد. مولفه ی سوم داده های مکانی، عدم قطعیت است. از آن جایی که دو مولفه ی ترکیبی و معنایی، ساختارهایی از داده های مکانی را بیان و تبیین می کند که لاجرم توصیف ساده شده ای از دنیای واقعی هستند، لذا چنین تلخیص و ساده سازی واقعیت، همیشه با شک و تردید (خطا و عدم قطعیت) همراه خواهد بود که توسط سومین مولفه ی داده های مکانی توصیف می گردد. به این مدل مفهومی می توان عنصر و مولفه ی چهارمی را نیز اضافه نمود و مثلث مدل مفهومی داده های مکانی را تبدیل به هرم کرد (شکحل 3-1) مولفه ی چهارم، عبارت از عنصر عملیاتی و داده های مکانی را تبدیل به هرم کرد (شکل 3-1) مولفه ی چهارم، عبارت از عنصر عملیاتی و کاربردی است. این مولفه بیان گر الگوریتم ها، قواعد و مبانی نرم افزاری جهت دریافت، ثبت و ضبط، پردازش و نمایش داده های مکانی است. بدیهی است که بسته های نرم افزاری سامانه های اطلاعات مکانی و یا مدل های شبیه سازی فرایندهای محیطی در قالب مولفه چهارم، بیان هستند. بدین ترتیب عناصر کلیدی علم اطلاعات مکانی، شامل تتراهدرال هایی است که اضلاع شش گانه و وجوه چهارگانه ی آنها بیان گر روابط اصلی بین چهار مولفه ی مورد نظر هستند. این روابط تعریف کننده های مدل های مختلفی به شرح زیر می باشند (شکل 4-1)……….

photo_۲۰۱۷-۱۰-۱۲_۰۷-۵۴-۳۹
شکل (10-1) نه تنها تمایز بین داده ها و اطلاعات را نشان می دهد، بلکه مفهوم بر هم کنش های مکانی (در فصول بعدی بیش تر توضیح داده می شود) را نیز بیان می دارد. جدول مربوط در برگیرنده داده های مربوط به حجم حمل و نقل فواصل بین شهرها و جمعیت شهرهای مبدا و مقصد است. به منظور استخراج اطلاعات مورد نیاز اقدام به مدل سازی حجم ترافیک (Iil) بین شهرهای l,i به عنوان یک شیوه پردازش داده ها می گردد. این مدل برهم کنش مکانی می تواند به صورت زیر تعریف گردد: Traffic volum (I,j)=Iil=(PiPi/dil)a Pl,Pi عبارت از جمعیت شهرهای J,i هستند. dil عبارت از فاصله بین شهرهای l,i است. پارامتر مدل برهم کنش مکانی است. در این مدل 5/2=a در نظر گرفته شده است. بدین ترتیب مقدار برهم کنش 0تعداد سفرهای بین شهری) بین جفت شهرهای مختلف (آخرین ستون جدول از سمت راست) را می توان محاسبه کرد. همانگونه که ملاحظه می گردد، تعداد سفرهای بین دو شهر، بر اساس مدل مزبور، به خوبی توصیف می گردند.   انواع (کاتگوری) داده های مکانی آغاز هزاره ی سوم، همراه با شکوفایی و اوج توانایی بشر در کسب داده ها و اطلاعات از دنیای پیرامونی خود بوده است. حجم بسیار زیاد داده ها و اطلاعات به کارگیری ابزارها و شیوه های ماشینی در کسب، نگهداری و پردازش آنها را اجتناب ناپذیر ساخته است. ابزارهای الکترونیکی بسیار پیشرفته ی رقومی[1] و غیر رقومی[2] مطالعات میدانی و جمع آوری داده های مختلف از موجودیت مختلف جغرافیایی را تسهیل بخشیده اند. در این میان ابزارهای مبتنی بر کامپیوترها نقش اساسی در ضبط و نگهداری، تجزیه و تحلیل و نمایش داده های مکانی ایفا می کنند. هسته مرکزی سامانه های مبتنی بر کامپیوترها (سامانه های اطلاعات مکانی)، پایگاه داده ها[3] است. پایگاه داده ها را می توان انبار و مخزن فیزیکی از نگرش های مختلف به دنیای واقعی پیرامون بشر دانست که شناخت و آگاهی از یک موقعیت مکانی (در زمان مشخص و معین) را منعکس می کند. درچارچوب پایگاه داده ها نه تنها داده ها از اطلاعات متمایز می گردند بلکه عنصر سوم دیگری به نام آگاهی[4] را نیز می توان از آن ها منفک کرد. آگاهی بشری، جهت استخراج و استنباط از دنیای واقعی، ضروری است. داده های واقع در پایگاه داده ها دربرگیرنده انواع و اشکال مختلف با منشا مفهومی متفاوت از جهان واقعی هستند. داده ها ممکن است به اشکال زیر وجود داشته باشند: واقعی[5] (مانند شرایط پستی و بلندی اراضی[6] و ساختمانها) جمع آوری شده[7] که توسط ابزارهای مختلف فیزیکی (مانند حسگرهای[8] الکترونیکی و یا فیلم) به دست می آیند. تفسیر شده[9] که با دخالت بشر حاصل می گردد. کدبندی شده[10] که به اشکال مختلف (مانند صفحات نقشه، نتایج رقومی و آماری) وجود دارند. 5-سازمان بندی شده،[11] در قالب های مختلف (مانند جداول مختلف) یکی از معمول ترین شیوه های سازمان بندی های داده ها و اطلاعات، استفاده از نقشه ها است. در سامانه های اطلاعات مکانی نقشه ها تحت عناوین مختلف مانند لایه ها،[12] تصاویر[13] و یا پوشش [14] نامیده می شوند. مفهوم پایگاه داده های لایه بندی شده در شکل (12-1) نشان داده شده است. هر لایه، بیان گر شیوه ای موضوعیتی[15] جهت نمایش اطلاعات مختلف دنیای واقعی است. لایه های اطلاعاتی به طرق مختلف تولید می شوند و یا به دست می آیند که موضوع فصول بعدی این کتاب است. یکی دیگر از شیوه های مرتب ساختن و سازمان بندی داده های مکانی استفاده از ماتری سهای ساختاری و برهم کنش است (شکل 13-1) ماتریس ساختاری را ماتریس داده های مکانی (شکل a-13)و ماتریس برهم کنش را ماتریس رفتاری داده های مکانی[16] می نامند. ردیف های ماتریس ساختاری واحدهای مشاهداتی و یا اقلام مکانی[17] را نشان می دهند. اقلام مکانی به پدیده هایی اطلاق می گردند که تقسیط انها به واحدهای همانند سطوح قبلی امکان گذیر نمی باشد. یک خانه را نمی توان به خانه های کوچک تر تقسیم کرد. اگر چه آن را می توان به اتاق ها تقسیم کرد. هر قلم مکانی، دارای مجموعه ای از خصوصیات است که ویژگی[18] نامیده می شود. هر کدام از ستونهای ماتریس ساختاری به یک ویژگی خاص اختصاص داده شده است. در ماتریس برهم کنش ردیف ها و ستونها نمایان گر اقلام مکانی هستند. بایستی توجه داشت که الزامی به مساوی بودن تعداد ردیف ها و ستونها نمی باشد. علاوه بر این xil رواط ین اقلام I و i را نشان می دهد. این روابط می توانند تحت عناوین مختلف (مانند فاصله[19]، زمان[20] و یا هزینه[21]) از i بهI و یا درجه ی اتصال[22] بین دو قلم مکانی به حساب می آیند. بنابراین هر سلول ماتریس را می توان با کمیتی عددی که بیان گر ارتباط بین اقلام i و I است بیان کرد. سازمان بندی داده ها در شکل ماتریسی، کاربر را قادر می سازد که با استفاده از ابزارهای امار ریاضی اقدام به پردازش داده های مکانی کند. بایستی خاطر نشان ساخت که ماتریس های دو بعدی فوق را می توان با افزودن بعد سوم، که بیان گر زمان است بسط و تعمیم داد. خصیصه های اساسی داده های مکانی در سامانه های اطلاعات مکانی صرف نظر از منبع داده های مورد استفاده در سامانه های اطلاعات (اولیه یا ثانویه بودن داده ها) تمامی آن ها را می توان بر اساس چند بعدی بودن مقیاس سنجش و قدرت تفکیک از یکدیگر متمایز کرد. اگر داده ها را ابزار اساسی سامانه های اطلاعاتی محسوب نماییم آن گاه آگاهی از چنین ویژگی هایی ضروری خواهد بود. همان طور که در بالا نیز اشاره گردید در سامانه های اطلاعات مکانی، داده های مکانی عمدتاً در قالب لایه های (رویه ها و یا تصاویر) اطلاعاتی وجود دارند که دربرگیرنده سه بعد اساسی مکانی، زمانی و موضوعی هستند. این ابعاد را می توان به صورت مکعبی نشان داد که یکی از مولفه های سه گانه فوق، همیشه ثابت در نظر گرفته می شود. دیگری مجاز به تغییرات کنترل شده است و سومین مولفه مورد سنجش و اندازه گیری واقع می گردد. برخی مثال ها در شکل (14-1) نشان داده شده اند……………

photo_۲۰۱۷-۱۰-۱۲_۰۷-۵۴-۳۹
این موضوعات، دربرگیرنده ی چگونگی مدیریت داده ها از نقطه منظر کیفیت و قابلیت اعتماد آنها استفاده از داده های استاندارد و بدون نقص[1] هستند. فصلی از کتاب حاضر به موضوع کیفیت داده ها در سامانه های اطلاعات مکانی اختصاص داده شده است. ج) موضوعات مربوط به تناسب و نیکویی کاربری[2] در حالی که موضوعات مربوط به کیفیت داده ها عمدتا بر روی داده های ورودی، تاکید دارند و متمرکز می گردند. موضوعات مربوط به نیکویی کاربری، دربرگیرنده ی کیفیت و سودمندی اطلاعات خروجی از سامانه های اطلاعات مکانی هستند. در این حالت کیفیت خروجی های سیستم از نقطه نظر نمایشی و مهم تر از آن از نقطه نظر تکثیر و تجمیع عدم قطعیت و خطا مورد توجه می باشد تا بتوان نتایج را به گونه ای مطمئن در فرایند تصمیم گیری به کار بست. د)موضوعات مروبط به مدل سازی و شبیه سازی[3]: این موضوعات، عمدتاً دربرگیرنده ی چگونگی تجزیه و تحلیل و پردازش داده های مکانی هستند. سامانه های اطلاعات مکانی دربرگیرنده ی مجموعه ای از زیر برنامه ها و مدول های محاسباتی و مدل سازی می باشند که از نقطه نظر سطح عملیاتی آنها را می توان به دو دسته ی کلی مدول های پردازشی بنیادی و مدول های پردازشی پیشرفته تقسیم بندی کرد. مدل سازی های کارتوگرافیکی و جبر نقشه،  عموماً در گروه عملیات پردازشی بنیادی قرار می گیرند و اکثر بسته های نرم افزاری جبر نقشه عموما در گروه عملیات پردازشی بنیادی قرار می گیرند و اکثر بسته های نرم افزاری سامانه های اطلاعات مکانی در گروه عملیات پردازشی پیشرفته تقسیم بندی کرد. مدل سازی های کارتوگرافیکی و جبر نقشه، عموما در گروه عملیات پردازشی بنیادی قرار می گیرند و اکثر بسته های نرم افزار سامانه های اطلاعات مکانی قادر به انجام آنها می باشند. از سوی دیگر مدل سازی های ریاضی و آماری (مانند پردازش های امار چند متغیره آمار مکانی، سری های زمانی، برنامه ریزی ریاضی و بهینه سازی) در گروه تجزیه و تحلیل های پیشرفته قرار می گیرند و بسیاری از سامانه های اطلاعات مکانی، قابلیت انجام آنها را ندارند. جلدهای اول و دوم مجموعه پدومتری به طور اختصاصی به مدل سازی آماری در قلمروی آمار کلاسیک تک متغیره و چند متغیره و آمارمکانی (ژئواستاتیستیک) و اختصاص داده شده اند.مدل سازی های امکانی، که در قلمروی سیستم های فازی قرار می گیرند و هم چنین مبانی و اصول شبیه سازی به طور جداگانه و در قالب مجلدهای دیگری از پدومتری در آینده ارائه خواهند شد. علاوه بر موضوعات چهارگانه ی فوق مدیریت و سازمان دهی مولفه های ترکیبی، معنایی، عملیاتی و عدم قطعیت از اهمیت بسیار زیادی برخوردار می باشد و آن را می توان در قالب موضوعات ساختاری و سازمانی[4] تبیین و تعریف نمود (شکل 6-1) این موضوعات دربرگیرنده ی چگونگی سازمان دهی داده های مکانی و اطلاعات مکانی با توجه به مولفه های چهارگانه فوق هستند. یکی از زیرشاخه های مربوط به موضوعات سازمان دهی که اخیرا توجه ی بسیار زیادی را به خود جلب نموده است شامل سامانه های حمایت کننده ی فرایندهای تصمیم گیری مکانی[5] است (شکل 7-1) هماند سامانه های اطلاعات مکانی، این سیستم ها دربرگیرنده مولفه های اصلی نرم افزاری، سخت افزاری و مغزافزاری می باشند و در شرایطی که با مسائل و مشکلات پیچیده و بغرنج رو به رو می باشیم، قادر به یافتن راه حل ها و تصمیم سازی های بهینه و مناسب می باشند. به دیگر سخن، آن…………….

photo_۲۰۱۷-۱۰-۱۲_۰۷-۵۴-۳۹
تحلیل داده های لاتیس[1] و جبر نقشه اشاره کرد. مهم ترین داده ها و اطلاعات به شکل لاتیس، عبارت از اطلاعات حاصل از فناوری سنجش از دور[2] می باشند که چگونگی پردازش آنها نیازمند نوشتاری مستقل است. ج) جنبه های ادراکی:[3] 1-مدل های مفهومی و ادراکی پدیده های مکانی: که دربرگیرنده ی تصویرسازی ها، فراگیری ها، شیوه های استدلال و استنتاج و ارتباطات بشری در رابطه با موجودیت ها و پدیده های مکانی هستند. برهم کنش انسان با اطلاعات و فناوری اطلاعات: که شامل موضوعاتی مانند کنش ها و بر هم کنش های بین انسان و ماشین (کامپیوتر) و چگونگی طراحی قالب های تعاملی و برهم کنشی کاربران با سامانه های اطلاعات مکانی است. د) جنبه های کاربردی، سازمانی و اجتماعی: گردآوری داده های مکانی: در کنار اصول و مبانی نظری اطلاعات هسته ی مرکزی فناوری های اطلاعات، عبارت از داده های دو فناوری اساسی در کسب و جمع آوری داده های مکانی، شامل سنجش از دور و سامانه های تعیین موقعیت جهانی[4] هستند. در طرح کلی پدومتری، هر کدام از فناوری های فوق در نوشتاری مستقل ارائه خواهد گردید. 2. کیفیت داده ها و اطلاعات مکانی:[5] که امروزه توجه ی فراوانی به این موضوع از نقطه نظر تغییرپذیری پدیده های مکانی و عدم قطعیت در توصیف و مدل سازی آن ها شده است. کیفیت داده های مکانی، ممکن است در خلال اندازه گیری و جمع آوری داده ها در طی اعمال تبدیلات ……….

آدرس ما در گوگل

آدرس دفتر مرکزی

شيراز - خیابان فلسطین - چهارراه حکیمی - موسسه چشم انداز هزاره سوم ملل
تلفن:07132320953-07132320721
09382252774
Address: P.O.Box 71555-1111, Shiraz, IRAN
No. 3, 4th Floor, Sadaf Building, Beside of the Pars International Hotel, Zand Blvd.,Shiraz, IRAN
E-Mail: sjavizadeh@yahoo.com