بایگانی برچسب: s

«جنایت رایج است. منطق نادر است. بنابراین، به جای جرم و جنایت، باید به منطق بپردازید.» “داده ها! داده ها! داده ها!” بی حوصله گریه کرد. “من نمی توانم آجر را بدون خاک رس بسازم.” – شرلوک هلمز، «ماجراجویی راش‌های مس»، سر آرتور کانن دویل

واتسون برای هولمز همان چیزی است که اطلاعات برای هوش. واتسون می‌توانست به داستان مشتری گوش دهد، وضعیت را مشاهده کند و تمام حقایق مربوطه را برای هولمز بازگو کند، اما او توانایی این را نداشت که قطعات به‌ظاهر تصادفی اطلاعات را در زنجیره‌ای منسجم از وقایع که منجر به فرضیه درست می‌شد، کنار هم بگذارد. یک کامپیوتر می تواند واتسون شود، اما برای شرلوک بودن یک انسان لازم است. با این حال، انسانی که توسط سوگیری های شناختی گمراه می شود، در نهایت به عنوان بازرس لسترید تمام می شود و همیشه به نتیجه اشتباه می رسد.

وقتی نوبت به داده‌ها می‌رسد، قیاس نوشیدن از شیلنگ آتش نشانی دست کم گرفته می‌شود. در نظر بگیرید که اندازه یک تصویر دیجیتال می تواند ترابایت باشد و هر روز میلیون ها تصویر گرفته می شود. فیسبوک روزانه 4 پتابایت داده تولید می کند و هر روز 500 میلیون توییت و 306 میلیارد ایمیل وجود دارد. علاوه بر این، 20 میلیارد دستگاه متصل وجود دارد. در مجموع، جهان هر روز 2.5 کوئینتیلیون بایت داده تولید می کند. اگر یک دانه شن نشان دهنده یک بایت داده باشد، هر سه روز بیشتر از دانه های شن روی زمین داده ایجاد می شود و فقط در حال افزایش است.

جایی در تمام این داده ها سیگنال ها هستند. سیستم های اطلاعاتی تهدید بلادرنگ به دنبال آن سیگنال ها قبل از وقوع رویداد بزرگ بعدی هستند. این یک شکار پرمخاطره برای لویاتان است، با این تفاوت که لویاتان تنها یک بسته شن است که با سرعت نور از میان ابری که توسط گرد و غبار پوشیده شده است حرکت می کند.

تفسیر یک سیگنال

حجم عظیم، تنوع و سرعت جریان مداوم داده‌ها بسیار فراتر از توانایی انسان برای پردازش است. پهنای باندی که اکثر سیستم ها می توانند تحمل کنند فراتر می رود. و به سرعت ظرفیت ذخیره، مدیریت و اقدام بر روی اطلاعات به موقع و مقرون به صرفه را از بین می برد. منابع بی نهایت نیستند. بهترین مدل برای مدیریت حجم عظیمی از داده ها، مغز انسان است. انسان ها حسگرهای بیولوژیکی هستند. هر لحظه از هر ثانیه از زندگی ما، بدن ما جریان بی پایانی از محرک ها را از منابع داخلی و خارجی دریافت می کند.

بیشتر این محرک‌ها در سطح ناخودآگاه ثبت می‌شوند و تا زمانی که محرک‌ها عادی و مورد انتظار باشند، توسط ذهن خودآگاه مورد توجه قرار نمی‌گیرند. با این حال، اگر هر گونه ناراحتی را تجربه کنید، به ذهن خودآگاه اطلاع داده می شود. سپس تا زمانی که نرمال شود، کانون توجه می شود. از نظر خارجی، همین امر در مورد سیستم های داده رایانه ای نیز صدق می کند. شرایط عادی نادیده گرفته می شود، اما اگر چیزی غیرعادی مانند صدای ثابت بلند، یا دمای سردتر از حد معمول وجود داشته باشد، تمام توجه پردازش را به خود جلب می کند.

در قلمرو هوش اساساً کارکرد چیزها به این صورت است. الگوریتم‌ها برای یادگیری الگوهای عادی زندگی و شناسایی رویدادها، کلمات، نام‌ها و غیره نوشته شده‌اند. تا زمانی که داده‌ها در پارامترهای عادی قرار داشته باشند، توجه کمی به آن‌ها جلب می‌شود، اما به محض اینکه یک ناهنجاری از یک آستانه فراتر رفت یا چیزی الگوریتم را تحریک می‌کند. ، بلافاصله مورد توجه مرکز اطلاعات قرار خواهد گرفت. یک مثال را می توان در داشبورد نقشه رویداد جهانی مشاهده کرد. من شما را تشویق می کنم برای عضویت 72 ساعته رایگان ثبت نام کنید.

اگر می خواهید ببینید اخبار واقعی چگونه به نظر می رسد، این یک نمونه است. تعداد حوادث واقعی که در سراسر کشور و در سراسر جهان اتفاق می‌افتد و هرگز در مورد آن‌ها نمی‌شنوید، که بسیاری از آنها موی سر و همه آنها منبع باز هستند، به معدود داستان‌هایی می‌افزاید که رسانه‌ها توانسته‌اند درباره حملات سایبری بگویند. صفحه را به پایین اسکرول کنید. فیلترهای زیادی وجود دارد، اما توصیه می‌کنم همه آن‌ها را خاموش کنید تا گستره کامل اطلاعات را ببینید. با کلیک کردن بر روی یک حادثه، منبع واقعی آن مشخص می شود تا بتوانید در مورد آن به طور کامل مطالعه کنید.

در زیر داشبورد حوادث بحرانی بی‌درنگ ارتش ایالات متحده به نام سیستم اشتراک‌گذاری اطلاعات مجازی تحلیلی مشترک (JARVISS) وجود دارد. این فعالیت ها را در نزدیکی تأسیسات ارتش ایالات متحده و دارایی های مستقل مورد علاقه در سراسر جهان ردیابی و نظارت می کند.

داشبورد دیگر برای حملات سایبری Check Point است که نشان می دهد تهدیدات سایبری تا چه حد در سراسر جهان تهاجمی هستند. در اینجا می توانید الگوهای حملات هماهنگ را مشاهده کنید. جنگی در جریان است. سربازان جنگجویان سایبری هستند. هیچ کشوری امن نیست نقشه تهدید سایبری زنده را مشاهده کنید .

JARVISS برای هدف قرار دادن فعالیت های مجرمانه و ارائه اطلاعات بلایای طبیعی در داخل و اطراف تأسیسات ارتش و تأسیسات مستقل و همچنین تهدیدات COVID-19 طراحی شده است. (تصویر: استیو گاردنر/ارتش ایالات متحده)

تجزیه و تحلیل سریع در زمان واقعی

با نظارت بر این اطلاعات، تحلیلگران به دنبال ارتباطات هستند. اگر هواپیما از مسیر پرواز خود منحرف شود، به مرکز عملیات محلی اطلاع داده می شود. یک پرس و جو خودکار نشان می دهد که آیا دارایی های زیرساختی حیاتی یا سایر ساختارها و تأسیسات مهم در منطقه وجود دارد یا خیر. تحلیلگر می تواند فوراً نوع هواپیما، علامت تماس، هواپیما را برای چه کسی ثبت نام کرده و چه کسی طرح پرواز را ثبت کرده است، پیدا کند.

رادار آب و هوا را می توان برای مشاهده اینکه آیا این دلیل احتمالی برای انحراف است یا خیر، روی آن قرار داد. گزارش‌های رویداد را می‌توان در زمان واقعی در منطقه مورد علاقه، همراه با فیدهای رسانه‌های اجتماعی و سایر منابع ارتباطی نمایش داد. الگوهای ترافیک را می توان نمایش داد.

سوال مهمی که باید به آن پاسخ داده شود این است که آیا این یک تهدید بالقوه است؟ آیا ارتباطی با هر چیزی در جای دیگری وجود دارد؟ پرونده ای در مورد شخصی که برنامه پرواز را ثبت کرده است، فردی که فرض می شود خلبان است و شخص یا سازمانی که هواپیما در آن ثبت شده است، تهیه می شود. همه اینها در عرض چند دقیقه انجام می شود، در حالی که هواپیما یا به مسیر پرواز خود باز می گردد یا به انحراف خود ادامه می دهد.

برای به اشتراک گذاشتن اطلاعات در مورد هواپیما و انحراف آن با برج کنترل ترافیک هوایی تماس گرفته می شود. اگر برج پاسخی نداشته باشد، خلبان را با رادیو برای پاسخ ارسال می کند. مانیفست مسافر و خدمه نیز تجزیه و تحلیل می شود. تمام داده هایی که می توانند با هم جمع شوند – از جمله سوخت باقیمانده و محدودیت های عملکرد هواپیما – تجزیه و تحلیل می شوند.

الگوها از داده ها ظاهر می شوند. این الگوها به سمت عقب به یک علت و جلو به سمت نتیجه نهایی هدایت می شوند. یافتن این سرنخ ها در داده ها به تیمی از متخصصان از شش رشته هوش اولیه نیاز دارد.

یک تحلیلگر اطلاعات تصویری پخش زنده و سنجش از راه دور را ارائه می کند.
یک تحلیلگر هوش انسانی به دنبال عوامل انگیزشی و راه هایی برای کاهش تنش می باشد.
یک متخصص هوش اندازه گیری و امضا محدودیت های عملیاتی و مکانیک و علم خاص سناریو را تعریف می کند.

یک تحلیلگر اطلاعاتی منبع باز به مجموعه داده های منبع باز دسترسی پیدا می کند و برای ارائه سرنخ ها از آنها پرس و جو می کند.
یک متخصص اطلاعات سیگنال روی ارتباطات و امضاهای الکترونیکی تمرکز می کند.
یک تحلیلگر هوش مکانی همه اینها را گرد هم می آورد و از طریق نقشه ای که تیم استفاده می کند، زمینه فضایی را فراهم می کند که رویدادها را در زمان واقعی نشان می دهد.

این تحلیلگران و گاهی بسیاری دیگر همه این اطلاعات را جمع آوری می کنند و آنها را به اطلاعاتی تبدیل می کنند که تصمیم گیرندگان می توانند از آن برای اقدام استفاده کنند. هدف هوش همین است. همانطور که ریچارد هویر کهنه کار سیا گفت: “اطلاعات به دنبال روشن کردن ناشناخته ها هستند.”

خوشبختانه، اکثر هشدارها مثبت کاذب هستند، اما با هر یک از آنها به گونه‌ای رفتار می‌شود که گویی «همان» است. این نکات مثبت کاذب، تمرین‌های بسیار عالی و واقعی هستند که مهارت‌های تیم را تقویت می‌کنند و مغز را برای سرعت بخشیدن می‌کنند. این رویدادها می توانند تنها چند دقیقه یا چند ساعت طول بکشند. این یک هجوم آدرنالین است.

برای بررسی فیدهای داده‌های جریان مستقیم، Esri حجم فزاینده‌ای از داده‌ها را در ArcGIS Living Atlas خود دارد .

«ذهن من در رکود عصیان می کند. به من مشکل بده، به من کار بده، مبهم ترین رمزنگاری یا پیچیده ترین تحلیل را به من بده، و من در فضای مناسب خودم هستم…» – شرلوک هلمز، «نشانه چهار»، سر آرتور کانن دویل

ویلیام تولو برای اداره هوانوردی فدرال کار می کند. او فارغ التحصیل برنامه بورسیه مدیریت است. در حالی که در مأموریت ویژه در وزارت حمل و نقل ایالات متحده بود، ویلیام پروژه را برای جمع‌سپاری پایگاه داده آدرس ملی برای مشارکت داده‌های باز کاخ سفید رهبری کرد. او یک متخصص سیستم های اطلاعات جغرافیایی (GISP) و یک سخنران STEMnet محقق مریلند است.

او دارای مدرک فناوری اطلاعات جغرافیایی و مطالعات اطلاعاتی از دانشگاه نظامی آمریکا است و در حال حاضر مدرک خود را در زمینه رهبری سازمانی دریافت می کند. ویلیام پس از 23 سال خدمت به عنوان متخصص اطلاعات جغرافیایی و تصویربرداری، یک هوانورد نیروی دریایی، یک هواشناس و یک اقیانوس شناس تاکتیکی از نیروی دریایی ایالات متحده بازنشسته شد. او یکی از اولین افرادی در کشور بود که گواهینامه تخصصی زمین فضایی را از ایالات متحده دریافت کرد وزارت کار هنگام کار در مرکز فضایی ناسا استنیس در می سی سی پی.

او متاهل است، از مسافرت کردن، حل مشکلات، بازی با داده ها لذت می برد و شیفته تکنولوژی جدید و زمینه تاریخی است. نقل قول مورد علاقه او این است: “ذهن مردی که با یک ایده جدید تغییر کرده است هرگز نمی تواند به بعد اصلی خود بازگردد.” ~ الیور وندل هلمز

خبر روز

NV5 Geospatial ابزارهای مدیریت پوشش گیاهی را برای خدمات شهری ارائه می دهد

ژوئن 4, 2023 مازیار اتوکش دیدگاه‌تان را بنویسید:

NV5 Geospatial پلت فرم مدل سازی پیش بینی را برای بهبود برنامه های مدیریت پوشش گیاهی شرکت ها معرفی کرد.

NV5 Geospatial Trim Optimization را راه‌اندازی کرده است، یک پلت فرم مدل‌سازی پیش‌بینی‌کننده که شرکت‌های برق را قادر می‌سازد تا برنامه‌های مدیریت پوشش گیاهی را با ارزیابی‌های مبتنی بر ریسک افزایش دهند.

با استفاده از اطلاعات موجود از داده‌های لیدار و تاریخی، شرکت‌ها می‌توانند از Trim Optimization برای اولویت‌بندی فعالیت‌های پیرایش درخت با در نظر گرفتن خطر ناشی از درختان منفرد و سایر محدودیت‌های عملیاتی استفاده کنند.

درختان مقصر درصد زیادی از قطعی ها هستند و مدیریت پوشش گیاهی بزرگترین هزینه برای تاسیسات برق است. ایان بردی، معاون نوآوری برای NV5 Geospatial گفت: با این حال، شرکت‌های آب و برق به جای برنامه‌های مبتنی بر چرخه سنتی، فقط به دنبال برنامه‌های مدیریتی پیشگیرانه و مبتنی بر ریسک هستند. پلتفرم Trim Optimization NV5 Geospatial به شرکت‌های برق کمک می‌کند تا قابلیت اطمینان شبکه را از طریق تصمیم‌گیری بهتر بهبود بخشند، در حالی که از طریق کارآیی بیشتر و توانایی هدف‌یابی مناطقی که بیشترین پتانسیل برای مشکلات را دارند، در هزینه‌شان صرفه‌جویی می‌کند.

طبق یک نظرسنجی اخیر، ” تجزیه و تحلیل جغرافیایی، انعطاف پذیری و آمادگی شدید آب و هوا “، پوشش گیاهی یکی از بزرگترین منابع خاموشی است که بیش از نیمی از آن را تشکیل می دهد . اکثر پاسخ دهندگان همچنین خاطرنشان کردند که از داده ها برای تجزیه و تحلیل ریسک استفاده می کنند، اما محدودیت های بودجه اغلب آنها را از سرمایه گذاری در داده های مورد نیاز خود باز می دارد.

پلتفرم بهینه‌سازی تریم یک رویکرد مرحله‌ای برای شناسایی ریسک نسبی برای هدف قرار دادن کار مدیریت پوشش گیاهی در جایی که بیشترین تأثیر را خواهد داشت، اتخاذ می‌کند. با تخصص گسترده، NV5 Geospatial ابتدا چندین ویژگی مرتبط با قطع‌های ناشی از پوشش گیاهی را شناسایی می‌کند که می‌توانند از لیدار با تراکم بالا مدل‌سازی شوند و یک امتیاز ریسک نسبی ارائه کنند.

داده‌های ویژه ابزار، مانند اطلاعات خرابی درختان تاریخی یا سایر عوامل، می‌توانند برای بهبود بیشتر نتایج تجزیه و تحلیل شوند.

نمرات ریسک نهایی، ارزیابی کمی از ریسک ترکیبی را ارائه می‌دهد و شرکت‌ها را قادر می‌سازد تا برنامه‌های کاری را ایجاد کنند که تلاش‌های کاهش مدیریت پوشش گیاهی را در اولویت قرار دهد و منجر به کارایی عملیاتی بیشتر شود.

خبر روز

ویژگی تشخیص فروچاله، از تجزیه و تحلیل داده های ماهواره ای استفاده می کند

ژوئن 2, 2023 مازیار اتوکش دیدگاه‌تان را بنویسید:

در سال های اخیر، فروچاله ها در سراسر جهان رخ داده است. یک سرویس جدید با استفاده از تجزیه و تحلیل تصاویر ماهواره ای، ابزار پیش بینی گودال را ارائه می دهد.

Synspective Inc. ، ارائه‌دهنده داده‌های ماهواره‌ای و راه‌حل‌های تحلیلی، یک ویژگی تشخیص گودال را منتشر کرده است که منطقه فرورفتگی زمین را پیش‌بینی می‌کند.

فروچاله ها اغلب در اثر فعالیت های انسانی (تونل زنی زیرزمینی، پمپاژ نفت/گاز، حفاری زیرزمینی زغال سنگ، پمپاژ آب های زیرزمینی و غیره) ایجاد می شوند. هنگامی که این فروچاله ها در مناطق مسکونی رخ می دهند، می توانند آسیب های قابل توجهی به ساختمان ها و گاهی اوقات حتی تلفات جانی وارد کنند.

تابع تشخیص سوراخ فرو رفته توسط Synspective یک الگوریتم پیش‌بینی منحصربه‌فرد است که از علم داده و یادگیری ماشین برای ترکیب و تشخیص ویژگی‌های تغییرات مکانی و زمانی استفاده می‌کند. با استفاده از این فناوری، می توان از قبل مناطقی را که احتمالاً در آن فروچاله ها رخ می دهد، مناطقی که در آن غارها رخ داده اند و مناطقی که غارها پس از وقوع آنها در حال انجام است، شناسایی کرد.

این تابع در مانیتورینگ جابجایی زمین، سرویس راه حلی که در سال 2020 اعلام شد که تغییر شکل زمین را در یک منطقه وسیع با استفاده از داده های ماهواره ای تجزیه و تحلیل می کند، پیاده سازی خواهد شد. داده های ورودی به طور خودکار به روز می شوند و پلت فرم پردازش و تجزیه و تحلیل تصاویر پیچیده ماهواره ای را انجام می دهد. از آنجایی که می توان آن را در یک محیط وب مشاهده کرد، می توان آن را در هر زمان از دفتر و همچنین از میدان بررسی کرد.

استفاده مورد انتظار این سرویس جدید چندوجهی است – می توان آن را در بسیاری از پروژه های مدیریت ریسک زمین مانند پروژه های ساخت و ساز، پروژه های تعمیر و نگهداری فرودگاه و پروژه های توسعه مترو و غیره اعمال کرد.

علاوه بر این، نقشه برداری از راه دور منطقه/محل می تواند در مناطق فاجعه زده که دسترسی انسان محدود یا خطرناک است، یا جایی که حرکت اجتماعی به دلیل تأثیر ویروس COVID-19 محدود شده است، بسیار مرتبط باشد.

خبر روز

Bluesky نماهای مایل از شهرهای بریتانیا و ایرلند را می گیرد

می 26, 2023 مازیار اتوکش دیدگاه‌تان را بنویسید:

Bluesky International از یکی از پیشرفته‌ترین حسگرهای هیبریدی جهان برای گسترش مجموعه عکس‌های اریب با کیفیت بالا از شهرهای بریتانیا استفاده می‌کند تا جزئیات بیشتری از نمای ساختمان‌ها و مبلمان سطح خیابان را نشان دهد و نمای 360 درجه از ساختمان‌ها و سازه‌ها را ارائه دهد. یا سایت ها با 20 شهر که قبلاً خریداری شده است، Bluesky قصد دارد این را در نیمه دوم سال 2022 بیشتر گسترش دهد، از جمله شهرهای ایرلندی مانند دوبلین و بلفاست و شهرهای لیدز و شفیلد بریتانیا. Bluesky International یک شرکت نقشه برداری هوایی است.

شهرها با استفاده از دوربین Leica CityMapper گرفته شده اند که علاوه بر ثبت تصاویر مایل، به طور همزمان تصاویر عمودی و Lidar را نیز می گیرد. تصاویر مایل ابزار ارزشمندی برای تعداد فزاینده ای از کاربردها مانند ارزیابی ریسک بیمه، مدیریت دارایی برای تاسیسات و مخابرات و محیط زیست و برنامه ریزی شههری است. همه تصاویر از نظر جغرافیایی ارجاع داده می شوند تا از دقیق بودن نقشه اطمینان حاصل شود.

ترکیب تصاویر مایل با سایر مدل های لیدار یا مش سه بعدی

تا به امروز، Bluesky حدود 300000 تصویر مورب از شهرهایی از جمله بیرمنگام، بورنموث، برایتون، بریستول، کمبریج، کاردیف، دربی، دانکاستر، ایستبورن، ادینبورگ، گلاسکو، لستر، لیورپول، لندن، منچستر، نیوکاسل، نورویچ، ناتینگهام ثبت کرده است. ، و ساوتند. تصاویر اریب را می توان از طریق Bluesky به عنوان یک مجموعه داده جغرافیایی مستقل یا در ارتباط با عکاسی هوایی عمودی، داده های لیدار با وضوح بالا یا مدل های مش سه بعدی پردازش شده کاملاً پردازش شده، به عنوان بخشی از طیف محصولات نوآورانه MetroVista آن، مشاهده کرد.

برای اطمینان از اینکه کاربران نهایی می توانند به راحتی به تصاویر مایل دسترسی داشته باشند، Bluesky یک سرویس اشتراک آنلاین با دسترسی به کل کاتالوگ خود ارائه می دهد. Bluesky MetroVista Oblique Viewer مبتنی بر فضای ابری با یک رابط کاربری ساده است که کاربران را قادر می سازد تا بدون بار ذخیره سازی داده های داخلی یا نرم افزارهای تخصصی، به تصاویر دسکتاپ دسترسی داشته باشند.

بسیاری از چالش‌هایی که جامعه با آن‌ها مواجه است، منبع، راه‌حل یا تأثیری در مراکز شهر ما دارند و با افزایش شهرنشینی جمعیت ما، این می‌تواند این مشکلات را بزرگ‌تر کند. رالف کولمن، مدیر فروش Bluesky International مستقر در لسترشایر، اظهار داشت: با استفاده از حسگرهای تخصصی خود، می‌توانیم شهرها را به روشی کارآمدتر ضبط و نظارت کنیم. همانطور که عکاسی دیجیتالی هوایی نحوه نگرش ما به جهان را در دهه 90 تغییر داد، تصاویر مایل و شبکه های واقعیت سه بعدی انقلابی در راه توسعه و مدیریت محیط های شهری خود در دهه 20 ایجاد خواهند کرد.

تصویرسازی هوشمند

کلمن می‌گوید: «تصاویر مورب منبع اطلاعاتی دقیق و جامعی را برای ثبت و نظارت بر تأثیر توسعه شهری بر محیط اطراف ارائه می‌دهند که برای تحلیل مسائلی مانند از دست دادن تنوع زیستی و چالش‌های زیست‌محیطی، مدیریت حمل‌ونقل و پیاده‌روی، سازه‌های ساختمانی یا راه‌حل‌های برنامه‌ریزی مهم است». ادامه داد. “این به ما کمک می کند تا بفهمیم چگونه با مراکز شهرها تعامل داریم و برای آینده ای پایدارتر توسعه می دهیم.”

آموزش رایگان, مطلب روز

برنامه نویسی R در GIS

آوریل 30, 2023 مازیار اتوکش دیدگاه‌تان را بنویسید:

برنامه نویسی R در GIS

برنامه نویسی R یک زبان رایگان و منبع باز برای محاسبات آماری و تجسم داده ها است . آماردانان از آن برای همه چیز از تجزیه و تحلیل اکتشافی و داده کاوی گرفته تا نمودار استفاده می کنند.

اما اخیراً، کاربران GIS از قابلیت‌های آن برای انواع بسیار تخصصی‌تر تحلیل آماری و دستکاری داده‌ها استفاده می‌کنند.

با وجود اینکه ArcGIS و QGIS عمدتاً مبتنی بر پایتون هستند، هر دو دارای پسوندهایی برای کار با R هستند . این مقاله اصول اولیه نحوه ادغام برنامه نویسی R با GIS را به شما آموزش می دهد.

علاوه بر این، ما همچنین در مورد چگونگی استفاده از R و GIS با هم برای کمک به جمع‌آوری داده‌ها، پردازش داده‌ها و مدل‌سازی بحث خواهیم کرد.

ادغام کتابخانه های R

استفاده از R در GIS به دلیل قابلیت های افزایش یافته آن برای آمار، تجسم داده ها و تجزیه و تحلیل فضایی در حال رشد است. در اینجا چند زمینه مهم وجود دارد که اغلب نیاز به استفاده از R دارند.

تجسم داده ها – با استفاده از بسته هایی مانند ggplot2، کاربران GIS از R عمدتاً برای تجزیه و تحلیل های آماری و ترسیم داده ها استفاده می کنند. بسته های مختلف نقشه برداری و تجسم داده مانند tmap و ggplot2 وجود دارد. اگر قبلاً با این ابزارها آشنایی دارید، برای تجسم سازی نسبتاً ساده هستند.

عملیات جدول – شما می توانید برخی از عملیات جدول قدرتمند را با پایتون و R انجام دهید. اما نمی توانید برخی از بسته های موجود در R را دست کم بگیرید. به عنوان مثال، ابزارهایی مانند dplyr برای استفاده بصری هستند و برای دستکاری داده ها انعطاف پذیری می دهند.

پشتیبانی از داده ها – R نه تنها از آرایه های مکانی-زمانی (مکعب داده) پشتیبانی می کند، بلکه از ابزارهایی مانند tidycensus برای به دست آوردن داده های اداره سرشماری نیز پشتیبانی می کند. برای هر کسی که با داده های دولتی کار می کند، R بسته ای را برای کمک به این نوع کارهای بی اهمیت ارائه می دهد.

در مجموع، سه بسته بیش از 12700 به عنوان بخشی از پروژه R موجود است که می‌توانید با آنها کار کنید، از نمودار، مدیریت داده تا تجسم داده‌ها.

چرا از پایتون استفاده نمی کنید؟

در حالی که پایتون می تواند بیشتر کارهایی که R می تواند انجام دهد را انجام دهد، ما معمولاً می توانیم از یک رویکرد دو طرفه در GIS استفاده کنیم. از آنجایی که می‌توانید بیشتر کارها را به هر دو زبان انجام دهید، معمولاً به هر چیزی بستگی دارد که احساس راحتی می‌کنید.

در حالی که R در تجسم و تجزیه و تحلیل آماری خوب است، پایتون به ویژه در کار با سیستم های فایل، شبکه ها، خراش دادن وب و اتوماسیون خوب است.

به همین دلیل است که پایتون به جای R، زبان برنامه نویسی پیش فرض برای QGIS و ArcGIS است. در حالی که matplotlib جایگزینی برای ggplot2 است، برخی از تحلیلگران داده یکی را بر دیگری ترجیح می دهند.

برای ساختن نقشه می توانید از R و Python استفاده کنید. اگرچه، بیشتر آنها ابتدایی هستند بدون اینکه قابلیت سفارشی سازی آنها را همانطور که می توانید در نرم افزار GIS داشته باشید. اما آنها هنوز نقشه های کاربردی هستند. برای تجزیه و تحلیل فضایی پیشرفته‌تر، کتابخانه‌هایی مانند PySal مانند تشخیص خوشه‌ها، نقاط دورافتاده و نقاط داغ وجود دارد.

چگونه می توان از R در GIS استفاده کرد؟

استفاده از R در گردش کار GIS رو به افزایش است. چه برای تجزیه و تحلیل محاسباتی یا تجسم داده ها، به نظر می رسد همیشه از R استفاده می شود.

اما چگونه از R استفاده می کنید؟

به نظر می رسد که راه های مختلفی وجود دارد که می توانید R را به GIS متصل کنید. و در اینجا چند راه وجود دارد که شما را قادر می سازد این کار را در هر دو QGIS یا ArcGIS انجام دهید .

پل R-ArcGIS

هدف از R-ArcG IS Bridge این است که بتوانید داده های برداری و شطرنجی خود را در ArcGI S ذخیره کنید. سپس، می توانید مستقیماً به آن در R دسترسی داشته باشید و اشیاء R را به انواع داده های بومی ArcGI S برگردانید.

در عین حال، می‌توانید از ابزارهای قدرتمند تحلیل و تجسم فضایی در ArcGIS استفاده کنید و به‌طور یکپارچه به R بروید و عقب بروید. این باعث می‌شود که کاربران R و ArcG IS از آن در نوت‌بوک‌های R ایده‌آل استفاده کنند.

ارائه دهنده پردازش R (QGIS)

اگر به دنبال یک راه‌حل نرم‌افزار متن‌باز GIS برای استفاده از زبان آماری منبع باز R هستید، احتمالاً Processing R Provider همان چیزی است که در QGIS به دنبال آن هستید.

این افزونه به شما امکان می دهد اسکریپت های R را به صورت بومی در داخل QG IS بنویسید و اجرا کنید. برای استفاده از این پلاگین، باید R را با بسته های R صحیح از قبل اضافه شده روی دستگاه خود نصب کنید.

محیط مدلسازی جغرافیایی (GME)

محیط مدل‌سازی جغرافیایی (GME) یک افزونه برای ArcG IS بود. متاسفانه این بسته به طور ناگهانی آفلاین شد. چشمان خود را برای این افزونه باز نگه دارید، زیرا توسعه دهنده سابقه خوبی در توسعه مجموعه ابزارهای مفیدی مانند Hawth’s Tools برای ArcMap دارد.

برنامه نویسی R در GIS

R یک زبان برنامه نویسی منبع باز است که برای تجزیه و تحلیل مجموعه های بزرگی از داده ها استفاده می شود. در بسیاری از زمینه ها از جمله علم داده ، آمار ، زیست شناسی، بوم شناسی، اقتصاد و بسیاری موارد دیگر محبوب است .

هنگامی که در ترکیب با GI S استفاده می شود، می تواند یک ابزار قدرتمند برای تجزیه و تحلیل فضایی و توسعه برای محاسبات آماری باشد.

در این آموزش کوتاه، روش‌های عملی را بررسی کردیم که می‌توانید از کتابخانه‌های R در گردش کار GI S خود برای همه چیز از تجزیه و تحلیل داده، گرافیک و تجسم استفاده کنید.

آموزش رایگان, مطلب روز

نحوه اضافه کردن یک سرویس نقشه برداری وب (WMS) در QGIS

آوریل 28, 2023 مازیار اتوکش دیدگاه‌تان را بنویسید:

نحوه اضافه کردن یک سرویس نقشه برداری وب (WMS) در QGIS

یکی از ویژگی های کلیدی QGIS توانایی آن در استفاده از خدمات WMS به طور مستقیم از داخل نرم افزار است.

یک سرویس نقشه برداری وب (WMS) پروتکل استاندارد برای ارائه لایه های نقشه از طریق اینترنت است.

WMS به کاربران اجازه می دهد تا به لایه های نقشه از وب دسترسی داشته باشند. یکی از بزرگترین مزایای آن این است که به صورت پویا برای هر کسی که به آن متصل است به روز می شود.

مقاله زیر به شما نشان می دهد که چگونه به یک WMS متصل شوید و سپس آن را به QGIS اضافه کنید.

ایجاد اتصال به سرویس نقشه برداری وب (WMS)

ابتدا باید با WMS ارتباط برقرار کنید. شما باید به منوی افقی بالایی بروید و روی “لایه > افزودن لایه > افزودن لایه WMS/WMTS” کلیک کنید.

لایه > افزودن لایه > افزودن لایه WMS/WMTS

یک کادر گفتگو برای ایجاد یک اتصال WMS جدید ظاهر می شود. برای برقراری ارتباط به یک URL خدمات نقشه برداری وب نیاز دارید. اگر به دنبال چیزی برای آزمایش هستید، USGS معمولا یک منبع پایدار برای خدمات نقشه برداری وب است.

برای مثال، داده‌های فضایی آنلاین منابع معدنی چندین سرویس دارد که می‌توانید به آنها متصل شوید. در مورد ما، ما به پایگاه داده های سپرده معدنی USMIN متصل خواهیم شد.

USMIN Mineral Deposit Database: https://mrdata.usgs.gov/services/deposit?request=GetCapabilities&service=WMS&version=1.3.0

ابتدا باید یک اتصال به WMS ایجاد کنید. در این صورت، نامی مانند “USMIN Mineral Deposit Database” را وارد خواهید کرد. در مرحله بعد، URL (نشان داده شده در بالا) را کپی کرده و در قسمت مربوطه قرار می دهید.

پس از وارد کردن نام و URL، می توانید روی “اتصال” کلیک کنید. در نهایت، شما قادر خواهید بود تمام لایه هایی را که از طریق WMS در دسترس هستند، مشاهده کنید. برای مثال، در اینجا آنچه از پایگاه داده‌های ذخیره معدنی USMIN در مدیر منبع داده در دسترس است آمده است .

لایه سرویس نقشه برداری وب (WMS) را اضافه کنید

اگر توانستید تمام مراحل برقراری اتصال خود به WMS را به پایان برسانید، در مرحله بعد می توانید آن را به بوم نقشه خود اضافه کنید. راه انجام این کار با بررسی مرورگر QGIS است که معمولاً در زیر فهرست مطالب قرار دارد.

در مرورگر QGIS، می‌توانید نماد کره را با “WMS/WMTS” ببینید. در اینجا نمونه‌ای از پایگاه داده‌های ذخیره معدنی USMIN جدید در مرورگر QGIS آورده شده است.

در نهایت، تنها کاری که باید انجام دهید این است که لایه را به بوم نقشه خود اضافه کنید. می توانید WMS را گسترش دهید تا بررسی کنید کدام لایه ها در دسترس هستند و به سادگی آنها را بکشید و در بوم نقشه رها کنید.

در مورد ما، ما «پایگاه داده‌های ذخیره معدنی USMIN» را اضافه می‌کنیم و نماد دقیقاً همان روشی است که USGS خدمات خود را منتشر کرد. این لایه شامل همه چیز از سوابق سایت و چشم اندازها گرفته تا وقوع مواد معدنی است.

چگونه یک لایه WMS یا WFS در QGIS اضافه کنیم

یک سرویس نقشه برداری وب (WMS) پروتکل استاندارد برای ارائه لایه های نقشه از طریق اینترنت است.

همانطور که لایه به روز می شود، هر کسی که به آن متصل باشد، نمای فعلی را نیز دریافت خواهد کرد.

ابتدا به شما نشان دادیم که چگونه یک پایگاه داده ذخیره معدنی USGS را ایجاد کنید. سپس، آن را از طریق اتصال WMS مرورگر به QGIS اضافه کردیم.

هنگامی که ما WMS را به بوم نقشه اضافه کردیم، تمام نمادها و برچسب ها با تنظیمات اصلی مطابقت داشتند.

مطلب روز

15 نرم افزار برتر سنجش از راه دور

آوریل 24, 2023 مازیار اتوکش دیدگاه‌تان را بنویسید:

نرم افزار GIS

چه یک جغرافی دان حرفه ای، چه دانشجوی علوم زمین، یا صرفاً یک سرگرمی کنجکاو باشید، نرم افزارهای سنجش از راه دور )GIS(بسیار متنوعی برای کمک به شما در انجام کار وجود دارد.

از طبقه بندی تصاویر هوایی دقیق گرفته تا ایجاد مدل های سه بعدی پیچیده، این 10 بسته نرم افزار سنجش از دور بهترین ها هستند. بیایید درست شیرجه بزنیم

1. ERDAS تصور کنید

ERDAS Imagine به عنوان مجموعه نرم افزار سنجش از دور و تجزیه و تحلیل تصویر شماره 1 ما رتبه بندی شده است. که توسط Hexagon Geospatial توسعه یافته است، می تواند تقریباً هر نوع داده مکانی را مدیریت کند. این شامل تصاویر ماهواره‌ای، عکاسی هوایی، ابرهای نقطه‌ای LiDAR، مدل‌های ارتفاعی دیجیتال و سایر داده‌های GIS است.

ERDAS Imagine یک نیروگاه برای سنجش از راه دور است زیرا کاربران را قادر می سازد تا هر نوع پردازش تصویر پیشرفته، تجسم سه بعدی و استخراج ویژگی را انجام دهند. به علاوه، یک رابط بصری مبتنی بر روبان برای یافتن ابزار مناسب برای کار فراهم می کند.

برخی از ویژگی های برجسته آن شامل ویرایشگر مدل فضایی، پردازش ابر نقطه ای و ابزارهای فتوگرامتری است. جای تعجب نیست که چرا این نرم افزار انتخاب از راه دور در صنایعی مانند کشاورزی، جنگلداری، معدن، مهندسی، برنامه ریزی شهری و دفاع است.

2. ENVI

ENVI یک پلت فرم نرم افزار سنجش از دور پیشرفته از L3 Harris Geospatial است. با ENVI، کاربران می توانند به سرعت اطلاعات را از ماهواره، هوا و سایر انواع تصاویر با استفاده از آخرین فناوری پردازش تصویر استخراج کنند.

مجموعه جامع ویژگی ها و قابلیت های ENVI به کاربران اجازه می دهد تا انواع وظایف پردازش تصویر را انجام دهند. به عنوان مثال، این شامل بهبود تصویر، استخراج ویژگی، تقسیم بندی تصویر، تجزیه و تحلیل آماری، تشخیص تغییر و تجسم بود.

این پشتیبانی از طیف گسترده ای از فرمت های داده، از جمله فرمت های منابع تجاری مانند DigitalGlobe، Airbus و Planet را فراهم می کند. ENVI همچنین قابلیت های اتوماسیون قدرتمندی را از طریق مدل ساز ENVI برای خودکارسازی کارهای تکراری ارائه می دهد.

3. PCI Geomatica (کاتالیزور)

PCI Geomatica یک مجموعه نرم افزار سنجش از دور پیشرفته است که توسط دانشمندان، محققان و متخصصان GIS در سراسر جهان استفاده می شود. که توسط شرکت کانادایی PCI Geomatics توسعه یافته است، کاربران می توانند به تصاویر ماهواره ای، عکس های هوایی و انواع دیگر داده های سنجش از راه دور دسترسی داشته باشند و آن ها را تجزیه و تحلیل کنند.

از سال 1982، PCI Geomatica پایه محکمی برای پردازش داده ها از منابع مختلف فراهم کرده است. این شامل عکس‌های هوایی، تصاویر ماهواره‌ای، مدل‌های دیجیتال ارتفاع، و داده‌های SAR و InSAR است. اگرچه رابط کاربری کمی قدیمی است، اما همچنان ابزارهای اصلی مانند موزاییک کردن، فتوگرامتری و تجزیه و تحلیل زمین را در اختیار دارید.

همچنین دارای قابلیت استخراج ویژگی plug-and-play است که تشخیص ویژگی ها در تصاویر دیجیتال را آسان می کند. الگوریتم‌ها شامل OBIA، طبقه‌بندی نظارت شده و بدون نظارت است. این بدان معنی است که کاربران می توانند اطلاعاتی مانند جاده ها، ساختمان ها و پوشش گیاهی را از تصاویر هوایی یا ماهواره ای استخراج کنند.

4. ArcGIS Pro

بخش عمده ای از ابزارهای سنجش از راه دور در ArcGIS Pro را می توان در پسوند Image Analysis یافت. این افزونه دسترسی به مجموعه ای از ابزارها را برای تجزیه و تحلیل تصاویر و انجام کارهای پیشرفته تجزیه و تحلیل تصویر فراهم می کند.

به عنوان مثال، کاربران را قادر می سازد تا مجموعه داده های شطرنجی را ایجاد و اصلاح کنند، تصاویر را تجسم و کشف کنند. همچنین می توانید تحلیل های پیچیده تری از جمله تجزیه و تحلیل زمین، تقسیم بندی تصویر و تجزیه و تحلیل طیفی را اجرا کنید.

با افزونه Image Analysis می توانید به سرعت حجم زیادی از تصاویر را پردازش کرده و اطلاعات ارزشمندی را از آن استخراج کنید. همچنین می‌توانید از گردش‌های تصویری آن برای انجام مجموعه‌ای از وظایف مانند تجزیه و تحلیل سری‌های زمانی و تشخیص تغییرات با یادگیری عمیق استفاده کنید.

5. QGIS 3

QGIS 3 به طور پیش فرض با ابزارهای سنجش از راه دور مانند آنالیز شطرنجی، تحلیل زمین و جعبه ابزار تفسیر بارگذاری می شود. اما QGIS 3 فقط به جعبه ابزار خودش محدود نمی شود، شما می توانید با استفاده از جعبه ابزارهای SAGA GIS، GDAL و GRASS GIS از قابلیت های فراوانی استفاده کنید.

اگر قبلاً از QGIS استفاده کرده اید، می دانید که می توانید با استفاده از افزونه ها قابلیت های آن را گسترش دهید. یکی از محبوب‌ترین پلاگین‌های سنجش از راه دور آن، افزونه رایگان منبع باز Semi-Automatic Classification Plugin (SCP) است.

پلاگین SCP بسیاری از ویژگی ها و عملکردها را ارائه می دهد، از جمله به کاربران اجازه می دهد تا به سرعت و به راحتی تصاویر ماهواره ای را دانلود و طبقه بندی کنند. همچنین الگوریتم هایی برای پیش پردازش، بهبود پس از طبقه بندی، ارزیابی دقت و موارد دیگر وجود دارد.

6. Trimble ECognition

Trimble eCognition متخصص استخراج ویژگی از طریق تجزیه و تحلیل تصویر مبتنی بر شی (OBIA) است. اگر تا به حال از eCognition استفاده کرده باشید، می دانید که از الگوریتم های تشخیص الگو برای تقسیم تصاویر به اشیاء معنادار (نه فقط پیکسل) استفاده می کند.

پس از اجرای یک الگوریتم تقسیم بندی چند رزولوشن، هر شیء دارای آمار مرتبط با آنها است. با استفاده از ویژگی های طیفی و مکانی، می توانید پیشرفته ترین طبقه بندی پوشش زمین را امروز ایجاد کنید. علاوه بر این، شما می توانید قوانینی را برای ایجاد خودکار پوشش زمین ایجاد کنید و آن را در انواع مختلف تصاویر اعمال کنید.

Trimble eCognition ورودی های مختلفی مانند ابرهای نقطه LiDAR، تصاویر هوایی، ماهواره ای و پهپاد را می پذیرد. اگرچه در توسعه پوشش زمین بسیار موفق است، اما مجموعه کامل سنجش از دور نیست. از آنجایی که فاقد ابزارهای رایج مانند ارجاع جغرافیایی، تجسم سه بعدی، یا قابلیت های SAR است، امتیاز homerun را از ما دریافت نمی کند.

7. Whitebox GAT

ما همیشه برای Whitebox GAT (جعبه ابزار تحلیل مکانی مکانی) جایگاه ویژه ای در قلب خود داشته ایم و هنوز هم داریم. اگر قبلاً از آن استفاده نکرده‌اید، یک ابزار قدرتمند تجزیه و تحلیل مکانی منبع باز است که می‌توانید برای انواع برنامه‌های سنجش از راه دور از آن استفاده کنید. این به عنوان یک برنامه کاربردی مستقل و همچنین یک کتابخانه برای استفاده در نرم افزارهای دیگر در دسترس است.

به طور خلاصه، Whitebox GAT حاوی یک جعبه ابزار پیشرفته برای کار با داده های سنجش از راه دور است. کتابخانه گسترده توابع آن، آن را به انتخابی عالی برای کسانی که نیاز به انجام وظایف مختلفی با داده های خود دارند، تبدیل می کند.

اگرچه Whitebox GAT در ابزارهای هیدرولوژیکی تخصص دارد، طیف وسیعی از ویژگی ها را ارائه می دهد که آن را برای کاربردهای سنجش از راه دور مناسب می کند. به عنوان مثال، این شامل توانایی کار با داده های شطرنجی و برداری، پشتیبانی از روش های مختلف درونیابی فضایی، و مجموعه ای جامع از ابزارهای تجزیه و تحلیل زمین است. ناگفته نماند که Whitebox GAT دارای قابلیت های LiDAR عالی است.

8. GIS SAGA

مسلما SAGA GIS در اطراف لبه ها کمی خشن است. این یک نرم‌افزار سنجش از راه دور قدیمی‌تر است، بنابراین مطمئناً به خوبی سایر نرم‌افزارهای موجود در این لیست نیست. اما با این گفته، هنوز چیزهای زیادی وجود دارد که می توانید از آن نجات دهید.

SAGA GIS دارای طیف گسترده ای از ویژگی ها است که به کاربران اجازه می دهد تا وظایف اولیه پردازش داده ها و تجزیه و تحلیل مربوط به سنجش از دور را انجام دهند. به عنوان مثال، می‌توانید از آن برای موزاییک کردن، کلیپ کردن، و تقسیم تصاویر و همچنین تغییر شکل پیش‌بینی‌های تصویر استفاده کنید. همچنین ابزارهایی برای تجزیه و تحلیل شاخص‌های پوشش گیاهی، محاسبه سطح و استخراج ویژگی‌ها از مدل‌های ارتفاعی دیجیتال ارائه می‌دهد.

برای نرم افزار سنجش از راه دور منبع باز، ابزارهای زیادی در اختیار دارید. راستش را بخواهید، برخی از ابزارهایی که هرگز در مورد آنها نشنیده ایم. اما هرچه بیشتر آنها را بررسی کنید، متوجه خواهید شد که برخی ممکن است قابل اعتماد و 100٪ کاربردی نباشند. اما هنوز هم ارزش زمان و تلاش را دارد تا آن را برای ابزارهای سنجش از راه دور کمیاب بررسی کنید. و فراموش نکنید که می توانید از جعبه ابزار SAGA GIS در QGIS 3 نیز استفاده کنید.

9. PolSARPro

همانطور که از نام آن پیداست، PolSARpro (جعبه ابزار پردازش و آموزش داده های قطب سنجی SAR) متخصص در تصویربرداری رادار است. این شامل انواع زیر از سنسورهای ماهواره ای است:

ALOS-1
COSMO-SkyMed
RADARSAT-2
TerraSAR-X و TanDEM-X

PolSARPro یک بسته نرم افزاری پیشرفته است که برای تجزیه و تحلیل و تجسم داده های رادار دیافراگم مصنوعی پلاریمتری (PolSAR) طراحی شده است. این می تواند اطلاعات دقیقی در مورد ویژگی های سطح، رطوبت خاک و سایر ویژگی های سطح زمین از اندازه گیری های مبتنی بر رادار ارائه دهد.

10. GRASS GIS

GRASS GIS یک نرم افزار منبع باز قدیمی در دنیای GIS است. GRASS GIS بدون خصیصه های خود هنوز برای کاربردهای سنجش از راه دور مناسب است.

GRASS GIS همچنین مجموعه‌ای از ابزارهای پیشرفته را برای کار با داده‌های LiDAR مانند طبقه‌بندی ابر نقطه، فیلتر کردن و درون‌یابی ارائه می‌دهد. مشابه SAGA GIS، می توانید از آن در QGIS 3 استفاده کنید یا می توانید از آن به عنوان یک برنامه مستقل استفاده کنید.

به طور کلی، این نرم افزار دارای مجموعه ای از ویژگی ها است که به طور خاص برای تجزیه و تحلیل سنجش از راه دور طراحی شده است، از جمله طبقه بندی تصویر، بهبود و ثبت. علاوه بر این، GRASS GIS مجموعه ای چشمگیر از ابزارها را برای تجسم داده ها فراهم می کند که به کاربران اجازه می دهد تا به سرعت نقشه ها و مدل های سه بعدی داده های خود را ایجاد کنند.

11. ILWIS

ILWIS (سیستم اطلاعات یکپارچه زمین و آب) یک سیستم اطلاعات جغرافیایی (GIS) است که برای ذخیره، مدیریت و تجزیه و تحلیل داده های مکانی طراحی شده است.

این توسط ITC در هلند توسعه یافته است و برای کاربردهای مختلفی از جمله برنامه ریزی کاربری زمین، تجزیه و تحلیل پوشش زمین، نقشه برداری خاک، مدیریت آب، نظارت بر محیط زیست و بسیاری موارد دیگر استفاده می شود.

12. جعبه ابزار Orfeo

جعبه ابزار ORFEO (OTB) یک کتابخانه منبع باز از الگوریتم های پردازش تصویر است که توسط آژانس فضایی فرانسه (CNES) توسعه یافته است. یکی از چیزهای خوب در مورد این فریم ورک این است که چگونه در C++ نوشته شده و روی ویندوز، مک او اس ایکس و لینوکس اجرا می شود. OTB طیف گسترده ای از الگوریتم های آماده برای استفاده را برای سنجش از راه دور و پردازش تصویر دیجیتال ارائه می دهد.

13. Global Mapper

Global Mapper قادر است هم تصاویر توپوگرافی و هم تصاویر ماهواره ای را نمایش دهد و به کاربران این امکان را می دهد که زمین را در هر مکانی به طور دقیق تجسم و تجزیه و تحلیل کنند. همچنین ابزارهای قدرتمند و در عین حال آسان برای استفاده مانند دیجیتالی کردن، محاسبات خط دید و محاسبات حجم ارائه می دهد که برای انواع مختلف تجزیه و تحلیل مفید هستند.

Global Mapper به کاربران امکان تجسم، تجزیه و تحلیل و دستکاری داده های مکانی را از منابع مختلف، از جمله تصاویر هوایی، ابرهای نقطه LiDAR، مدل های ارتفاعی دیجیتال و پایگاه های داده برداری می دهد.

14. Feature Manipulation Engine

موتور دستکاری ویژگی (FME) با تعداد زیادی از ترانسفورماتورهای شطرنجی که می توانید در میز کار خود بگنجانید، پادشاهی در قابلیت همکاری و اتوماسیون است. FME توانایی پردازش داده ها از منابع مختلف سنجش از راه دور مانند عکاسی هوایی، LiDAR و تصاویر چند طیفی و غیره را دارد.

اما برخی از هیجان انگیزترین پیشرفت های آن در زمینه بینایی کامپیوتر و یادگیری عمیق است. FME همچنین به کاربران اجازه می‌دهد تا گردش‌های سنجش از راه دور خود را خودکار کنند و تجزیه و تحلیل داده‌ها را آسان‌تر و سریع‌تر کنند.

15. gvSIG

gvSIG یک منبع باز و رایگان است که به طور گسترده برای تجزیه و تحلیل داده های جغرافیایی، سنجش از دور و مدل سازی مکانی استفاده می شود. برای تجزیه و تحلیل سنجش از دور، GvSIG ابزارها و ویژگی هایی را برای پشتیبانی از ضبط، پردازش و تجزیه و تحلیل داده های ماهواره ای فراهم می کند. این دارای طیف گسترده ای از قابلیت ها برای کار با فرمت های مختلف داده های سنجش از راه دور است و ابزارهای پیشرفته ای را برای ارجاع جغرافیایی، تصحیح و موزاییک ارائه می دهد.

نتیجه

سنجش از راه دور روشی قدرتمند برای تبدیل داده ها به هوش عملی فراهم می کند. اگر به دنبال مجموعه نرم افزار سنجش از راه دور اختصاصی هستید، توصیه می کنیم با ERDAS Imagine، ENVI یا PCI Geomatica کار کنید.

اگر به دنبال قابلیت های قوی GIS هستید، ArcGIS Pro و QGIS 3 یک نقطه ورود برای افرادی است که می خواهند یک پلتفرم نقشه برداری سطح بالا نیز داشته باشند. در حالی که Trimble eCognition صرفاً برای طبقه بندی پوشش زمین است، PolSARPro در تصاویر مبتنی بر رادار تخصص دارد.

در نهایت، اگر به دنبال نرم‌افزار سنجش از راه دور منبع باز هستید، QGIS 3، Whitebox GAT، GRASS GIS و SAGA GIS بهترین گزینه‌های شما هستند.

آموزش رایگان, مطلب روز

تجزیه و تحلیل شطرنجی در GIS – ابزارها و تکنیک ها

آوریل 22, 2023 مازیار اتوکش دیدگاه‌تان را بنویسید:

تحلیل شطرنجی چیست؟

تحلیل شطرنجی GIS فرآیند تجزیه و تحلیل اطلاعات مکانی موجود در مجموعه داده های شبکه است. هر سلول در یک شبکه حاوی یک مقدار یا کلاس است که می تواند مربوط به خاک، پوشش زمین، ارتفاع یا نوع دیگری از داده ها باشد.

از طریق تحلیل شطرنجی، می‌توانیم اطلاعات مربوط به یک مکان جغرافیایی را بر اساس مقدار پیکسل ارزیابی و تفسیر کنیم. بر خلاف داده های برداری، تمرکز بر روی شطرنجی است که در آن هر پیکسل حاوی اطلاعاتی در مورد یک مکان جغرافیایی خاص است.

نمونه هایی از تحلیل شطرنجی

شما اغلب تحلیل شطرنجی را در سنجش از راه دور خواهید دید. تصاویر ماهواره‌ای، مدل‌های دیجیتال ارتفاع، و محصولات پوشش زمین همگی نمونه‌هایی از داده‌های مبتنی بر شبکه هستند. اما این به سنجش از دور محدود نمی شود زیرا ما اغلب از داده های شطرنجی در رشته هایی مانند زمین شناسی، هیدرولوژی و علوم خاک استفاده می کنیم.

به عنوان مثال، یک هیدرولوژیست ممکن است از این نوع تجزیه و تحلیل برای محاسبه شیب و رواناب در یک منطقه استفاده کند. از طرف دیگر، یک بوم‌شناس ممکن است از آن برای ایجاد مدل مناسب زیستگاهی استفاده کند. یک زمین شناس ممکن است از داده ها و تجزیه و تحلیل شطرنجی برای ایجاد یک نقشه خاک استفاده کند که انواع خاک های موجود در یک منطقه و نحوه توزیع آنها را نشان می دهد.

هزاران کاربرد GIS برای تحلیل فضایی وجود دارد. تحلیل شطرنجی همچنین می‌تواند برای پروژه‌های تحقیقاتی محیطی و مکانی که شامل نقشه‌برداری و تجسم داده‌ها است، مفید باشد. به عنوان مثال، اگر در حال مطالعه تغییر دما در یک منطقه خاص در طول زمان هستید، می توانید از پردازش شطرنجی برای ایجاد نقشه ای استفاده کنید که این داده ها را نشان می دهد. این نقشه می تواند به شما در درک بهتر داده ها و نتیجه گیری معنادارتر کمک کند.

ما یک جدول تناوبی برای تحلیل فضایی ایجاد کرده ایم که ابزارهای برداری و جدول را در سمت چپ طبقه بندی می کند. در سمت راست، می‌توانید رایج‌ترین ابزارهای تحلیل شطرنجی را در سایه‌های بنفش، آبی و سبز پیدا کنید.

تکنیک های ابزار تحلیل شطرنجی

چندین تکنیک پردازش شطرنجی وجود دارد که می توانید برای تجزیه و تحلیل داده های خود از آنها استفاده کنید. در اینجا برخی از محبوب ترین ها آورده شده است:

جبر نقشه – جبر نقشه مجموعه ای از عملیات ریاضی است که برای تجزیه و تحلیل داده های شطرنجی استفاده می شود. به عنوان مثال، جبر نقشه شامل عملیات محلی، کانونی، منطقه ای و جهانی است.

آمار منطقه ای – این ابزار شطرنجی به کاربران اجازه می دهد تا اطلاعات یک یا چند ویژگی را در یک منطقه خلاصه کنند. به عنوان مثال، شما میانگین، میانه، مجموع، حداقل، حداکثر و انحراف استاندارد مجموعه ای از مقادیر را با استفاده از آمار منطقه ای محاسبه می کنید.
کانتورها – تولید کانتور فرآیند ایجاد نمایشی از شکل و ارتفاع ویژگی های زمین است. تحلیلگران GIS خطوطی را با اتصال نقاط با ارتفاع مساوی در یک منطقه معین ایجاد می کنند.
توابع ریاضی – توابع ریاضی یک نوع عبارت عددی را بر اساس سلول به سلول اجرا می کنند. به عنوان مثال، این ممکن است شامل انواع توابع حسابی، توانی، نمایی و لگاریتمی باشد.
شرایط – یک تابع شرطی، همچنین به عنوان یک عملگر منطقی شناخته می شود، یک نوع عملیات شطرنجی است که به کاربران اجازه می دهد مجموعه ای از شرایط را در یک مجموعه داده شطرنجی ارزیابی کنند.
مسیر هزینه – بر اساس یک رستر ورودی، تجزیه و تحلیل مسیر هزینه تکنیکی برای شناسایی مقرون به صرفه ترین مسیر از یک منبع معین به یک مکان مقصد است.

تجزیه و تحلیل زمین – تجزیه و تحلیل زمین فرآیند استفاده از داده های رقومی ارتفاع (DEM) برای تجزیه و تحلیل جنبه های مختلف توپوگرافی یک منظر است.
تناسب – تجزیه و تحلیل تناسب پتانسیل یک منطقه را برای یک فعالیت یا هدف خاص ارزیابی می کند. این می تواند شامل مدل های رگرسیون فضایی برای تجزیه و تحلیل کاربری و توپوگرافی زمین و همچنین عوامل دیگری مانند آب و هوا، نوع خاک، پوشش گیاهی و زیرساخت باشد.
پردازش شطرنجی – پردازش شطرنجی یک اصطلاح جامع است که برای تبدیل داده های شبکه موجود به خروجی های جدید استفاده می شود. وظایف رایج پردازش شطرنجی شامل انتخاب، برش، و تقسیم مجموعه داده های شطرنجی است.
درون یابی – تکنیک های درون یابی مقادیر ناشناخته را بر اساس نقاط نمونه موجود تخمین می زنند. خروجی درون یابی (مانند IDW، کریجینگ یا اسپلاین) یک سطح شطرنجی است.

انتخاب نوع داده رستر

قبل از انجام هر نوع پردازش شطرنجی، مهم است که انواع مختلف داده هایی را که می توانید استفاده کنید، بدانید. دو نوع اصلی داده های شطرنجی عبارتند از (1) داده های پیوسته و (2) داده های گسسته.

داده های پیوسته – داده های شطرنجی پیوسته به داده هایی اشاره دارد که دارای مقدار کمی هستند، مانند دما، جمعیت یا هر تصویری.

داده‌های گسسته – داده‌های گسسته به داده‌هایی اطلاق می‌شود که کیفی هستند و دارای مقادیری هستند که متقابلاً منحصر به فرد هستند، مانند وجود یا عدم وجود یک گونه یا پوشش زمین.

هنگام انجام تحلیل شطرنجی، انتخاب نوع داده مناسب مهم است. مهم است که هم اندازه داده های خود و هم سطح جزئیات را در نظر بگیرید. این به شما کمک می کند تا تصمیم بگیرید از کدام نوع داده برای پردازش شطرنجی استفاده کنید.

انتخاب مقیاس رستر مناسب

یکی دیگر از ملاحظات مهم هنگام انجام تحلیل شطرنجی استفاده و ایجاد داده های شطرنجی در مقیاس مناسب است.

وضوح بالا – هرچه اندازه شبکه کوچکتر باشد، به قدرت محاسباتی و ذخیره سازی بیشتری نیاز به تجزیه و تحلیل شطرنجی و داده های شما دارد.

وضوح پایین – اندازه شبکه بزرگتر از نظر اندازه فایل کوچکتر است. اما اگر اندازه شبکه شما خیلی بزرگ باشد، جزئیات را در داده های شطرنجی خود از دست می دهید.

مهم نیست که چه اندازه سلولی را انتخاب می کنید، همیشه مهم است که وضوح داده های شطرنجی ورودی یا خروجی خود را در نظر بگیرید.

نتیجه

تحلیل شطرنجی یک روش قدرتمند تجزیه و تحلیل داده ها در GIS است که از داده های شبکه ای استفاده می کند. اگرچه ما معمولاً آن را با سنجش از دور مرتبط می‌کنیم، می‌توانیم از پردازش شطرنجی در طیف گسترده‌ای از رشته‌ها استفاده کنیم.

تجزیه و تحلیل شطرنجی می تواند روندها و الگوهای داده ها را شناسایی کند یا تغییرات را در طول زمان به صورت سلول به سلول تشخیص دهد. به طور کلی، تجزیه و تحلیل شطرنجی یک ابزار مفید در GIS برای تجزیه و تحلیل سریع حجم زیادی از داده ها است.

GIS GIS GIS GIS GIS GIS GIS GIS GIS GIS GIS GIS GIS GIS GIS GIS GIS GIS

مطلب روز

DGPS: چیست و چگونه از آن به طور موثر استفاده کنیم

آوریل 20, 2023 مازیار اتوکش دیدگاه‌تان را بنویسید:

DGPS چیست؟

GPS دیفرانسیل (DGPS) یک ابزار مهم در ناوبری مدرن است. این سیستمی است که از ماهواره ها و ایستگاه های مرجع زمینی برای ارائه دقت بهبود یافته برای گیرنده های GPS استفاده می کند. از پرسنل نظامی گرفته تا نقشه برداران حرفه ای، این فناوری به اطمینان از دقیق و قابل اعتماد بودن ناوبری آنها کمک می کند.

این مقاله یک نمای کلی از DGPS ارائه می دهد و توضیح می دهد که چیست و چگونه از آن به طور موثر استفاده کنید. ما اصول اولیه، اجزای آن و کارهایی که می تواند برای شما انجام دهد را پوشش خواهیم داد. با این اطلاعات، می توانید از DGPS خود نهایت استفاده را ببرید و دقیق ترین موقعیت ممکن را به دست آورید.

DGPS چگونه کار می کند؟

قبل از پرداختن به جزئیات نحوه عملکرد D GPS، مهم است که بدانید GPS چگونه کار می کند. GPS یک سیستم ناوبری مبتنی بر ماهواره است که از دهه 1980 وجود داشته است. در آمریکای شمالی، دولت ایالات متحده مالک و اداره کننده شبکه GPS است که داده های رایگان و دقیق را برای هر کسی که گیرنده GPS دارد ارائه می دهد.

GPS با دریافت اطلاعات از شبکه ای از ماهواره هایی که در مدار زمین متوسط (MEO) قرار دارند، کار می کند. این ماهواره‌ها سیگنال‌های رادیویی را ارسال می‌کنند که کاربران می‌توانند با گیرنده‌های GPS شناسایی کنند، که از اطلاعات برای محاسبه موقعیت کاربر استفاده می‌کنند. از اینجا، گیرنده‌های جی‌پی‌اس از مثلث‌سازی برای مشخص کردن مکان هر کسی استفاده می‌کنند.

D GPS اطلاعات را از ماهواره های GPS می گیرد و دقت بیشتری را از ایستگاه های مرجع زمینی اضافه می کند. بنابراین به جای دقت معمولی 5-10 متر خود، می توانید دقت 1-3 متر را با DGPS بدست آورید.

مزایای استفاده از DGPS

همانطور که قبلاً آموخته اید، سیستم موقعیت یاب جهانی دیفرانسیل (DGPS) یک نسخه بهبود یافته از GPS اصلی است که از ایستگاه های مرجع اضافی برای ارائه داده های موقعیت یابی دقیق تر و مطمئن تر استفاده می کند.

مهمترین مزیت DGPS این است که چگونه نقشه برداران می توانند به دقت و قابلیت اطمینان بهتری دست یابند. به طور کلی، یک DGPS بسته به عوامل مختلفی می تواند به دقت 1-3 متر دست یابد.

این بدان معنی است که اندازه گیری های نظرسنجی را می توان با دقت و اطمینان بیشتری انجام داد. این امر DGPS را برای برنامه هایی مانند نقشه برداری، ساخت و ساز، ناوبری، نقشه برداری و مهندسی ایده آل می کند.

اجزای یک سیستم DGPS

در اینجا برخی از اجزای حیاتی یک سیستم DGPS آورده شده است:

ایستگاه های مرجع: شبکه ای از ایستگاه های مرجع زمینی در سراسر منطقه ای که سیستم D GPS در آن استفاده خواهد شد نصب شده است. این ایستگاه‌های مرجع دارای ساعت‌های بسیار دقیقی هستند و سیگنال‌هایی را از ماهواره‌ها دریافت می‌کنند و با موقعیت شناخته شده خود مقایسه می‌کنند. هر گونه مغایرت یافت شده سپس به عنوان اصلاحات برای کاربران سیستم ارسال می شود. ایستگاه های مرجع به عنوان گیرنده های ثابت یا نقاط شناخته شده نیز شناخته می شوند.
گیرنده GPS: گیرنده GPS سیار جزء اصلی سیستم DGPS است. ابتدا سیگنال های GPS را از ماهواره ها دریافت می کند و آنها را رمزگشایی می کند. سپس گیرنده موقعیت کاربر را بر اساس اطلاعات دریافتی از ماهواره ها محاسبه می کند که شامل اطلاعات ایستگاه مرجع می شود. به این ترتیب دقت بیشتری به دست آورد.

نتیجه

GPS دیفرانسیل نوعی سیستم ناوبری است که می تواند داده های دقیق تری را در اختیار گیرنده های GPS قرار دهد. این نه تنها از ماهواره های GPS برای موقعیت یابی خود استفاده می کند، بلکه از ایستگاه های مرجع زمینی نیز برای ارائه داده های دقیق تر به گیرنده ها استفاده می کند.

با استفاده از DGPS، کاربران می توانند با کمک تصحیح دیفرانسیل مطمئن شوند که گیرنده های GPS آنها داده های دقیق تری در دسترس دارند. برای هر کسی که در برنامه های نقشه برداری، مهندسی یا دریایی فعالیت دارد، یک DGPS ممکن است دقت بیشتری را که برای یک پروژه موفق نیاز دارید به شما بدهد.

مطلب روز

تصاویر رایگان پهپاد و هواپیماهای بدون سرنشین در قالب زمین فضایی

آوریل 19, 2023 مازیار اتوکش دیدگاه‌تان را بنویسید:

تصاویر پهپاد رایگان

پهپادها به طور فزاینده ای در صنایع در سراسر جهان محبوب می شوند. توانایی آنها در جمع آوری داده ها از آسمان در طیف گسترده ای از کاربردها از مهندسی تا کشاورزی مفید است.

خوشبختانه در حال حاضر چندین پلت فرم رایگان تصویربرداری پهپاد وجود دارد که به کاربران GIS کمک می کند تا به راحتی به تصاویر پهپاد مورد نیاز خود دسترسی پیدا کرده و آن را تجزیه و تحلیل کنند.

اگر به دنبال به دست آوردن داده های نمونه پهپاد رایگان هستید، این 3 پلتفرم داده آنلاین را بررسی کنید. هر کدام می‌توانند تصاویر با وضوح بالا، مدل‌های سه‌بعدی و انبوهی از اطلاعات زمینی را در اختیار شما قرار دهند.

1. Open Aerial Map

نقشه هوایی باز (OAM) یک پروژه نقشه برداری منبع باز و جامعه محور است که تصاویر هوایی را از منابع و مکان های مختلف مدیریت می کند. همه تصاویر از طریق پلتفرم OAM در دسترس قرار می گیرند، که به عنوان یک مخزن برای تصاویر هوایی جدید و موجود عمل می کند.

پروژه نقشه هوایی باز برای اولین بار در سال 2017 توسط گروهی از داوطلبان و توسعه دهندگان که می خواستند تصاویر هوایی را برای عموم قابل دسترس تر کنند، راه اندازی شد. از آن زمان، OAM به یکی از پروژه های پیشرو نقشه برداری منبع باز در جهان تبدیل شده است.

متوجه خواهید شد که این پلتفرم به گونه ای طراحی شده است که کاربر پسند و آسان برای پیمایش باشد. این آن را برای کاربران مبتدی و با تجربه به طور یکسان ایده آل می کند. علاوه بر این، این پلتفرم همچنین اطلاعات دقیقی در مورد ارائه دهنده، حسگر، وضوح، اندازه فایل، مکان و موارد دیگر ارائه می دهد.

2. USGS Earth Explorer

USGS Earth Explorer یک منبع عالی برای تصاویر پهپاد با طیف گسترده ای از انواع مختلف داده های پهپاد، از جمله عکاسی هوایی و LiDAR است. کاربران می توانند داده ها یا مناطق مورد علاقه خاص را جستجو کنند و تصاویر را مستقیماً از وب سایت USGS Earth Explorer دانلود کنن

ابتدا باید یک حساب کاربری ثبت کنید که رایگان و بدون دردسر است. ثانیاً، می‌توانید تمام تصاویر هواپیمای بدون سرنشین رایگان آن را در مجموعه «سیستم‌های هواپیمای بدون سرنشین (UAS)» بیابید. گزینه‌هایی برای انتخاب از میان تصويرهای قاعده، ابرهای نقطه، DEM یا داده‌های خام وجود دارد.

حتماً مرتباً بررسی کنید زیرا USGS این تصاویر را به طور منظم به‌روزرسانی می‌کند. این تضمین می کند که شما به روزترین داده ها را دارید. همه این ویژگی ها USGS Earth Explorer را به منبعی عالی برای به دست آوردن تصاویر رایگان پهپاد تبدیل می کند.

3. نقشه‌بردار هواپیماهای بدون سرنشین

مخزن داده Drone Mapper نوع معمولی پلت فرم نقشه برداری نقطه و کلیک شما نیست. در عوض، فهرست گسترده‌ای از نمونه داده‌های پهپاد را برای دانلود و بازی در اختیار شما قرار داده است.

همه اینها در یک صفحه با تصاویر نمونه فهرست شده است تا بدانید چه چیزی را می خواهید دانلود کنید. اگرچه گزینه های زیادی ندارید، اما مکان های بسیار سورئال را دریافت می کنید. به عنوان مثال، شامل یک گودال شن، یک دره، یک زمین کشاورزی و یک زمین گلف است.

همچنین در سمت روشن، شما می توانید از بین تصاویر ارتویماژی، DTM، حرارتی یا مایل انتخاب کنید. تنوع داده های مشتق شده از پهپاد آن را برای کاربران با تجربه ایده آل می کند. مطمئن شوید که به بررسی خود ادامه می دهید تا ببینید آیا موارد بیشتری برای اضافه کردن دارند یا خیر.

منابع تصویری رایگان پهپاد و پهپاد

با ظهور وسایل نقلیه هوایی بدون سرنشین (UAV) و پهپادها، دنیای داده ها برای همیشه تغییر کرده است. پهپادها و پهپادها راهی برای جمع‌آوری داده‌هایی که قبلاً در دسترس نبودند یا دستیابی به آنها بسیار پرهزینه بود به ما ارائه می‌دهند.

این 3 پلت فرم داده پهپاد فرصتی را برای ما فراهم می کند تا به تصاویر پهپاد با کیفیت بالا و رایگان در قالب جغرافیایی دسترسی داشته باشیم. هر مجموعه داده پهپاد حاوی مقدار بی سابقه ای از جزئیات است تا بتوانید قدرت پهپادها را درک کنید.

امیدواریم از این منابع رایگان داده های پهپاد لذت برده باشید. اما آیا منابع محبوب دیگری را از دست دادیم؟ لطفا با اضافه کردن نظر در بخش زیر به ما اطلاع دهید.

خبر روز

فراخوان ثبت نام در بیست و هفتمین نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی؛ ژئوماتیک 1402

آوریل 3, 2023 مازیار اتوکش دیدگاه‌تان را بنویسید:

به گزارش روابط عمومی سازمان نقشه برداری کشور به نقل از دبیرخانه اجرایی همایش ژئوماتیک 1402؛ بیست هفتمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک در تاریخ ۱۱تا 14 اردیبهشت ماه سال 1402 در محل سازمان نقشه برداری کشور با هدف نمایش دستاوردهای علمی کشور در حوزه اطلاعات مکانی و صدور خدمات مهندسی به کشورهای منطقه برگزار می‌گردد.

از فعالان حوزه ژئوماتیک، موسسات، صادرکنندگان خدمات فنی و مهندسی تجهیزات داده، شرکت های دانش بنیان و علاقمندان به حضور و مشارکت در نمایشگاه و همایش مذکور دعوت بعمل می آید.

با عنایت به مشارکت فعالان این صنعت و برنامه‌ریزى منسجم سازمان نقشه برداری کشور در برگزارى با کیفیت همایش و نمایشگاه فوق الذکر، فرصت مقتضی است تا بعنوان یکى از اعضای مؤثر این صنعت در کشور با بهره گیرى از این رویداد مهم و امکان تجمیع و رونمایی قابلیت هاى موجود، مجموعه این خدمات را در معرض دید مسئولین کشوری و لشکری، متخصصین، بازرگانان و هیئت هاى تجارى از کشورهای خارجی و اعضای اکو ، و عموم مردم ایران قرار دهید. به همین منظور از فعالان حوزه ژئوماتیک دعوت مى‌گردد جهت ثبت نام در بیست هفتمین نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک به سامانه cms.parstadbirorg.com مراجعه نمایند.

سنجش از دور, مطلب روز

شبکه های کنترل ژئودتیک: چالش ها و راه حل ها
ابزارهای ضروری برای تغییر شکل و نظارت بر محیط

دسامبر 8, 2022 مازیار اتوکش دیدگاه‌تان را بنویسید:

نوشته : Mohammad Bagherbandi, Masoud Shirazian

چالش های کلیدی در ایجاد شبکه های کنترل دقیق ژئودتیک چیست؟ این یکی از مهمترین وظایف زمین شناسان و نقشه برداران زمین است، زیرا شبکه های کنترل ژئودزی برای تغییر شکل و پایش محیطی سدها، تونل ها، برج های بلند، زمین لغزش ها و پل ها و غیره ضروری هستند. این مقاله چالش های اصلی مربوط به زوایای عمودی را مورد بحث قرار می دهد و توصیه هایی برای چگونگی غلبه بر آنها ارائه می دهد.

چالش‌های کلیدی هنگام ایجاد شبکه‌های کنترل دقیق ژئودزی مربوط به زوایای عمودی است که برای کاهش فواصل شیب جمع‌آوری‌شده به فواصل افقی استفاده می‌شوند. این رویکرد که “کاهش فاصله شیب مثلثاتی” نامیده می شود، به خوبی شناخته شده است و معمولاً در ژئودزی انجام می شود. با این حال، کاهش فواصل شیب به فواصل افقی باید بدون خطاهای سیستماتیک موجود انجام شود.

جمع آوری زوایای عمودی (یا زوایای اوج) با استفاده از ایستگاه توتال مسائل مختلفی را ایجاد می کند. خطای انکسار، اثر هندسی (به دلیل انحنا- چولگی مدل مرجع زمین) و اثرات فیزیکی (به دلیل انحراف قائم ها) چالش های اصلی هستند که زوایای عمودی جمع آوری شده را تحت تأثیر قرار می دهند (شکل 1). این اثرات نشان می دهد که زاویه عمودی یک مشاهده حساس است.

شکل 1: الف) انکسار و اثرات فیزیکی و ب) اثر هندسی بر زاویه عمودی و کاهش فاصله شیب.

اثرات روی زاویه عمودی

خطای انکسار به دلیل تغییر چگالی اتمسفر در امتداد خط مبنا رخ می دهد. گرادیان دمای هوا در جهت عمود بر خط دید عامل اصلی در مدل سازی اثر شکست است. همانطور که در شکل 1 نشان داده شده است، مشکلات هندسی و فیزیکی به دلیل عدم موازی بودن محورهای بالا در نقطه شروع و پایان خطوط مبنا در شبکه های کنترل ژئودزی رخ می دهد. مسئله هندسی مربوط به شکل مرجع زمین (مدل کروی یا بیضی) است. به دلیل مشکل انحنا، محورهای بالا موازی نخواهند بود.

با این حال، با انتخاب یک مدل بیضی شکل برای زمین، یک مشکل اضافی ظاهر می شود که به آن مشکل چولگی می گویند (یعنی محورهای بالا در نقاط A و B در بخش های معمولی / دید ریاضی یکسان نیستند). نتایج نشان می‌دهد که خطای هندسی (عدم موازی بودن محورهای بالا) می‌تواند به 32 ثانیه قوس برای طول خط پایه 1 کیلومتر با اختلاف ارتفاع 100 متر برسد، که در آن کاهش فاصله شیب مربوطه 8 میلی‌متر است.

مشکل فیزیکی (یا مشکل انحراف عمودی ها) به دلیل جدا شدن خط عادی از بیضی و شاقول مرجع زمین است. مشکل این است که مشاهدات روی سطح زمین جمع آوری می شوند (شکل فیزیکی زمین)، اما شکل ریاضی زمین (به عنوان مثال بیضی مرجع) برای محاسبات استفاده می شود. بنابراین، مشاهدات باید در حالت عادی به بیضی به عنوان مرجع اصلاح شوند.

ذکر این نکته ضروری است که در استقرار یک شبکه ژئودزی کلاسیک (سیستم مختصات نجومی محلی یا نجومی محلی) چه نوع سیستم مختصاتی تعریف شده است. انحراف مشکل عمودی می تواند به 16.5 میلی متر (برای زاویه اوج 70 درجه) و 4.2 میلی متر (برای زاویه اوج 85 درجه) برسد، با فرض طول خط پایه 1 کیلومتر.

اثرات هندسی و فیزیکی مستقیماً بر زوایای اوج تأثیر می گذارد و در نتیجه کاهش فواصل شیب را تحت تأثیر قرار می دهد. از آنجایی که این مشکلات به وضوح در دستورالعمل ها ذکر نشده است، کمی سازی این مشکلات در باقربندی و همکاران. (2022) می تواند برای تدوین دستورالعمل آینده مفید باشد.

راه حل هایی برای چالش ها

در دستورالعمل های موجود، راه حل پیشنهادی برای مشکلات فوق، قرائت متقابل زوایای عمودی است. با این حال، برای حذف خطای شکست، زاویه عمودی باید به طور همزمان از هر دو انتهای یک فاصله جمع آوری شود (به عنوان مثال، کتابچه راهنمای مهندس 2018، بخش 3-4 را ببینید). قرائت متقابل می تواند راه حلی برای اثرات هندسی و فیزیکی باشد اگر نقاط در یک ارتفاع باشند. در غیر این صورت برای تصحیح زوایای عمودی باید خطاهای هندسی و فیزیکی را در نظر گرفت.

هزینه و زمان هر دو از عوامل مهم در ایجاد شبکه های ژئودتیکی بهینه و دقیق هستند و باید همیشه مورد توجه قرار گیرند. جمع آوری مشاهدات متقابل زمان بر است، به ویژه در مناطق دارای توپوگرافی ناهموار (مانند سایت های سد)، و کار میدانی و هزینه های پروژه را افزایش می دهد.

علاوه بر این، به دلیل شرایط پروژه (به عنوان مثال توپوگرافی ناهموار موجود و نظارت بر برج های مرتفع) همیشه نمی توان از دستورالعمل ها پیروی کرد و شبکه کنترل ژئودزی را با نقاطی در همان ارتفاع طراحی کرد. نتایج نویسندگان نشان می دهد که بی توجهی به اثرات هندسی و فیزیکی می تواند منجر به خطاهای قابل توجهی شود، به خصوص اگر اختلاف ارتفاع زیادی بین نقاط وجود داشته باشد (حتی اگر زوایای عمودی به صورت متقابل جمع آوری شوند).

تاکنون، کتاب‌های درسی و یادداشت‌های سخنرانی ژئودتیک تنها تأثیر هندسی را بر زوایای افقی ارائه می‌کردند. اما چگونه می توان این خطا را برای زاویه عمودی فرموله و کمی سازی کرد؟ مشکل فیزیکی را می توان با استفاده از پایگاه داده گرانش منطقه ای و محاسبه انحراف دقیق اجزای عمودی اصلاح کرد. اطلاعات دقیق در مورد این مشکل و راه حل آن را می توان در باقربندی و همکاران یافت. (2022) و هایسکانن و موریتز (1967، ص 312).

چگونه از خواندن زوایای عمودی خودداری کنیم؟

دو روش می تواند به نقشه برداران زمین کمک کند تا جمع آوری زاویه عمودی را تنها با استفاده از فواصل شیب یک طرفه و زوایای افقی حذف کنند: تنظیم شبکه سه بعدی (ر.ک. گیلانی 2017، فصل 23)، و روشی که اخیراً توسط شیرازیان و همکاران پیشنهاد شده است. (2021) روش به کمک شبکه نامیده می شود.

در روش به کمک شبکه، در مرحله اول فقط می توان از فواصل شیب یک طرفه به صورت تنظیم شبکه آزاد سه بعدی استفاده کرد. فواصل افقی در مرحله بعد با استفاده از مختصات تنظیم شده (مولفه های شرق و شمال) محاسبه می شود. در نهایت، فواصل افقی محاسبه شده، همراه با زوایای افقی یا مشاهدات جهت، در تنظیم نهایی شبکه برای محاسبه شبکه ژئودتیک دو بعدی استفاده می شود.

ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی -ژئودزی –

نویسندگان روش به کمک شبکه را با استفاده از دو شبکه ژئودزی در ایران (سد مژن و سد دامغان) ارزیابی کردند. شکل 2 تفاوت مختصاتی را نشان می دهد که با استفاده از مشاهدات متقابل و یک جهته (یعنی روش به کمک شبکه و فقط با استفاده از فواصل شیب و زوایای افقی) به دست آمده است. نتایج نشان می دهد که اختلاف بین نتایج دو روش کمتر از 1 میلی متر است و بنابراین ناچیز است. علاوه بر این، روش به کمک شبکه منجر به بیضی های خطای مشابه (یا در برخی نقاط، محورهای نیمه اصلی و نیمه کوچکتر) و اعداد افزونگی بهتر می شود.

مزایای روش کمک به شبکه

روش به کمک شبکه در مقایسه با تنظیم شبکه سه بعدی مزایایی دارد. مقایسه این دو روش نشان می دهد که تعداد درجات آزادی در روش به کمک شبکه بیشتر از تنظیم شبکه سه بعدی خواهد بود. این به این معنی است که میانگین افزونگی (یا افزونگی نسبی)، که یک عامل مهم کیفیت شبکه است (به ویژه هنگام طراحی شبکه ها)، در روش پیشنهادی توسط نویسندگان بالاتر است، همانطور که با آزمایش در دو شبکه نظارت بر تغییر شکل سد تایید شده است.

سد مجن در شهرستان شاهرود، استان سمنان، ایران. (تقدیمی از شرکت بین المللی صابر)

سایت Geonline، سایتی مرجع برای مرتفع نمودن نیاز علاقمندان، پژوهشگران، دانشجویان و دانش آموزان در حوزه جغرافیا است که برای تمامی سنین و سطوح مطالب کاربردی دارد.