مهندسی داده های جغرافیایی

مهندسی داده در GIS داده های مکانی را برای تجزیه و تحلیل آماده می کند. به عنوان مثال، این فرآیند مقادیر از دست رفته را پر می کند، فیلدها را اضافه می کند، جغرافیایی را غنی می کند و مقادیر را پاک می کند.

به طور معمول، کل گردش کار علم داده با مهندسی داده و گردش کار ضروری ETL شروع می شود .

جنبه مهندسی داده احتمالاً زمان برترین جنبه علم داده است. اما همچنین یکی از مهم ترین بخش های تجزیه و تحلیل است، زیرا فقط به اندازه داده هایی است که ما در آن قرار می دهیم.

در این مقاله، اجزای اساسی مهندسی داده‌های مکانی را بررسی می‌کنیم و در مورد چگونگی بهینه‌سازی داده‌های مکانی برای تجزیه و تحلیل بحث می‌کنیم.

فهرست مطالب

• مهندسی داده های جغرافیایی
  • اصطلاحات کلیدی در مهندسی داده
  • ETL – استخراج، تبدیل، بارگذاری
  • ابزار مهندسی داده
    • دانه برف
    • Apache AirFlow
    • موتور دستکاری ویژگی (FME)
    • آلتریکس
    • ElasticSearch
    • Databricks
• مهندسی داده در GIS

اصطلاحات کلیدی در مهندسی داده

داده های مکانی در همه جا وجود دارد. این در هسته بسیاری از وظایف مبتنی بر داده و کسب و کار حیاتی است. از ترسیم مرزهای دارایی گرفته تا تجزیه و تحلیل عملکرد محصولات، تجزیه و تحلیل جغرافیایی به سازمان ها کمک می کند تا داده های خود را درک کنند.

درست مانند هر نوع داده، شما می توانید تحت فرآیندهای معمولی قرار بگیرید که دانشمندان/تحلیلگران داده شما را قادر می سازد بینشی برای تیم های تجاری شما ارائه دهند. در اینجا برخی از اصطلاحات کلیدی که معمولاً فرآیند مهندسی داده را همراهی می کنند آورده شده است:

DATA WAREHOUSE : مجموعه ای از پایگاه های داده از منابع مختلف. این مانند یک کتابخانه داده است که در آن هر فرد می تواند چندین انبار داده داشته باشد.

DATA LAKE : مخزنی برای داده های بدون ساختار. به آن به عنوان محل تخلیه داده ها فکر کنید.

پایگاه داده : داده های ساختار یافته به شکل جداول، ستون ها و سطرها.

DATA PIPELINE : مجموعه‌ای از وظایف، که هر کدام بر روی یک مجموعه داده عمل می‌کنند، که داده‌ها را از یک سیستم به سیستم دیگر تحویل می‌دهد، معمولاً برای جمع‌آوری، ذخیره و پردازش داده‌ها برای اهداف تحلیلی.

EXTRACT، TRANSFORM، LOAD (ETL) : فرآیند استخراج داده از یک سیستم، تبدیل آن به قالبی که توسط سیستم دیگری قابل مصرف است، و بارگذاری آن در سیستم نهایی که در آن برای تجزیه و تحلیل تجاری استفاده می شود.

ETL – استخراج، تبدیل، بارگذاری

ETL (Extract, Transform Load) مجموعه ای از فرآیندها است که داده ها را برای تجزیه و تحلیل و بینش تجاری آماده می کند. به عنوان پروژه خط لوله داده ها را از یک پایگاه داده به یک یا چند پایگاه داده منتقل می کند.

شما می توانید ETL را به عنوان یک مسابقه رله در نظر بگیرید. داده ها در یک نقطه وارد سیستم می شوند، جایی که تبدیل می شوند. سپس از یک دونده به دونده بعدی منتقل می شود تا به مقصد نهایی خود برسد.

روند	شرح
استخراج کردن	این فرآیند داده‌ها را از یک سیستم منبع به دست می‌آورد که معمولاً برای تجزیه و تحلیل بهینه نشده است.
تبدیل	این مرحله داده ها را با فیلتر کردن، تجمیع، ترکیب و پاکسازی آن ها برای به دست آوردن بینش ارزشمند آماده می کند.
بار	داده ها را در یک برنامه داخلی یا خارجی مانند یک پلت فرم تجسم داده مانند Tableau بارگیری و به اشتراک می گذارد.

اگرچه ETL رایج ترین شکل خط لوله داده است، برخی از شرکت ها ELT را ترجیح می دهند، جایی که فرآیند بارگذاری مقدم بر فرآیند تبدیل است.

ابزار مهندسی داده

مهندسی داده فرآیند جمع آوری داده ها از منابع مختلف و ایجاد خط لوله داده است که داده ها را از منبع اصلی خود به انبار داده منتقل می کند . اگرچه تجزیه و تحلیل فضایی در هسته بسیاری از فرآیندهای داده محور قرار دارد، تجزیه و تحلیل جغرافیایی می تواند چالش برانگیز و خسته کننده باشد.

علیرغم پیچیدگی بیشتر، مهندسی داده در GIS در چند سال گذشته مورد توجه قرار گرفته است. در اینجا برخی از برنامه های کاربردی نرم افزار مهندسی داده های کلیدی با پشتیبانی بومی برای داده های مکانی آمده است.

دانه برف

Snowflake یک انبار داده و دریاچه داده مبتنی بر ابر است که داده ها را از منابع مختلف جمع آوری می کند. این نرم افزار به عنوان سرویس (SAS) است که ذخیره سازی و پردازش داده های مقیاس پذیر را امکان پذیر می کند. به همین ترتیب، راه‌حل‌های تحلیلی انعطاف‌پذیری را ارائه می‌دهد که استفاده از آنها سریع‌تر و آسان‌تر است. موتور جستجوی SQL خود به طور خاص برای ابر طراحی شده است. برخی از انواع داده های جغرافیایی پشتیبانی شده توسط Snowflake عبارتند از GeoJSON و PostGIS.

Apache AirFlow

این ابزار ETL مبتنی بر پایتون منبع باز برای ساخت و آماده سازی خطوط لوله داده طراحی شده است. هر فرآیند یک وظیفه است که با یک گراف غیر چرخه جهت دار (DAG) نشان داده می شود که فرآیندها را از یکی به دیگری متصل می کند. علاوه بر این، Apache AirFlow دارای مجموعه ای منحصربفرد از ابزارها است که به شما امکان نوشتن، زمان بندی، تکرار و نظارت بر خطوط لوله داده را می دهد.

موتور دستکاری ویژگی (FME)

در هسته خود، FME توسط SAFE Software یک متخصص در ETL فضایی است. با استفاده از FME Cloud، این یک راه حل انعطاف پذیر است که جریان داده ها را کنترل می کند. اما همچنین به شما امکان می دهد خارج از زیرساخت ابری خود مانند AWS کار کنید. با ساختن میزهای کاری از طریق خواننده ها، نویسنده ها و ترانسفورماتورها، می توانید فرآیند ETL را با حداکثر قابلیت همکاری فرمت های جغرافیایی کامل کنید.

آلتریکس

این نمونه دیگری از ابزار مهندسی داده است که در آن شما کارهایی را به عنوان DAG بسیار شبیه به Apache Airflow اجرا می کنید. Alteryx در انجام پردازش ETL تخصص دارد. این بدان معنی است که می توانید داده ها را از منابع دیگر نیز استخراج و غنی کنید. در نهایت، می توانید داده های تبدیل شده را به Snowflake یا هر پلتفرم مبتنی بر ابر منتقل کنید.

ElasticSearch

Elasticsearch یک ابزار رایگان و منبع باز برای جستجو و تجزیه و تحلیل انواع داده ها، از جمله اطلاعات متنی و سایر انواع داده است. این ابزار مهندسی داده همچنین به طور گسترده با ادغام GIS استفاده می شود زیرا برنامه Elastic Maps را با Kibana ترکیب می کند که به شما امکان می دهد داده های مکانی خود را تجزیه و تحلیل و تجسم کنید.

Databricks

Databricks Geospatial Lakehouse یک پلت فرم مهندسی داده برای علم و همکاری داده های مکانی در مقیاس عظیم است. Databricks یکی از بازیگران اصلی در مهندسی داده است. حتی می توانید از طریق CARTO Spatial Extension برای Databricks به یکی متصل شوید تا از پتانسیل بی صدا برای باز کردن قفل تجزیه و تحلیل فضایی در ابر استفاده کنید.

مهندسی داده در GIS

مهندسی داده های مکانی بر مدیریت، پردازش، پاکسازی و تجزیه و تحلیل داده های مکانی تمرکز دارد. ارتباط نزدیکی با علم داده های مکانی دارد . اما مهندسان داده تمرکز بیشتری روی اجرای فرآیند مهندسی داده دارند. در حالی که دانشمندان داده بیشتر بر کشف و اکتشاف داده ها متمرکز هستند.

مهندسی داده در GIS فرآیند استخراج و جمع‌آوری داده‌ها از منابع متعدد، تبدیل آن داده‌های مکانی به قالبی مفید برای کسب‌وکار شما و بارگیری آن‌ها در انبار داده شما است.

این حرفه عملی و مبتنی بر جزئیات به مهندسان داده نیاز دارد که صبور باشند و از کار دقیق لذت ببرند. اما زمانی که geospatial را به معادله اضافه می کنید، این پیچیدگی تجزیه و تحلیل فضایی در ابر را افزایش می دهد.

امروز، ما فقط سطح پتانسیل مهندسی داده در GIS را بررسی کردیم . آیا تمرکز شما بر روی مهندسی داده های مکانی است؟ لطفا نظرات خود را در مورد آن در بخش نظرات زیر با ما در میان بگذارید.

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 را که R می تواند انجام دهد 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 سیستم‌های فایل، شبکه‌ها، اسکراپینگ وب و اتوماسیون خوب است.

به همین دلیل است که پایتون به جای R، زبان برنامه نویسی پیش فرض برای QG IS و ArcGI S 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 G.I.S 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 G.I.Sمتصل 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-ArcGIS Bridge این است که بتوانید داده های برداری و شطرنجی خود را در ArcGIS ذخیره کنید. سپس، می توانید مستقیماً به آن در R دسترسی داشته باشید و اشیاء R را به انواع داده های بومی ArcGIS برگردانید.

در عین حال، می‌توانید از ابزارهای قدرتمند تحلیل و تجسم فضایی نیز در ArcGI S استفاده کنید و به‌طور یکپارچه به R بروید و عقب بروید.

ارائه دهنده پردازش R (QGIS)

اگر به دنبال یک راه‌حل نرم‌افزار متن‌باز G.I.S 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 QGIS 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 ArcGIS 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 GIS 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 GIS خود برای همه چیز از تجزیه و تحلیل داده‌ها، گرافیک و تجسم استفاده کنید.

چگونه از R در تجزیه و تحلیل جغرافیایی استفاده می کنید؟ برخی از مزایا و معایب پایتون چیست؟ لطفا با یک نظر در زیر به ما اطلاع دهید.

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.

“وظایف دیرینه شناسان و مورخان کلاسیک و باستان شناسان به طور قابل ملاحظه ای مشابه است – حفاری، رمزگشایی و زنده کردن بقایای وسوسه انگیز زمانی که هرگز نخواهیم دید.” – آدرین مایر

امواج گرما از زمین خاک آلود، خشک و ترک خورده بلند شد. مگس های سیاه ریز در اطراف چشم ها و صورت تیم وزوز می کردند. تنها سایه زیر سایبانی بود که در سراسر سنگر باز کم عمق نصب شده بود که در آن نیم دوجین نفر به آرامی لایه ها را از بین بردند. کثیفی زمان است. هر چه آدم عمیق‌تر می‌کند، زمان به عقب‌تر می‌رود.

لایه ای با قدمت 23000 سال در تقریباً دو فوت پایین در معرض دید قرار گرفته است که رد پای یک زن و یک کودک نوپا را آشکار می کند. داستانی از سفر مایلی او در میان گل و لای سفالی نرم را روایت می کند. در آن نزدیکی یک تنبل غول پیکر و گله ای از ماموت ها پرسه می زدند. این کشف علم را مجبور می‌کند تا جدول زمانی انسان‌هایی که در قاره آمریکای شمالی زندگی می‌کنند را دوباره تنظیم کند و آن را به دوران پلیستوسن حداقل 10000 سال پیش ببرد.

اکتشافاتی مانند این گنجینه هایی هستند که باستان شناسان به دنبال آن هستند. باستان شناسان دانشمندان هستند – بخشی شکارچی گنج و بخشی قصه گو. آنها زمینه را به تاریخ اضافه می کنند.

رادار نفوذ به زمین

فناوری های پیشرفته به اکتشافات جدید گذشته کمک می کند. حتی با وجود اینکه رد پاها زیر دو فوت خاک مدفون شده بودند، بدون دیدن فیزیکی آنها کشف شدند. رادار نافذ زمینی (GPR) این کشف را ممکن کرد. GPR در سال های اخیر پیشرفت های چشمگیری داشته است، همراه با پیشرفت هایی در انواع دیگر برنامه های سنجش از راه دور.

وضوح GPR همراه با عمقی که GPR می تواند اشیا را تشخیص دهد، بهبود یافته است. رایانه ها می توانند داده های GPR را به تصاویر سه بعدی پردازش کنند و نمایه عمقی از ناحیه اسکن شده را ارائه دهند. اینگونه رد پاها شناسایی شد.

در شرایط ایده آل، GPR می تواند به عمق 30 متر (98 فوت) برسد. دقت و دامنه GPR به نوع رسوب، میزان رطوبت و سایر مورفولوژی های زمین شناسی بستگی دارد. زیربنای فناوری GPR و مغناطیس‌سنجی، سیستم‌های اطلاعات مکانی قوی (GIS) هستند که رکورد دیجیتالی کشف را حفظ می‌کنند و امکان تحلیل‌های مکانی بیشتر را فراهم می‌کنند. پیشرفت در یادگیری ماشینی تشخیص آینده را بهبود می بخشد.

در جاهای دیگر در قاره آمریکا، پروژه ای در مکزیک از دهه 1990 با استفاده از GPR برای نقشه برداری از سنوت ها و سفره های زیرزمینی مورد استفاده مایاها در جریان بوده است. یک سیستم غار آبی زیرزمینی به طول 215 مایل – طولانی ترین در جهان – در شبه جزیره یوکاتان نقشه برداری شده است. غواصان با کاوش در این سنوت ها بقایایی از حیوانات عصر یخبندان، از جمله ببر و ماموت را پیدا کردند.

لیدار و ALS

Lidar (تشخیص نور و محدوده) اکتشافات بیشتری را با کمک هوش مصنوعی و یادگیری ماشین ممکن می کند. برای مثال، در جنگل‌های گواتمالا، لیدار شهر ناشناخته باستانی مایا، تیکال را آشکار کرد.

لیدار یک سنسور فعال است که ارتفاع زمین را اندازه گیری می کند. با استفاده از یک سیستم اسکن لیزری هوابرد (ALS) که روی هواپیما، هلیکوپتر یا پهپاد نصب شده است، پرتوهای لیزر دستگاه لیدار چشم انداز را اسکن می کند. این سیستم مدت زمانی را که طول می کشد تا پرتو به یک جسم روی زمین برسد و به عقب برگردد را محاسبه می کند.

نتیجه برای هر جسم زمینی که لیزر لمس می‌کند، یک نقطه ایجاد می‌کند و مسافت طی شده پرتو را محاسبه می‌کند. در طول یک اسکن، میلیاردها امتیاز جمع آوری می شود. سپس باستان شناسان زمین فضایی نقاط جمع آوری شده را در یک ابر نقطه ای پردازش می کنند (شکل 1). با انتخاب تنها نقاط طبقه بندی شده به عنوان زمین و آب، نقاط به یک تصویر شطرنجی تبدیل می شوند و باستان شناسان چشم اندازی از زمین برهنه زیر تاج درخت و پوشش گیاهی ارائه می دهند (شکل 2).

به این ترتیب، لیدار به عنوان یک راه غیر مخرب برای شناسایی سازندهای خاکی، حتی در جنگل های متراکم عمل می کند.

باستان شناس باستان شناس باستان شناس باستان شناس باستان شناس باستان شناس باستان شناس باستان شناس

باستان شناس باستان شناس باستان شناس باستان شناس باستان شناس باستان شناس باستان شناس باستان شناس

تجزیه و تحلیل تصویر مبتنی بر شی

چالش با لیدار و تصاویر، حجم انبوه داده‌ها است که فراتر از محدوده آن چیزی است که یک انسان می‌تواند به صورت دستی بررسی کند. به دلیل اینکه ویژگی‌های باستان‌شناسی تا چه حد ضعیف هستند، جستجو اغلب نیازمند دستکاری مجموعه داده‌های تصویری با ترکیب باندهای چند طیفی و سپس ادغام آنها با داده‌های توپوگرافی است. برای کمک به این تلاش عظیم، هوش مصنوعی برای طبقه‌بندی مبتنی بر پیکسل و تجزیه و تحلیل تصاویر مبتنی بر شی (OBIA) برای برجسته کردن مناطق مورد علاقه برای مطالعه بیشتر استفاده می‌شود.

دیلن دیویس، دکتری. کاندیدای دانشگاه ایالتی پنسیلوانیا، پیشگام استفاده از OBIA برای یافتن کارهای خاکی مانند تپه‌های مدور، دیوارهای سنگی و جاده‌ها در بوفورت، کارولینای جنوبی بود. او از تصاویر NOAA با وضوح بالا که قبل از فصل طوفان 2008 از ساحل گرفته شده بود استفاده کرد.

باستان شناس باستان شناس باستان شناس باستان شناس باستان شناس باستان شناس باستان شناس باستان شناس

در سطح محلی، باستان شناسان همین رویکرد را برای یافتن سنگ قبرها در گورستان های بدون علامت به کار می گیرند. یک سیستم طبقه‌بندی مبتنی بر شی مبتنی بر پیکسل به یک محقق کمک کرد تا به طور خودکار سنگ‌های قبر بالقوه را در یک گورستان با پوشش گیاهی متراکم شناسایی کند.
فناوری مورد استفاده برای OBIA برای کیلومتر شماری اینرسی بصری (VIO) نیز استفاده می شود. ناسا در حال آزمایش تکنیک های VIO برای کمک به فضانوردان در جهت یابی سطح ماه است (نگاه کنید به برنامه Artemis ناسا به سیستم مرجع فضایی ماه نیاز دارد). برای آرتمیس، VIO از دهانه های ماه به عنوان یک سیستم مرجع برای بدست آوردن موقعیت دقیق استفاده می کند.

دنیای سه بعدی مجازی

شاید یکی از مهم ترین کاربردهای فناوری برای تحقیقات و اکتشافات باستان شناسی، استفاده از جهان های غوطه ور سه بعدی مجازی باشد. کاوش در جهان‌های باستان به شکلی که ممکن است به نظر می‌رسیدند، بینش‌های بیشتری را به باستان‌شناسان و عموم مردم می‌دهد تا اکتشافات خود را تجربه کنند و ما را با تاریخ مرتبط کند.

سفر چند مایلی دختر جوانی که یک کودک نوپا را در 23000 سال پیش از یک چشم انداز عصر یخبندان حمل می کند، برای هر والدینی بسیار دور و در عین حال آشنا به نظر می رسد. این تصویر به اصل و نسب مشترک ما روح می بخشد. از طریق قدرت GIS و فن آوری های مدرن، او درست به قرن 21 قدم گذاشت.

«مردی که تاریخ را می شناسد و در آن ساکن است، بُعد جدیدی به وجودش می بخشد… او در همه زمان ها زندگی می کند. سن ها متعلق به اوست، همه برای او یکسان زندگی می کنند.» – ویلیام فلیندرز پتری

Tewelow یک متخصص سیستم های اطلاعات جغرافیایی (GISP) است که دارای مدرک در زمینه فناوری اطلاعات جغرافیایی و مطالعات اطلاعاتی است. او در حال حاضر مدرک کارشناسی ارشد خود را در زمینه رهبری سازمانی با تمرکز بر مدیریت عملکرد دریافت می کند.
تیولو پس از 23 سال خدمت به عنوان متخصص اطلاعات جغرافیایی و تصویربرداری، یک هوانورد دریایی، یک هواشناس و یک اقیانوس شناس تاکتیکی با کسب سه مدال دستاورد، از نیروی دریایی ایالات متحده بازنشسته شد. او در میان اولین افرادی در کشور بود که در حین کار در مرکز فضایی استنیس ناسا، گواهینامه تخصصی زمین فضایی را از وزارت کار ایالات متحده دریافت کرد. او متاهل است، از مسافرت کردن، ارتباط با مردم، حل مشکلات و علاقه مندی به فناوری جدید لذت می برد. 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

او دارای مدرک تحصیلی در زمینه فناوری اطلاعات جغرافیایی و مطالعات اطلاعاتی از دانشگاه نظامی آمریکا است و در حال حاضر برای دریافت مدرک در زمینه رهبری سازمانی ثبت نام کرده است.

تیولو پس از 23 سال خدمت به عنوان متخصص اطلاعات جغرافیایی و تصویربرداری، یک هوانورد دریایی، یک هواشناس و یک اقیانوس شناس تاکتیکی از نیروی دریایی ایالات متحده بازنشسته شد. او در میان اولین افرادی در کشور بود که در حین کار در مرکز فضایی استنیس ناسا در می سی سی پی، گواهینامه تخصصی زمین فضایی را از وزارت کار ایالات متحده دریافت کرد.

ArcGIS به روش های زیادی برای کمک به کاهش انتشار ترافیک استفاده می شود. از مسیریابی هوشمند و کاهش ازدحام گرفته تا تشویق مردم به دوچرخه سواری یا پیاده روی، و کمک به هدایت سیاست حمل و نقل دولت، GIS به تمیزتر شدن هوا کمک می کند.

GIS از دیرباز برای بهبود کارایی بسیاری از انواع سفرهای وسایل نقلیه در صنایع مختلف مورد استفاده قرار گرفته است و همچنان ادامه دارد. با تجزیه و تحلیل حجم عظیمی از داده ها از منابع متفاوت، می توان تصمیمات لجستیکی و مسیریابی بهتری اتخاذ کرد، زمان کلی سفر را کاهش داد، هزینه سوخت را کاهش داد و آلودگی را کاهش داد.

یک مثال، یک زنجیره بزرگ خواربارفروشی اروپایی است که از ArcGIS برای کاهش انتشار CO2 ناوگان خودروهای خود، با ادغام جریان‌های داده‌های متعدد مرتبط با آلاینده‌ها استفاده می‌کند – ایجاد تصویری بزرگ که تصمیم‌گیری هوشمند را قدرتمند می‌کند.

با استفاده از الگوریتمی که اثرات شیب جاده، سرعت، ضریب بار و سایر پارامترها را در نظر می‌گرفت، توانست آلاینده‌ها را برای هر نوع موتور در ناوگان خود، از دیزلی گرفته تا برقی، در تمام مسیرهای حمل‌ونقل محاسبه کند.

با وارد کردن این اطلاعات به نقشه‌های هوشمند، شرکت با اطمینان پیش‌بینی کرد که کدام موتورها برای هر مسیر کارآمدتر هستند و تنظیماتی را شناسایی کرد که عملکرد ناوگان را بهینه می‌کند، انتشار کربن را حذف می‌کند و هزینه‌ها را کاهش می‌دهد.

کاهش انتشار CO2 وسایل نقلیه خود به این شرکت اجازه داد تا مزیت رقابتی خود را هم به عنوان یک برند و هم به عنوان یک اپراتور کارآمد افزایش دهد.

مدیریت هوشمند ترافیک

در حوزه ترافیک، GIS برای برنامه‌ریزی و ساخت بزرگراه‌های هوشمند در بریتانیا، توسط سازمان‌هایی مانند National Highways و Costain استفاده می‌شود – بزرگراه‌هایی که می‌توانند جریان ترافیک را در روزهای گرم کاهش دهند تا سطح آلودگی را کاهش دهند.

سیستم‌های GIS کیفیت هوا را از حسگرهای بلادرنگ بررسی می‌کنند تا امکان کاهش سریع و اعمال محدودیت سرعت را فراهم کنند. در حالی که در سایر شهرها، GIS برای نظارت و کنترل جریان ترافیک در زمان واقعی استفاده می شود و در صورت لزوم از طریق مداخلات سریع، اختلال در جاده ها را به حداقل می رساند.

برای مثال، در منطقه بیرمنگام، محل برگزاری بازی‌های اخیر مشترک المنافع، ArcGIS برای پشتیبانی از داشبورد بلادرنگ استفاده می‌شود. ارائه حمل و نقل برای West Midlands با اطلاعات مکانی اساسی برای حفظ حرکت مردم از طریق واکنش به حوادث، ازدحام، یا پیش‌بینی اتفاقات بعدی.

داشبورد با ترکیب داده های حمل و نقل زنده از تقریباً 20 شریک بخش دولتی و خصوصی، از جمله مقامات محلی، راه آهن، تراموا، اپراتورهای اتوبوس، شبکه راه آهن و بزرگراه های ملی، تصویر عملیاتی مشترکی را به همه ذینفعان ارائه می دهد.

بینش حاصل بسیار ارزشمند است، درک رفتار در سراسر شبکه را بهبود می بخشد و اجازه می دهد تا تصمیمات سریعتر گرفته شود.

حمل و نقل برای لندن (TfL) برای تشویق افراد بیشتری از اتومبیل خود و به سمت روش‌های فعال‌تر حرکت در اطراف، از GIS برای حمایت از رویکرد خیابان‌های سالم خود با تجزیه و تحلیل کتابخانه وسیعی از داده‌های مکانی برای کمک به اطلاع‌رسانی تصمیمات سرمایه‌گذاری در پیاده‌روی، دوچرخه‌سواری استفاده می‌کند. و زیرساخت های حمل و نقل

برنامه ریزی شهری

TfL ابزار شهرسازی خود را با استفاده از ArcGIS برای تسریع در ارائه طرح‌های جدید برای ایجاد خیابان‌های سالم توسعه داد. برنامه ریزان در TfL – چه آنها مسئول مسیرهای راه آهن، زیرزمینی، جاده ای، اتوبوس، دوچرخه سواری یا عابر پیاده باشند – می توانند بیش از 200 مجموعه داده را پرس و جو و تجزیه و تحلیل کنند و به طور دقیق مزایای بالقوه پیشنهادهای مختلف را ارزیابی کنند.

تنها در دو سال گذشته، TfL ساخت و ساز را در بیش از 100 کیلومتر خطوط دوچرخه سواری جدید یا ارتقا یافته برای کمک به کاهش وابستگی به خودروها برای سفرهای کوتاه آغاز کرده است. از طریق طرح های خیابانی سالم مانند این، TfL انتشار گازهای گلخانه ای را کاهش می دهد و کیفیت زندگی را برای همه در لندن بهبود می بخشد.

از نقطه نظر سیاست، GIS توسط ریکاردو، یکی از سازمان‌های پیشرو که داده‌های زیست‌محیطی را به دولت‌ها در سراسر جهان ارائه می‌کند، برای کمک به اثبات نیاز به تغییر سیاست‌ها و ابتکارات جدید برای جلوگیری از تغییرات آب و هوایی استفاده می‌شود. از ArcGIS برای خودکارسازی تجزیه و تحلیل داده های پیچیده و به اشتراک گذاری داده های کیفیت هوا و انتشار گازهای گلخانه ای با سهولت بیشتری با مشتریان دولتی استفاده می کند.

برای مثال، این شرکت انتشارات ترافیکی را به داده‌های جاده‌های باز Ordnance Survey اختصاص داده است که به وزارت تجارت، انرژی و استراتژی صنعتی دولت بریتانیا (BEIS)، درک عمیق‌تری از رابطه بین انتشار گازهای گلخانه‌ای و زیرساخت‌های حمل‌ونقل بریتانیا می‌دهد.

زیرساخت‌های حمل‌ونقل به طور کلی با ورود گسترده 5G، راه‌اندازی شبکه‌های گسترده اینترنت اشیا با حسگرهای جدید، کمک به هدایت هوش مصنوعی و پشتیبانی از طیف وسیعی از حالت‌های نوظهور حمل‌ونقل، از جمله وسایل نقلیه خودران، هوشمندتر می‌شوند.

این چشم‌انداز به‌طور فزاینده‌ای به شبکه‌های دیجیتالی متحرک نیاز خواهد داشت که با GIS ساخته شده‌اند و به اپراتورها بینشی را ارائه می‌دهند که مشتری‌مدار، ایمن، پایدار و حرکت مردم را حفظ کنند.

نویسنده: جرمی دبلیو کرامپتون

ناشر : Wiley-Blackwell; چاپ اول (1 فوریه 2010)
زبان: انگلیسی
شومیز : 240 صفحه
ISBN-10 : ‏ 1405121734
ISBN-13 : 978-1405121736
ابعاد: 6.8 x 0.6 x 9.8 اینچ
رتبه پرفروش: #1,350,862 جلد کتاب
شماره 154 در کارتوگرافی
شماره 402 در جغرافیای منطقه ای
شماره 680 در علوم زمین (کتاب)

درباره کتاب نقشه برداری:

Mapping: A Critical Introduction to Cartography and GIS مقدمه ای است بر مسائل حیاتی پیرامون نقشه برداری و سیستم های اطلاعات جغرافیایی (GIS) در طیف وسیعی از رشته ها برای خوانندگان غیر متخصص.
تأثیرات کلیدی سیستم های اطلاعات جغرافیایی (GIS) و نقشه برداری بر مطالعه جغرافیا و سایر رشته های مرتبط را بررسی می کند.

نمایانگر اولین خلاصه عمیق از “کارتوگرافی جدید” است که از اوایل دهه 1990 ظاهر شده است.
توضیحی در مورد چیستی این نقشه‌نگاری انتقادی جدید، چرایی اهمیت آن و چگونگی ارتباط آن با مجموعه گسترده و بین‌رشته‌ای از خوانندگان ارائه می‌دهد.
بحث تئوری تکمیل شده با مطالعات موردی در دنیای واقعی را ارائه می دهد
درک فنی از GIS و نقشه برداری و همچنین حساسیت به اهمیت تئوری را گرد هم می آورد

بررسی های سرمقاله

استفاده از نقشه ها به عنوان وسیله ای برای انتقال اطلاعات جغرافیایی از زمان های قدیم تغییر چندانی نکرده است. اما روش های جمع آوری داده ها برای تهیه نقشه، البته، به شدت تغییر کرده است. Mapping: A Critical Introduction to Cartography and GIS به بررسی نقش حیاتی سیستم های اطلاعات جغرافیایی (GIS) و کارتوگرافی در مطالعه جغرافیا و طیف وسیعی از رشته ها می پردازد. با کاوش در موضوعاتی مانند نژاد و هویت، سیاست GIS، نقشه‌برداری از فضای مجازی، نظارت و هنر نقشه، دقیقاً متوجه می‌شویم که «استفاده» از نقشه‌ها و GIS به طور انتقادی در دنیای امروز چیست.

این کتاب همچنین توسعه تاریخی نقشه برداری را بررسی می کند، ظهور نقشه برداری موضوعی در اروپای مدرن را مرور می کند و چگونگی تولید فضا و مکان را نقشه ها بررسی می کند. چندین مطالعه موردی در دنیای واقعی مفاهیم کلیدی را نشان می‌دهند و زمینه عملی را برای رویکردها و ایده‌های نظری ارائه شده در اختیار خوانندگان قرار می‌دهند. نقشه برداری: مقدمه ای انتقادی بر نقشه برداری و GIS، نقشه برداری را از نظر جغرافیایی در قلب تفکر قرار می دهد و پایه مفهومی محکمی را در اصول اولیه نقشه برداری و پیشرفت های تکنولوژیکی که چهره نقشه برداری را تغییر داده است، در اختیار خوانندگان قرار می دهد.

استفاده از نقشه ها به عنوان وسیله ای برای انتقال اطلاعات جغرافیایی از زمان های قدیم تغییر چندانی نکرده است. اما روش های جمع آوری داده ها برای تهیه نقشه، البته، به شدت تغییر کرده است. Mapping: A Critical Introduction to Cartography and GIS به بررسی نقش حیاتی سیستم های اطلاعات جغرافیایی (GIS) و کارتوگرافی در مطالعه جغرافیا و طیف وسیعی از رشته ها می پردازد. با کاوش در موضوعاتی مانند نژاد و هویت، سیاست GIS، نقشه برداری از فضای مجازی، نظارت و هنر نقشه، دقیقاً متوجه می‌شویم که «استفاده» از نقشه‌ها و GIS به طور انتقادی در دنیای امروز چیست.

این کتاب همچنین توسعه تاریخی نقشه بردار ی را بررسی می کند، ظهور نقشه برداری موضوعی در اروپای مدرن را مرور می کند و چگونگی تولید فضا و مکان را نقشه ها بررسی می کند. چندین مطالعه موردی در دنیای واقعی مفاهیم کلیدی را نشان می‌دهند و زمینه عملی را برای رویکردها و ایده‌های نظری ارائه شده در اختیار خوانندگان قرار می‌دهند. نقشه برداری: مقدمه ای انتقادی بر نقشه برداری و GIS، نقشه برداری را از نظر جغرافیایی در قلب تفکر قرار می دهد و پایه مفهومی محکمی را در اصول اولیه نقشه برداری و پیشرفت های تکنولوژیکی که چهره نقشه برداری را تغییر داده است، در اختیار خوانندگان قرار می دهد.

درباره نویسنده

جرمی دبلیو کرامپتون دانشیار جغرافیا در دانشگاه کنتاکی است که در آنجا GIS، نقشه برداری و جغرافیای سیاسی تدریس می کند. او نویسنده نقشه های سیاسی فضای مجازی (2003) و فضا، دانش و قدرت: فوکو و جغرافیا (ویرایش استوارت الدن، 2007) و سردبیر سابق مجله Cartographica: The International Journal for Geographic Information and Geovisualization است. .

درباره جلد: اندازه مهم است

روی جلد نقشه ای از جمعیت جهان را نشان می دهد که توسط مارک نیومن ایجاد شده است.
با این حال، نیومن به جای اینکه جهان را آنطور که معمولاً می بینیم، چه از فضا و چه بر روی یک برجستگی نشان دهد، نقشه ای ایجاد کرده است که در آن اندازه هر کشور با جمعیت آن نسبت مستقیم دارد.

این نقشه که برای نقشه‌نگاران به‌عنوان کارتوگرام شناخته می‌شود، تفسیری رادیکال از دنیای آشنا ارائه می‌کند، گویی که توده‌های خشکی توسط یک لامپ گدازه‌ای ناکارآمد ایجاد شده‌اند

. چین و هند – که به تنهایی حدود یک سوم جمعیت جهان را دارند – البته بسیار بزرگ هستند، اما اندونزی و نیجریه نیز چنین هستند. سازمان ملل متحد پیش بینی می کند که تا سال 2050 نیجریه پنجمین کشور بزرگ جهان خواهد بود، از 15مین کشور در سال 1950. کشورهایی مانند کانادا، استرالیا و روسیه که تمایل دارند بر اکثر نقشه هایی که معمولاً می بینیم تسلط داشته باشند، در اینجا نشان داده شده اند.

عبارتند از: نسبتاً کم جمعیت. جالب توجه است که آمریکای جنوبی نسبتاً آسیب ندیده و نزدیکترین نقشه به “عادی” است. خط آبی که خط استوا را نشان می‌دهد، حقیقت نسبتاً شگفت‌انگیز دیگری را نیز نشان می‌دهد: «شمال جهانی» نیمه پرجمعیت‌تر سیاره است. نیمکره ها با هم برابر نیستند این نقشه همچنین در ارائه دلایل ژئوپلیتیک منطقه ای خوب است: به عنوان مثال به اندازه اوکراین، ترکیه یا اتیوپی نگاه کنید.

کارتوگرام ها را می توان از انواع داده ها تهیه کرد، و نیومن و همکارش دنی دورلینگ نقشه هایی از افراد مبتلا به HIV/AIDS، هزینه های مراقبت های بهداشتی، تولید ناخالص داخلی، انتشار CO2 و نقشه های انتخابات ایالات متحده بر اساس تعداد رای دهندگان تهیه کرده اند.

در نهایت، مقایسه کارتوگرام با نقشه سوررئالیستی بازیگوش در فصل 2 غیر قابل مقاومت است. این نقشه بر چه اساسی ترسیم شده است؟

برای دانلود کتاب اینجا کلیک کنید.

ﺣﻮﺯﻩ ﺍﻃﻼﻋﺎﺕ ﻣﻜﺎﻧﻲ (GIS) ﻳﻜﻲ ﺍﺯ ﻣﻬﻢﺗﺮﻳﻦ ﻭ ﻛﻠﻴﺪﻱﺗﺮﻳﻦ ﻣﻨـﺎﺑﻊ ﻣـﻮﺭﺩ ﻧﻴـﺎﺯ ﺑـﺮﺍﻱ ﻣـﺪﻳﺮﻳﺖ، ﺑﺮﻧﺎﻣـﻪﺭﻳـﺰﻱ ﻭ ﺗﺼﻤﻴﻢﮔﻴﺮﻱ ﺑﻪ ﺷﻤﺎﺭ ﻣﻲﺭﻭﺩ. ﺍﻫﻤﻴﺖ ﺍﻳﻦ ﺍﻃﻼﻋﺎﺕ ﺗﺎ ﺣﺪﻱ ﺍﻓﺰﺍﻳﺶ ﻳﺎﻓﺘﻪ ﺍﺳﺖ ﻛﻪ ﺍﺯ ﺁﻥ ﺑﻪ ﻋﻨﻮﺍﻥ ﺭﻛـﻦ ﭼﻬـﺎﺭﻡ ﺩﺭ ﺗﺼﻤﻴﻢﮔﻴﺮﻱ ﺩﺭ ﻛﻨﺎﺭ ﺳﻪ ﺭﻛﻦ ﺩﻳﮕﺮ ﻳﻌﻨﻲ ﺯﻣﺎﻥ، ﻫﺰﻳﻨﻪ ﻭ ﻛﻴﻔﻴﺖ ﻳﺎﺩ ﻣﻲﺷﻮﺩ.

ﻳﻜﻲ ﺍﺯ ﺑﺰﺭﮔﺘﺮﻳﻦ ﻧﻘﺎﻁ ﺿﻌﻒ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ، ﻋﺪﻡ ﺩﺳﺘﺮﺳﻲ ﻭ ﺍﺳﺘﻔﺎﺩﻩ ﻣﺪﻳﺮﺍﻥ ﺍﺯ ﺍﻃﻼﻋﺎﺕ ﺻﺤﻴﺢ ﻭ ﺑﻬﻨﮕﺎﻡ ﺩﺭ ﺍﺭﺗﺒﺎﻁ ﺑﺎ ﻭﺿﻌﻴﺖ ﺟﺎﺭﻱ ﺑﺤﺮﺍﻥ ﺍﺯ ﺣﻴﺚ ﻭﺳﻌﺖ ﺑﺤﺮﺍﻥ، ﺍﻓـﺮﺍﺩ ﻭ ﺗﺎﺳﻴﺴـﺎﺕ ﺗﺤـﺖ ﺗـﺎﺛﻴﺮ، ﻣﻴـﺰﺍﻥ ﻣﻨـﺎﺑﻊ ﻭ ﺍﻣﻜﺎﻧـﺎﺕ ﻣﻮﺟﻮﺩ، ﻣﻨﺎﺑﻊ ﻭ ﺍﻣﻜﺎﻧﺎﺕ ﻣﻮﺭﺩ ﻧﻴﺎﺯ، ﺭﺍﻩﻫﺎ ﻭ ﺭﻭﺵﻫﺎﻱ ﻣﻤﻜﻦ ﺍﻣﺪﺍﺩﺭﺳﺎﻧﻲ، ﻓﻌﺎﻟﻴﺖ ﺳﺎﺯﻣﺎﻥﻫﺎ ﻭ ﮔﺮﻭﻩﻫـﺎﻱ ﻛـﺎﺭﻱ ﻣﺨﺘﻠﻒ ﺍﻣﺪﺍﺩﺭﺳﺎﻥ ﺩﺭ ﻣﻨﻄﻘﻪ ﻭ… ﺍﺳﺖ.

ﺩﺭ ﺍﻳﻦ ﺭﺍﺳﺘﺎ ﺩﺭ ﺍﺩﺍﻣﻪ ﮔﺰﺍﺭﺵ ﺑﻪ ﻣﻌﺮﻓـﻲ ﺗﻜﻨﻴـﻚ ﻫـﺎﻱ ﺗﻮﻟﻴـﺪ ﻭ ﺟﻤـﻊ ﺁﻭﺭﻱ ﺩﺍﺩﻩ ﻫـﺎﻱ ﻣﻜـﺎﻧﻲ ﻭ ﻧﻘـﺶ ﺳﻴﺴـﺘﻢ ﺍﻃﻼﻋﺎﺕ ﻣﻜﺎﻧﻲ ﺩﺭ ﺣﻮﺯﻩ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﭘﺮﺩﺍﺧﺘﻪ ﺷﺪﻩ ﺍﺳﺖ.

ﺗﻌﺮﻳﻒ ﻣﺴﺌﻠﻪ

ﻳﻜﻲ ﺍﺯ ﺑﺰﺭﮔﺘﺮﻳﻦ ﻧﻘﺎﻁ ﺿﻌﻒ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ، ﻋﺪﻡ ﺩﺳﺘﺮﺳﻲ ﻭ ﺍﺳﺘﻔﺎﺩﻩ ﻣﺪﻳﺮﺍﻥ ﺍﺯ ﺍﻃﻼﻋﺎﺕ ﺻﺤﻴﺢ ﻭ ﺑﻬﻨﮕﺎﻡ ﺩﺭ  ﺍﺭﺗﺒﺎﻁ ﺑﺎ ﻭﺿﻌﻴﺖ ﺟﺎﺭﻱ ﺑﺤﺮﺍﻥ ﺍﺯ ﺣﻴﺚ ﻭﺳﻌﺖ ﺑﺤﺮﺍﻥ، ﺍﻓـﺮﺍﺩ ﻭ ﺗﺎﺳﻴﺴـﺎﺕ ﺗﺤـﺖ ﺗـﺎﺛﻴﺮ، ﻣﻴـﺰﺍﻥ ﻣﻨـﺎﺑﻊ ﻭ ﺍﻣﻜﺎﻧـﺎﺕ  ﻣﻮﺟﻮﺩ، ﻣﻨﺎﺑﻊ ﻭ ﺍﻣﻜﺎﻧﺎﺕ ﻣﻮﺭﺩ ﻧﻴﺎﺯ، ﺭﺍﻩﻫﺎ ﻭ ﺭﻭﺵﻫﺎﻱ ﻣﻤﻜﻦ ﺍﻣﺪﺍﺩﺭﺳﺎﻧﻲ، ﻓﻌﺎﻟﻴﺖ ﺳﺎﺯﻣﺎﻥﻫﺎ ﻭ ﮔﺮﻭﻩﻫـﺎﻱ ﻛـﺎﺭﻱ ﻣﺨﺘﻠﻒ ﺍﻣﺪﺍﺩﺭﺳﺎﻥ ﺩﺭ ﻣﻨﻄﻘﻪ ﻭ… ﺍﺳﺖ.

ﺩﺭ ﺍﻳﻦ ﺣﻮﺯﻩ ﺍﻃﻼﻋﺎﺕ ﻣﻜﺎﻧﻲ (GIS) ﻳﻜﻲ ﺍﺯ ﻣﻬﻢﺗﺮﻳﻦ ﻭ ﻛﻠﻴﺪﻱﺗﺮﻳﻦ ﻣﻨـﺎﺑﻊ ﻣـﻮﺭﺩ ﻧﻴـﺎﺯ ﺑـﺮﺍﻱ ﻣـﺪﻳﺮﻳﺖ، ﺑﺮﻧﺎﻣـﻪﺭﻳـﺰﻱ ﻭ  ﺗﺼﻤﻴﻢﮔﻴﺮﻱ ﺑﻪ ﺷﻤﺎﺭ ﻣﻲﺭﻭﺩ. ﺍﻫﻤﻴﺖ ﺍﻳﻦ ﺍﻃﻼﻋﺎﺕ ﺗﺎ ﺣﺪﻱ ﺍﻓﺰﺍﻳﺶ ﻳﺎﻓﺘﻪ ﺍﺳﺖ ﻛﻪ ﺍﺯ ﺁﻥ ﺑﻪ ﻋﻨﻮﺍﻥ ﺭﻛـﻦ ﭼﻬـﺎﺭﻡ ﺩﺭ ﺗﺼﻤﻴﻢﮔﻴﺮﻱ ﺩﺭ ﻛﻨﺎﺭ ﺳﻪ ﺭﻛﻦ ﺩﻳﮕﺮ ﻳﻌﻨﻲ ﺯﻣﺎﻥ، ﻫﺰﻳﻨﻪ ﻭ ﻛﻴﻔﻴﺖ ﻳﺎﺩ ﻣﻲﺷﻮﺩ.

ﺩﺭ ﺍﻳﻦ ﺭﺍﺳﺘﺎ ﺩﺭ ﺍﺩﺍﻣﻪ ﮔﺰﺍﺭﺵ ﺑﻪ ﻣﻌﺮﻓـﻲ ﺗﻜﻨﻴـﻚ ﻫـﺎﻱ ﺗﻮﻟﻴـﺪ ﻭ ﺟﻤـﻊ ﺁﻭﺭﻱ ﺩﺍﺩﻩ ﻫـﺎﻱ ﻣﻜـﺎﻧﻲ ﻭ ﻧﻘـﺶ ﺳﻴﺴـﺘﻢ اﻃﻼﻋﺎﺕ ﻣﻜﺎﻧﻲ ﺩﺭ ﺣﻮﺯﻩ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﭘﺮﺩﺍﺧﺘﻪ ﺷﺪﻩ ﺍﺳﺖ.

ﺩﺍﺩﻩ ﻣﻜﺎﻧﻲ

ﺑﻨﺎ ﺑﻪ ﺗﻌﺮﻳﻒ، ﻫﺮ ﺩﺍﺩﻩ ﻗﺎﺑﻞ ﻧﻤﺎﻳﺶ ﺩﺭ ﻳﻚ ﻧﻘﺸﻪ ﺩﺍﺭﺍﻱ ﺳﻴﺴﺘﻢ ﻣﺨﺘﺼﺎﺕ ﻳﺎ ﺍﻃﻼﻋﺎﺕ ﻣﺮﺑـﻮﻁ ﺑـﻪ ﻣﻮﻗﻌﻴـﺖ، ﺷـﻜﻞ ﻋﻮﺍﺭﺽ ﺟﻐﺮﺍﻓﻴﺎﻳﻲ ﻭ ﺍﺭﺗﺒﺎﻁ ﺑﻴﻦ ﺁﻧﻬﺎ ﻛﻪ ﺑﻪ ﻃﻮﺭ ﺭﺍﻳﺞ ﺑﻪ ﺻﻮﺭﺕ ﻣﺨﺘﺼﺎﺕ ﻭ ﺗﻮﭘﻮﻟـﻮﮊﻱ ﺫﺧﻴـﺮﻩ ﻣﻴﺸـﻮﺩ، ﺭﺍ ﺩﺍﺩﻩ ﻣﻜﺎﻧﻲ ﻣﻲﮔﻮﻳﻨﺪ. ﺑﻄﻮﺭ ﻣﺜﺎﻝ ﻣﻮﻗﻌﻴﺖ ﻭﻗﻮﻉ ﻳﻚ ﺯﻣﻴﻦ ﻟﺮﺯﻩ ﻳﺎ ﺁﺗﺶﺳﻮﺯﻱ ﻣﻲﺗﻮﺍﻧﺪ ﺑﻪ ﻳﻚ ﻋـﺪﺩ ﺩﺭ ﻳـﻚ ﺳﻴﺴـﺘﻢ ﻣﺨﺘﺼﺎﺕ ﻣﻨﺘﺴﺐ ﺷﻮﺩ. ﺍﻳﻦ ﻋﺪﺩ ﺑﻪ ﻋﻨﻮﺍﻥ ﻣﺨﺘﺼﺎﺕ ﺁﻥ ﻣﺤﻞ (ﺩﺭ ﻳﻚ ﺳﻴﺴﺘﻢ ﻣﺨﺘﺼﺎﺕ ﻣﺤﻠـﻲ ﻳـﺎ ﺟﻬـﺎﻧﻲ) ﻳـﻚ ﺩﺍﺩﻩ ﻣﻜﺎﻧﻲ ﻣﺤﺴﻮﺏ ﻣﻴﺸﻮﺩ.

ﺗﻜﻨﻴﻚ ﻫﺎﻱ ﺗﻮﻟﻴﺪ ﺩﺍﺩﻩ ﻫﺎﻱ ﻣﻜﺎﻧﻲ

ﮊﺋﻮﻣﺎﺗﻴﻚ ﻋﻠﻢ ﺟﻤﻊﺁﻭﺭﻱ، ﺗﺤﻠﻴﻞ ﻭ ﺗﻔﺴﻴﺮ ﺩﺍﺩﻩﻫﺎ، ﺑﻮﻳﮋﻩ ﺩﺍﺩﻩﻫﺎﻱ ﻣﺮﺑﻮﻁ ﺑﻪ ﺳﻄﺢ ﺯﻣﻴﻦ ﻭ ﻫﻤﭽﻨـﻴﻦ ﻣـﺪﻝﺳـﺎﺯﻱ،  ﺗﺤﻠﻴﻞ ﻭ ﻣﺪﻳﺮﻳﺖ ﺩﺍﺩﻩ ﻫﺎﻱ ﻣﻜﺎﻧﻲ (ﺯﻣﻴﻦ ﻣﺮﺟﻊ) ﺍﺳﺖ .

ﺑﻄـﻮﺭ ﻛﻠـﻲ ﻧﻘﺸـﻪﺑـﺮﺩﺍﺭﻱ ﻋﻠـﻢ ﻭ ﺗﻜﻨﻮﻟـﻮﮊﻱ ﻣﺮﺑـﻮﻁ ﺑـﻪ ﻭﻳﮋﮔـﻲ ﻭ ﺳـﺎﺧﺘﺎﺭ ﺩﺍﺩﻩﻫـﺎﻱ ﻣﻜـﺎﻧﻲ ، ﺭﻭﺷـﻬﺎﻱ ﺍﺧـﺬ ،  ﺳﺎﺯﻣﺎﻧﺪﻫﻲ، ﻃﺒﻘﻪﺑﻨﺪﻱ، ﺑﺮﺭﺳﻲ ﻛﻴﻔﻴﺖ، ﺗﺤﻠﻴﻞ، ﻣﺪﻳﺮﻳﺖ، ﻧﻤﺎﻳﺶ ﻭ ﻫﻤﭽﻨﻴﻦ ﻧﻴﺎﺯ ﺳﺎﺧﺘﺎﺭﻱ ﺑـﺮﺍﻱ ﺍﺳـﺘﻔﺎﺩﻩ ﺍﺯ ﺍﻳـﻦ  ﺍﻃﻼﻋﺎﺕ ﻣﻲﺑﺎﺷﺪ. ﺩﺍﺩﻩ ﻫﺎﻱ ﻣﻜﺎﻧﻲ ﺍﺯ ﻃﻴﻒ ﻭﺳﻴﻌﻲ ﺍﺯ ﻋﻠﻮﻡ ﻗﺎﺑﻞ ﺗﻮﻟﻴﺪ ﺍﺳﺖ ﻛﻪ ﻫﺮﻛﺪﺍﻡ ﺑﺮﺍﻱ ﺍﺭﺍﺋﻪ ﺗﺼـﻮﻳﺮﻱ ﺍﺯ   ﺟﻬﺎﻥ ﻓﻴﺰﻳﻜﻲ ﻣﻲﺗﻮﺍﻧﺪ ﻣﻮﺭﺩ ﺍﺳﺘﻔﺎﺩﻩ ﻗﺮﺍﺭ ﮔﻴﺮﺩ. ﺍﻳﻦ ﻋﻠﻮﻡ ﻋﺒﺎﺭﺗﻨﺪ ﺍﺯ :

ﺳﻨﺠﺶ ﺍﺯ ﺩﻭﺭ ( Remote Sensing ) : ﺍﺳﺎﺱ ﺳﻨﺠﺶ ﺍﺯ ﺩﻭﺭ، ﻣﺎﻫﻮﺍﺭﻩ ﻫـﺎﻱ ﺗﺼـﻮﻳﺮﺑﺮﺩﺍﺭﻱ ﻣﺴـﺘﻘﺮ ﺩﺭ ﺑـﺎﻻﻱ ﺳـﻄﺢ  ﺯﻣﻴﻦ ﻣﻲ ﺑﺎﺷﻨﺪ. ﺁﻳﻜﻮﻧﻮﺱ ، ۲ ﺍﺳﭙﺎﺕ ۳ ﻭ ﻟﻨﺪﺳﺖ ۴ ﺍﺯ ﻣﺎﻫﻮﺍﺭﻩﻫﺎﻱ ﺷﻨﺎﺧﺘﻪ ﺷﺪﻩ ﺳﻨﺠﺶ ﺍﺯ ﺩﻭﺭ ﻣﻲ ﺑﺎﺷﻨﺪ.ﺳـﻨﺠﺶ ﺍﺯ  ﺩﻭﺭ ﻛﺎﺭﺑﺮﺩﻫﺎﻱ ﮔﺴﺘﺮﺩﻩﺍﻱ ﺩﺭ ﺑﺮﺁﻭﺭﺩ ﺧﺴﺎﺭﺍﺕ ﻭ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﺩﺍﺭﺩ ﻛﻪ ﺍﺯ ﺁﻥ ﺟﻤﻠﻪ ﻣﻲﺗﻮﺍﻥ ﺑﻪ ﺗﺼﻮﻳﺮﺑﺮﺩﺍﺭﻱ  ﻣﺎﻫﻮﺍﺭﻩ ﺍﻱ ﺍﭘﺘﻴﻜﻲ ﺍﺷﺎﺭﻩ ﻛﺮﺩ.

ﺩﺍﺩﻩﻫﺎﻱ ﻣﻜﺎﻧﻲ ﺍﺧﺬ ﺷﺪﻩ ﺍﺯ ﻣﺎﻫﻮﺍﺭﻩﻫﺎﻱ ﺳﻨﺠﺶ، ﻣﻲﺗﻮﺍﻧﻨﺪ ﺩﺭ ﺭﺩﮔﻴﺮﻱ ﻃﻮﻓﺎﻧﻬﺎﻱ ﺳﻬﻤﮕﻴﻦ، ﺁﺗﺶ ﺳﻮﺯﻳﻬﺎ، ﺳﻴﻞ  ﻭ ﻇﻐﻴﺎﻥ ﺭﻭﺩﺧﺎﻧﻪﻫﺎ، ﺁﺗﺸﻔﺸﺎﻧﻬﺎ، ﮔﺮﺩ ﻭ ﻏﺒﺎﺭ ﻭ ﺩﻭﺩ، ﺯﻟﺰﻟﻪ ﻭ ﺗﺨﻤﻴﻦ ﻭﻗـﻮﻉ ﻣﺠـﺪﺩ ﺁﻥ، ﻓﺮﺳـﺎﻳﺶ ﺳـﺎﺣﻠﻲ ﻭ ﭘـﻴﺶ  ﺑﻴﻨﻲ ﻣﻬﺎﺟﺮﺕ ﺁﻓﺎﺕ ﻛﻤﻚ ﺷﺎﻳﺎﻧﻲ ﻧﻤﺎﻳﻨﺪ.  

 ﻓﺘـﻮﮔﺮﺍﻣﺘﺮﻱ : ﻋﻜﺴـﺒﺮﺩﺍﺭﻱ ﺍﺯ ﻃﺮﻳـﻖ ﻫﻮﺍﭘﻴﻤـﺎ ﻭ ﺗﻬﻴـﻪ ﻧﻘﺸـﻪ ﺍﺯ ﻋﻜـﺲﻫـﺎﻱ ﺗﻬﻴـﻪ ﺷـﺪﻩ ﺍﺯ ﺍﺻـﻮﻝ ﻓﺘـﻮﮔﺮﺍﻣﺘﺮﻱ ﻣﻴﺒﺎﺷﺪ.ﺗﺼﺎﻭﻳﺮ ﻫـﻮﺍﻳﻲ ﺩﺭ ﺣـﻮﺯﻩ ﺭﺍﻫﺒـﺮﻱ ﺗـﻴﻢﻫـﺎﻱ ﻭﺍﻛـﻨﺶ ﺍﺿـﻄﺮﺍﺭﻱ، ﺗﺸـﺨﻴﺺ ﻣﻜـﺎﻥﻫـﺎ ﺑـﺎ ﻧﺎﭘﺎﻳـﺪﺍﺭﻱﻫـﺎﻱ ﮊﺋﻮﺗﻜﻨﻴﻜﻲ، ﺁﺷﻜﺎﺭﺳﺎﺯﻱ ﻧﺸﺖ ﻣﻮﺍﺩ ﺧﻄﺮﻧﺎﻙ، ﺑﺮﺁﻭﺭﺩ ﻣﻴـﺰﺍﻥ ﺗﻐﻴﻴـﺮﺍﺕ ﻭ ﺗﺨﺮﻳـﺐ ﭘـﺲ ﺍﺯ ﺯﻟﺰﻟـﻪ، ﺑﺮﻧﺎﻣـﻪﺭﻳـﺰﻱ ﺑﺎﺯﺳﺎﺯﻱ، ﭘﺎﺳﺦ ﺑﻪ ﺑﺤﺮﺍﻥ ﻭ ﻣﺴﺘﻨﺪﺳﺎﺯﻱ ﺳﻮﺍﻧﺢ ﻣﻴﺘﻮﺍﻧﺪ ﻛﺎﺭﺑﺮﺩ ﺯﻳﺎﺩﻱ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ.

ﺳﻴﺴﺘﻢﻫﺎﻱ ﻫﻮﺍﻳﻲ ﻟﻴﺰﺭﻱ ﻳﻜﻲ ﺩﻳﮕﺮ ﺍﺯ ﺍﺑﺰﺍﺭﻫﺎﻳﺴﺖ ﻛﻪ ﺩﺭ ﻣﺪﻝﺳﺎﺯﻱ ﺳﻪﺑﻌﺪﻱ ﺷﻬﺮﻫﺎ، ﻭﺿﻌﻴﺖ ﺳـﺎﺧﺘﺎﺭﻱ ﻳـﻚ ﺷﻬﺮ (ﺑﺎﻓﺖ ﻭ ﺗﻮﭘﻮﮔﺮﺍﻓﻲ) ﻛﺎﺭﺑﺮﺩ ﺩﺍﺭﺩ ﻭ ﭼﻨﺎﻧﭽﻪ ﺍﻃﻼﻋﺎﺕ ﺳﺎﺧﺘﻤﺎﻥﻫﺎ ﻭ ﺗﻐﻴﻴﺮﺍﺕ ﺷﻬﺮﻱ ﻣﺮﺗﺒﺎً ﺑﻪ ﺑﺎﻧﻚ ﺍﻃﻼﻋـﺎﺗﻲ ﻭﺍﺭﺩ ﻭ ﺗﺼﺤﻴﺢ ﺷﻮﺩ، ﮔﺰﺍﺭﺷﻲ ﺍﺯ ﻭﺿﻌﻴﺖ ﻓﻌﻠﻲ ﻭ ﺗﻐﻴﻴﺮﺍﺕ ﺣـﺎﺩﺙ ﺷـﺪﻩ ﺭﺍ ﻣـﻲﺗﻮﺍﻧـﺪ ﺍﺭﺍﺋـﻪ ﻛﻨـﺪ. ﺍﻣـﺮﻭﺯﻩ ﺑﻴﺸـﺘﺮ ﺷﻬﺮﻫﺎﻱ ﭘﻴﺸﺮﻓﺘﻪ ﺩﺭ ﺣﺎﻝ ﺗﺪﻭﻳﻦ ﻭ ﺗﻜﻤﻴﻞ ﻧﻘﺸﻪﻫﺎﻱ ﺧﻄﺮ ﻭ ﺧﻄﺮﭘﺬﻳﺮﻱ ﺳﻪ ﺑﻌﺪﻱﺍﻧﺪ ﻛـﻪ ﺍﺭﺗﺒـﺎﻁ ﺑﺼـﺮﻱ ﻗـﻮﻱ ﻭ ﺗﺎﺛﻴﺮﮔﺬﺍﺭﻱ ﺭﺍ ﺩﺭﻣﻴﺎﻥ ﻣﺮﺩﻡ ﻭ ﻣﺴﺌﻮﻻﻥ ﺩﺍﺭﻧﺪ.

ﺩﺭ ﺣﻮﺯﻩ ﺭﻭﺳﺘﺎﻳﻲ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺍﻳﻨﻜﻪ ﺗﻌﺪﺍﺩ ﺑﻴﺸﻤﺎﺭﻱ ﺍﺯ ﺭﻭﺳﺘﺎﻫﺎ ﻭ ﺷﻬﺮﺳـﺘﺎﻧﻬﺎﻱ ﺍﻳـﺮﺍﻥ ﺯﻳـﺮ ۱۰۰۰ ﻫﻜﺘـﺎﺭ ﻣﺴـﺎﺣﺖ ﺩﺍﺭﻧﺪ ﻭ ﺑﺴﻴﺎﺭﻱ ﺍﺯ ﺁﻧﻬﺎ ﺣﺘﻲ ﺯﻳﺮ ۲۰۰ ﻫﻜﺘﺎﺭ ﻣﺴﺎﺣﺖ ﺩﺍﺭﻧﺪ، ﺑﺎ ﺍﺳـﺘﻔﺎﺩﻩ ﺍﺯ ﻳـﻚ ﻋﻤـﻮﺩ ﭘـﺮﻭﺍﺯ ﺑـﺪﻭﻥ ﺳﺮﻧﺸـﻴﻦ ﺩﺭ ﻣﺪﺕ ﺯﻣﺎﻥ ﻛﻮﺗﺎﻫﻲ ﻣﻲ ﺗﻮﺍﻥ ﺑﺎ ﻫﺰﻳﻨﻪ ﺑﺴﻴﺎﺭ ﭘﺎﻳﻴﻦ ﺣﺪﺍﻗﻞ ﻳﻚ ﺭﻭﺳﺘﺎ ﻳﺎ ﺷﻬﺮﺳﺘﺎﻥ ۳۰۰ ﻫﻜﺘـﺎﺭﻱ ﺭﺍ ﺗﺤـﺖ ﭘﻮﺷـﺶ ﻧﻘﺸﻪ ﺑﺮﺩﺍﺭﻱ ﻫﻮﺍﻳﻲ ﺑﺎ ﻣﻘﻴﺎﺱ ﺑﺎﻻ ﻗﺮﺍﺭ ﺩﺍﺩﻩ ﻭ ﺳﺮﻳﻌﺎً ﻋﻜﺲ ﻧﻘﺸﻪ ﻫﻮﺍﻳﻲ ﺁﻥ ﺭﺍ ﺗﻮﻟﻴﺪ ﻧﻤﻮﺩ.

ﺍﻳﻦ ﻭﺳﻴﻠﻪ ﻛﻤﻚ ﺑﺴﻴﺎﺭ ﺑﺰﺭﮔﻲ ﻧﻪ ﺗﻨﻬﺎ ﺑﺮﺍﻱ ﻣﻘﺎﻳﺴﻪ ﺷﺮﺍﻳﻂ ﻗﺒﻞ ﻭ ﺑﻌـﺪ ﺍﺯ ﺑﺤـﺮﺍﻥ ﺩﺭ ﻳـﻚ ﺭﻭﺳـﺘﺎ ﻣـﻲ ﺑﺎﺷـﺪ، ﺑﻠﻜـﻪ ﺑـﻪ ﻣـﺪﻳﺮﻳﺖ ﺷـﻬﺮﻱ ﻭ ﺭﻭﺳﺘﺎﻳﻲ ﺍﻳﻦ ﺍﻣﻜﺎﻥ ﺭﺍ ﺧﻮﺍﻫﺪ ﺩﺍﺩ ﻛﻪ ﺑﺘﻮﺍﻧﻨﺪ ﻳﻚ ﻋﻜﺲ ﻧﻘﺸﻪ ﻛﺎﻣﻼً ﻭﺍﺿﺢ ﻭ ﺑـﻪﺭﻭﺯ ﺍﺯ ﺷـﻬﺮ ﻭ ﻳـﺎ ﺭﻭﺳـﺘﺎ ﺩﺍﺷـﺘﻪ ﺑﺎﺷﻨﺪ.

ﺍﻣﺮﻭﺯﻩ ﻋﻜﺴﺒﺮﺩﺍﺭﻱ ﻫﻮﺍﻳﻲ ﺍﻏﻠﺐ ﺑﻪﻃﻮﺭ ﺭﻗﻮﻣﻲ، ﺑﺎ ﻛﻴﻔﻴﺖ ﺑﺴﻴﺎﺭ ﺑﺎﻻ ﺍﻧﺠﺎﻡ ﻣﻲﮔﻴﺮﺩ ﻛـﻪ ﺍﻳـﻦ ﺗﺼـﺎﻭﻳﺮ ﻣﻌﻤـﻮﻻً ﺩﺭ ﺳﻮﺍﻧﺢ ﻃﺒﻴﻌﻲ ﻣﺎﻧﻨﺪ ﺯﻟﺰﻟﻪ ﻛﺎﺭﺑﺮﺩ ﺑﺴﻴﺎﺭﻱ ﺩﺍﺭﺩ. ﺑﻪ ﻋﻨﻮﺍﻥ ﻧﻤﻮﻧﻪ ﻣﻲﺗﻮﺍﻥ ﺑﻪ ﻛﺎﺭﺑﺮﺩ ﻓﺮﺍﻭﺍﻥ ﻋﻜﺲﻫـﺎﻱ ﻫـﻮﺍﻳﻲ ﺗﻬﻴـﻪ ﺷﺪﻩ ﺗﻮﺳﻂ ﺳﺎﺯﻣﺎﻥ ﻧﻘﺸﻪﺑﺮﺩﺍﺭﻱ ﻛﺸﻮﺭ ﻭ ﺗﺼﺎﻭﻳﺮ ﻣﺎﻫﻮﺍﺭﻩﺍﻱ Quick bird ﻣﺮﺗﺒﻂ ﺑﺎ ﺯﻟﺰﻟﻪ ۱۳۸۲ ﺑﻢ ﺍﺷﺎﺭﻩ ﻛﺮﺩ.

ﻧﻘﺸﻪ ﺑﺮﺩﺍﺭﻱ ﺯﻣﻴﻨﻲ : ﺑﻪ ﻋﻠﻢ ﺍﻧﺪﺍﺯﻩﮔﻴﺮﻱ ﺩﻗﻴﻖ ﻭ ﺗﻌﻴﻴﻦ ﻣﻮﻗﻌﻴﺖ ﻧﺴﺒﻲ ﻳﺎ ﻣﻄﻠﻖ ﻋﻮﺍﺭﺽ ﺭﻭﻱ ﺳﻄﺢ ﺯﻣﻴﻦ ﺍﻃﻼﻕ ﻣﻲﺷﻮﺩ.

ﺍﺯ ﺍﻳﻦ ﺗﻌﺮﻳﻒ ﺳﺎﺩﻩ ﭼﻨﻴﻦ ﺑﺮﺩﺍﺷﺖ ﻣﻲﺷﻮﺩ ﻛﻪ ﻫﺪﻑ، ﺗﻌﻴﻴﻦ ﻣﺨﺘﺼﺎﺕ ﻧﻘﺎﻁ ﺩﺭ ﺳﻪ ﺑﻌﺪ ﺍﺳﺖ. ﻣﺨﺘﺼﺎﺕ ﻣﻄﻠـﻮﺏ ﻣـﻲﺗﻮﺍﻧـﺪ ﻣﺨﺘﺼﺎﺕ ﺩﻛﺎﺭﺗﻲ XYZ ﻭ ﻳﺎ ﻣﺨﺘﺼﺎﺕ ﻋﺮﺽ ﻭ ﻃﻮﻝ ﺟﻐﺮﺍﻓﻴـﺎﻳﻲ ﺑﺎﺷـﺪ. ﻣﻌﻤـﻮﻻً ﻋﻤﻠﻴـﺎﺕ ﻧﻘﺸـﻪﺑـﺮﺩﺍﺭﻱ ﺷـﺎﻣﻞ ﺩﻭ ﻣﺮﺣﻠـﻪ ﺑﺮﺩﺍﺷﺖ (ﻳﺎ ﺍﻧﺪﺍﺯﻩﮔﻴﺮﻱ) ﻭ ﻣﺤﺎﺳﺒﻪ ﻭ ﺍﺭﺍﺋﻪ ﻧﺘﺎﻳﺞ ﻛﺎﺭ ﺍﺳﺖ. ﻧﺘﺎﻳﺞ ﻛﺎﺭ ﺑﻪ ﺻﻮﺭﺗﻬﺎﻱ ﺁﻧﺎﻟﻮﮒ (ﻧﻘﺸﻪ، ﻣﻘﺎﻃﻊ ﻃﻮﻟﻲ ﻭ ﻋﺮﺿـﻲ ﻭ (… ﻭ ﻳﺎ ﺭﻗﻮﻣﻲ (ﻣﺎﻧﻨﺪ ﺟﺪﻭﻝﻫﺎ، ﻣﺪﻝﻫﺎﻱ ﺭﻗﻮﻣﻲ ﺯﻣﻴﻦ) ﺍﺭﺍﺋﻪ ﻣﻲﮔﺮﺩﺩ.

ﺳﻴﺴﺘﻢ ﺗﻌﻴﻴﻦ ﻣﻮﻗﻌﻴﺖ ﻣﺎﻫﻮﺍﺭﻩ ﺍﻱ ﺟﻬﺎﻧﻲ ( GPS ) : ﺳﻴﺴﺘﻢ ﺗﻌﻴﻴﻦ ﻣﻮﻗﻌﻴﺖ ﻣﺎﻫﻮﺍﺭﻩ ﺍﻱ، ﺷﺒﻜﻪﺍﻱ ﻣﺘﺸﻜﻞ ﺍﺯ ﻣﺎﻫﻮﺍﺭﻩﻫـﺎ ﻭ ﺍﻳﺴﺘﮕﺎﻩﻫﺎﻱ ﻛﻨﺘﺮﻝ ﺯﻣﻴﻨﻲ ﺍﺳﺖ ﻛﻪ ﻣﻴﺘﻮﺍﻥ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺍﻣﻮﺍﺝ ﺍﺭﺳﺎﻟﻲ ﻣﺎﻫﻮﺍﺭﻩﻫﺎ، ﻣﻮﻗﻌﻴﺖ ﻧﻘﺎﻁ ﺩﺭ ﺳﻄﺢ، ﻳـﺎ ﺩﺭ ﻧﺰﺩﻳﻜﻲ ﺳﻄﺢ ﺯﻣﻴﻦ ﺭﺍ ﺗﻌﻴﻴﻦ ﻛﺮﺩ. GPS ﻳﺎ ﺳﻴﺴﺘﻢ ﻣﻮﻗﻌﻴﺖﻳﺎﺏ ﺟﻬـﺎﻧﻲ، ﺳﻴﺴـﺘﻢ ﺭﺍﻫﺒـﺮﻱ ﻭ ﻣﺴـﻴﺮﻳﺎﺑﻲ ﻣـﺎﻫﻮﺍﺭﻩﺍﻱ ﺍﺳﺖ ﻛﻪ ﺍﺯ ﺷﺒﻜﻪﺍﻱ ﺑﺎ ﺣﺪﺍﻗﻞ ۲۴ ﻣﺎﻫﻮﺍﺭﻩ ﺗﺸﻜﻴﻞ ﺷﺪﻩ ﺍﺳﺖ.

ﺍﻳـﻦ ﻣـﺎﻫﻮﺍﺭﻩﻫـﺎ ﺑـﻪ ﺳـﻔﺎﺭﺵ ﻭﺯﺍﺭﺕ ﺩﻓـﺎﻉ ﺍﻳـﺎﻻﺕ ﻣﺘﺤﺪﻩ ﺳﺎﺧﺘﻪ ﻭ ﺩﺭ ﻣﺪﺍﺭ ﺯﻣﻴﻦ ﻗﺮﺍﺭ ﺩﺍﺩﻩ ﺷﺪﻩﺍﻧﺪ. GPS ﺩﺭ ﺍﺑﺘﺪﺍ ﺑﺮﺍﻱ ﻣﺼﺎﺭﻑ ﻧﻈﺎﻣﻲ ﺗﻬﻴﻪ ﺷـﺪ ﻭﻟـﻲ ﺍﺯ ﺳـﺎﻝ ۱۹۸۰ ﺍﺳﺘﻔﺎﺩﻩ ﻋﻤﻮﻣﻲ ﺁﻥ ﺁﺯﺍﺩ ﺷﺪ. ﺧﺪﻣﺎﺕ ﺍﻳﻦ ﻣﺠﻤﻮﻋﻪ ﺩﺭ ﻫﺮ ﺷﺮﺍﻳﻂ ﺁﺏ ﻭ ﻫﻮﺍﻳﻲ ﻭ ﺩﺭ ﻫـﺮ ﻧﻘﻄـﻪ ﺍﺯ ﻛـﺮﻩ ﺯﻣـﻴﻦ ﺩﺭ ﺗﻤﺎﻡ ﺷﺒﺎﻧﻪﺭﻭﺯ ﺩﺭ ﺩﺳﺘﺮﺱ ﺍﺳﺖ ﻭ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺁﻥ ﺭﺍﻳﮕﺎﻥ ﺍﺳﺖ.

ﻋﻼﻭﻩ ﺑﺮ GPS ، ﺩﻭ ﺳﻴﺴﺘﻢ ﻛﻤﺎﺑﻴﺶ ﻣﺸﺎﺑﻪ ﺩﻳﮕﺮ ﻧﻴﺰ ﻭﺟﻮﺩ ﺩﺍﺭﺩ: ﺳﻴﺴﺘﻢ ﮔﻠﻮﻧﺎﺱ ﻛﻪ ﺍﻛﻨﻮﻥ ﺑﻪﺩﺳﺖ ﻛﺸـﻮﺭ ﺭﻭﺳـﻴﻪ ﺍﺩﺍﺭﻩ ﻣﻲﺷﻮﺩ ﻭ ﺳﻴﺴﺘﻢ ﮔﺎﻟﻴﻠﻪ ﻛﻪ ﻛﺸﻮﺭﻫﺎﻱ ﺍﺭﻭﭘﺎﺋﻲ ﺁﻥ ﺭﺍ ﺑﺮﺍﻱ ﻭﺍﺑﺴﺘﻪ ﻧﺒﻮﺩﻥ ﺑـﻪ ﺳﻴﺴـﺘﻢ ﺁﻣﺮﻳﻜـﺎﺋﻲ GPS ﺳـﺎﺧﺘﻪ ﺍﻧﺪ.ﺑﻪ ﻃﻮﺭ ﻗﻄﻊ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺍﻳﻦ ﺳﻴﺴﺘﻢ ﻫﺎﻱ ﻣﻮﻗﻌﻴﺖﻳﺎﺑﻲ ﻧﻴﺎﺯﻣﻨﺪ ﺩﺳﺘﺮﺳﻲ ﺑﻪ ﮔﻴﺮﻧﺪﻩﻫـﺎﻱ ﻣﺨـﺘﺺ ﺩﺭﻳﺎﻓـﺖ ﺍﻣـﻮﺍﺝ ﺁﻧﻬﺎ ﻣﻲﺑﺎﺷﺪ. ﺗﺼﻮﻳﺮ ﺫﻳﻞ ﻧﻤﺎﻳﻲ ﺍﺯ ﺷﺒﻜﻪ ﻣﺎﻫﻮﺍﺭﻩ ﻫﺎﻱ GPS ﺭﺍ ﻧﺸﺎﻥ ﻣﻴﺪﻫﺪ.

ﺑﺤﺮﺍﻥ ﻭ ﻣﺪﻳﺮﻳﺖ ﺁﻥ

ﺑﺤﺮﺍﻥ ﺣﺎﺩﺛﻪﺍﻱ ﺍﺳﺖ ﻛﻪ ﺑﻪ ﻃﻮﺭ ﻃﺒﻴﻌﻲ ﻭ ﻳﺎ ﺗﻮﺳﻂ ﺑﺸﺮ ﺑﻪ ﻃﻮﺭ ﻧﺎﮔﻬﺎﻧﻲ ﻭ ﻓﺰﺁﻳﻨﺪﻩ ﺑـﻪ ﻭﺟـﻮﺩ ﻣـﻲﺁﻳـﺪ. ﺑـﺮ ﺍﺳـﺎﺱ ﻣﻨﺸﺎء ﺧﻄﺮﺍﺕ، ﺑﻼﻳﺎ ﺭﺍ ﻣﻲ ﺗﻮﺍﻥ ﺑﻪ ﺳﻪ ﮔﺮﻭﻩ ﺍﺻﻠﻲ ﺑﻼﻳﺎﻱ ﻃﺒﻴﻌﻲ، ﺣـﻮﺍﺩﺙ ﺗﻜﻨﻮﻟـﻮﮊﻳﻜﻲ ﻭ ﻓﺠـﺎﻳﻊ ﺍﻧﺴـﺎﻧﻲ ﻃﺒﻘـﻪ ﺑﻨﺪﻱ ﻛﺮﺩ . ﺯﻟﺰﻟﻪ، ﺳﻴﻞ، ﻃﻮﻓﺎﻥ ﺑﺎﺩ، ﺧﺸﻜﺴـﺎﻟﻲ، ﻭ ﺁﺗـﺶ ﺳـﻮﺯﻱ ﭼﻨـﺪ ﻣﺜـﺎﻝ ﺍﺯ ﺑﻼﻳـﺎﻱ ﻃﺒﻴﻌـﻲ ﻫﺴـﺘﻨﺪ.

ﺣـﻮﺍﺩﺙ ﺻﻨﻌﺘﻲ، ﺣﻮﺍﺩﺙ ﺣﻤﻞ ﻭ ﻧﻘﻞ (ﺍﺗﻮﻣﺒﻴﻞ، ﻫﻮﺍﺑﺮﺩ، ﻗﻄﺎﺭ (… ﻭ ﺍﻧﻔﺠﺎﺭ ﺑﻤﺐ ﭼﻨﺪ ﻧﻤﻮﻧﻪ ﺍﺯ ﺑﻼﻳﺎﻱ ﺗﻜﻨﻮﻟﻮﮊﻳﻚ ﻫﺴﺘﻨﺪ ﻭ ﻓﻌﺎﻟﻴﺖ ﻫﺎﻱ ﺗﺮﻭﺭﻳﺴﺘﻲ ﺭﺍ ﻣﻴﺘﻮﺍﻥ ﺩﺭ ﺯﻣﺮﻩ ﻓﺠﺎﻳﻊ ﺍﻧﺴﺎﻧﻲ ﺩﺭﻧﻈﺮ ﮔﺮﻓﺖ.
ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﺑﻪ ﻣﺠﻤﻮﻋﻪ ﺍﻗﺪﺍﻣﺎﺗﻲ ﺍﻃﻼﻕ ﻣﻲﺷﻮﺩ ﻛﻪ ﻗﺒﻞ ﺍﺯ ﻭﻗﻮﻉ، ﺩﺭ ﺣﻴﻦ ﻭﻗﻮﻉ ﻭ ﺑﻌﺪ ﺍﺯ ﻭﻗﻮﻉ ﺳﺎﻧﺤﻪ، ﺟﻬﺖ ﻛﺎﻫﺶ ﻫﺮ ﭼﻪ ﺑﻴﺸﺘﺮ ﺁﺛﺎﺭ ﻭ ﻋﻮﺍﺭﺽ ﺁﻥ ﺍﻧﺠﺎﻡ ﻣﻲﮔﻴﺮﺩ.

ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ، ﻓﺮﺍﻳﻨﺪ ﺑﺮﻧﺎﻣـﻪ ﺭﻳـﺰﻱ، ﻋﻤﻠﻜـﺮﺩ ﻣﻘﺎﻣـﺎﺕ ،ﺩﺳﺘﮕﺎﻩ ﻫﺎﻱ ﺍﺟﺮﺍﻳﻲ ﺩﻭﻟﺘﻲ ﻭ ﻏﻴﺮ ﺩﻭﻟﺘﻲ، ﺷﻬﺮﺩﺍﺭﻱ ﻭ ﻋﻤﻮﻡ ﺍﺳﺖ، ﺑﺎ ﻣﺸﺎﻫﺪﻩ ﺗﺠﺰﻳﻪ ﻭ ﺗﺤﻠﻴﻞ ﺑﺤﺮﺍﻧﻬﺎ، ﺑﻪ ﺻﻮﺭﺕ ﻳﻜﭙﺎﺭﭼﻪ ﻭ ﻫﻤﺎﻫﻨﮓ ،ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺍﺑﺰﺍﺭ ﻫﺎﻱ ﻣﻮﺟﻮﺩ ﺗﻼﺵ ﻣﻲ ﻛﻨﻨﺪ ﺍﺯ ﺑﺤﺮﺍﻧﻬـﺎ ﭘـﻴﺶ ﮔﻴـﺮﻱ ﻭ ﺯﻣﻴﻨـﻪ ﺭﻓـﻊ ﺁﻥ ﺭﺍ ﻓﺮﺍﻫﻢ ﺳﺎﺯﻧﺪ .

ﻫﺪﻑ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﻫﻤﺎﻫﻨﮕﻲ ﻭ ﺳﺎﺯﻣﺎﻧﺪﻫﻲ ﻛﻠﻴﻪ ﻋﻨﺎﺻﺮ ﺩﻭﻟﺘﻲ ﻭ ﻏﻴﺮ ﺩﻭﻟﺘﻲ، ﻋﻮﺍﻣـﻞ ﺫﻳـﺮﺑﻂ ﺩﺭ ﻣﺤﻴﻂ ﺑﺤﺮﺍﻥ ﺑﻪ ﻫﻤﺮﺍﻩ ﺑﺮﻧﺎﻣﻪ ﺭﻳﺰﻱ، ﺍﺗﺨﺎﺫ ﺳﻴﺎﺳﺖ ﻫﺎﻱ ﻻﺯﻡ ﻭ ﺿﺮﻭﺭﻱ ﺍﺳﺖ.

ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ، ﭼﺮﺧﻪ ﺍﻱ ﺩﺭ ﺯﻣﺎﻥ ﺍﺳﺖ ﻭ ﻫﺪﻑ ﻧﺠﺎﺕ ﺟﺎﻥ ﻭ ﻣﺎﻝ ﺍﺳﺖ ﻭ ﺍﺯ ﺁﻧﺠﺎ ﻛﻪ ﻫﺪﻑ ﺁﻣﺎﺩﻩ ﺷﺪﻥ ﺑـﺮﺍﻱ ﺑﺤﺮﺍﻥ ﺑﻌﺪﻱ ﺍﺳﺖ، ﺑﺮﺍﻱ ﻛﻨﺘﺮﻝ ﺑﺤﺮﺍﻥ ﻭ ﺭﻓﻊ ﺁﻥ ﻧﻴﺎﺯ ﺑـﻪ ﺁﻣـﺎﺩﮔﻲ ﺍﺯ ﭘـﻴﺶ ﻭ ﺍﻟﮕـﻮﻱ ﺍﺯ ﭘـﻴﺶ ﺗﻌﻴـﻴﻦ ﺷـﺪﻩ ﺑـﺮﺍﻱ ﻳﻜﭙﺎﺭﭼﮕﻲ ﻭ ﮔﺮﺩﺵ ﺍﻃﻼﻋﺎﺕ، ﺳﺎﺯﻣﺎﻧﺪﻫﻲ، ﺗﺼﻤﻴﻢﮔﻴﺮﻱ، ﺑﺮﻧﺎﻣﻪﺭﻳﺰﻱ ﻭ ﻫﻤﺎﻫﻨﮕﻲ ﻣﻲﺑﺎﺷﺪ.

ﺗﺒﻴﻴﻦ ﺿﺮﻭﺭﺕ ﺩﺳﺘﺮﺳﻲ ﺑﻪ ﺍﻃﻼﻋﺎﺕ ﻣﻜﺎﻧﻲ

ﭼﻪ ﺧﻄﺮﺍﺗﻲ ﻳﻚ ﺷﻬﺮ ﻳﺎ ﻳﻚ ﻣﻨﻄﻘﻪ ﺭﺍ ﺗﻬﺪﻳﺪ ﻣﻴﻜﻨﺪ ﻭ ﺍﻳﻦ ﺧﻄﺮﺍﺕ ﻛﺠﺎﻫﺎ ﻗﺮﺍﺭ ﺩﺍﺭﻧﺪ. ﻛـﺪﺍﻡ ﺳـﺎﺧﺘﻤﺎﻧﻬﺎ ﺍﺣﺘﻤـﺎﻝ ﺗﺨﺮﻳﺐﺷﺎﻥ ﺩﺭ ﺍﺛﺮ ﺯﻟﺰﻟﻪ ﻭﺟﻮﺩ ﺩﺍﺭﺩ؟ﭼﻪ ﺗﻌﺪﺍﺩ ﺟﻤﻌﻴﺖ ﺩﺭ ﻣﺤﺪﻭﺩﻩ ﺳﻴﻞ ﮔﻴﺮ ﺷﻬﺮ ﺳﻜﻮﻧﺖ ﺩﺍﺭﻧـﺪ؟ ﺁﻣـﺎﺩﮔﻲ ﺩﺭ ﺑﺮﺍﺑﺮ ﻳﻚ ﺳﺎﻧﺤﻪ ﻣﻌﻤﻮﻻً ﺑﺎ ﺷﻨﺎﺧﺖ ﺧﻄﺮﺍﺕ ﻣﻮﺟﻮﺩ ﺩﺭ ﻳﻚ ﻣﺤﻞ ﻭ ﻣﻴﺰﺍﻥ ﺍﻣﻼﻙ ﻭ ﺩﺍﺭﺍﺋﻴﻬﺎﻱ ﺍﻧﺴـﺎﻧﻲ ﻭ ﻓﻴﺰﻳﻜـﻲ ﺩﺭ ﺁﻥ ﻣﺤﻞ ﺁﻏﺎﺯ ﻣﻴﺸﻮﺩ.

ﻋﺪﻡ ﻭﺟﻮﺩ ﺍﻳﻦ ﺍﻃﻼﻋﺎﺕ ﺑﺎﻋﺚ ﻣﻲﺷﻮﺩ ﺗﺎ ﻣﺪﻳﺮﺍﻥ ﻗﺎﺩﺭ ﺑﻪ ﺍﺗﺨﺎﺫ ﺗﺼﻤﻴﻤﺎﺕ ﺩﺭﺳﺖ ﻧﺸﻮﻧﺪ ﻛﻪ ﻧﺘﻴﺠﻪ ﺁﻥ ﻛﻨﺪ ﺷـﺪﻥ ﺳﺮﻋﺖ ﺍﻣﺪﺍﺩﺭﺳﺎﻧﻲ، ﻧﺎﻫﻤﺎﻫﻨﮕﻲ ﺩﺭ ﺗﺼﻤﻴﻤﺎﺕ ﻭ ﻓﻌﺎﻟﻴـﺖﻫـﺎ، ﻋـﺪﻡ ﺍﺳـﺘﻔﺎﺩﻩ ﺑﻬﻴﻨـﻪ ﺍﺯ ﻣﻨـﺎﺑﻊ ﻣﻮﺟـﻮﺩ ﻭ ﺑﻄـﻮﺭ ﻛﻠـﻲ ﻣﺪﻳﺮﻳﺖ ﻧﺎﻣﻨﺎﺳﺐ ﻭ ﻧﺎﻫﻤﺎﻫﻨﮓ ﺑﺤﺮﺍﻥ ﺍﺳﺖ ﻛﻪ ﺿﺮﺭ ﻭ ﺧﺴﺎﺭﺍﺕ ﺟﺎﻧﻲ، ﻣﺎﻟﻲ ﻭ ﻋﺎﻃﻔﻲ ﺟﺒﺮﺍﻥ ﻧﺎﭘﺬﻳﺮ ﺁﻥ ﺩﺭ ﻭﻫﻠـﻪ ﺍﻭﻝ ﻣﺘﻮﺟﻪ ﻣﺮﺩﻡ ﺁﺳﻴﺐ ﺩﻳﺪﻩ ﺍﺳﺖ.

ﻗﺴﻤﺖ ﺍﻋﻈﻢ ﺍﻃﻼﻋﺎﺕ ﻣﻮﺭﺩ ﻧﻴﺎﺯ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ، ﺑﻪ ﻣﻜﺎﻥ ﻳﺎ ﻣﻮﻗﻌﻴﺘﻲ ﺧﺎﺹ ﺑﺮ ﺭﻭﻱ ﺯﻣﻴﻦ ﻣﺮﺑﻮﻁ ﻣﻲ ﺷـﻮﻧﺪ، ﻟـﺬﺍ ﺍﻃﻼﻋﺎﺕ ﻣﻜﺎﻧﻲ (GIS) ﻭ ﺑﻮﻳﮋﻩ ﻓﻨﺎﻭﺭﻳﻬﺎﻱ ﻣﺮﺑﻮﻃﻪ ﺟﻬﺖ ﺗﺼﻤﻴﻢ ﮔﻴـﺮﻱ ﮔﺮﻭﻫـﻲ ﻣـﺪﻳﺮﻳﺖ ﺑﺤـﺮﺍﻥ ﺑﺴـﻴﺎﺭ ﺿـﺮﻭﺭﻱ ﻣـﻲ ﺑﺎﺷﻨﺪ .

ﺍﻣﺎ ﺑﺎ ﻭﺟﻮﺩ ﭼﻨﻴﻦ ﻧﻘﺸﻲ، ﻣﻄﺎﻟﻌﺎﺕ ﮔﻮﻳﺎﻱ ﺁﻥ ﺍﺳﺖ ﻛﻪ ﺩﺭ ﺣﺎﻝ ﺣﺎﺿـﺮ ﻣﺸـﻜﻼﺕ ﻣﺘﻌـﺪﺩﻱ ﺩﺭ ﺍﺭﺗﺒـﺎﻁ ﺑﺎﺗﻮﻟﻴـﺪ ﻭ ﺟﻤﻊ ﺁﻭﺭﻱ، ﺍﻧﺘﺸﺎﺭ، ﺩﺳﺘﺮﺳﻲ ﻭ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺩﺍﺩﻩ ﻫﺎﻱ ﻣﻜﺎﻧﻲ ﻗﺎﺑﻞ ﺍﻋﺘﻤـﺎﺩ، ﺩﻗﻴـﻖ ﻭ ﺑﻬﻨﮕـﺎﻡ ﺑـﺮﺍﻱ ﻣـﺪﻳﺮﻳﺖ ﺑﺤـﺮﺍﻥ ﻭﺟﻮﺩ ﺩﺍﺭﺩ. ﻣﺸﻜﻼﺕ ﻣﺮﺑﻮﻁ ﺑﻪ ﺩﺍﺩﻩ ﻫﺎﻱ ﻣﻜﺎﻧﻲ (GIS) ، ﭘﺲ ﺍﺯ ﺑﺮﻭﺯ ﺑﺤـﺮﺍﻥ ﻭ ﺩﺭ ﺯﻣـﺎﻥ ﭘﺎﺳـﺨﮕﻮﻳﻲ ﺑـﻪ ﺑﺤـﺮﺍﻥ ﺧﻴﻠـﻲ ﺟﺪﻱ ﺗﺮ ﻣﻲ ﺷﻮﺩ.

ﺩﺭ ﺟﺮﻳﺎﻥ ﻳﻚ ﺑﺤﺮﺍﻥ، ﻭﺍﻛﻨﺶ ﻣﻮﺛﺮ ﻣﺘﻀﻤﻦ ﺗﻬﻴﻪ ﻧﻘﺸﻪ ﻣﺮﺑﻮﻁ ﺑﻪ ﺣﺎﺩﺛﻪ، ﺑﺮﭘﺎ ﻛﺮﺩﻥ ﻣﻘﺪﻣﺎﺕ، ﺍﻳﺠﺎﺩ ﻭ ﺗﻮﺳﻌﻪ ﻃﺮﺡ ﻫﺎﻱ ﻋﻤﻠﻴﺎﺗﻲ ﻭ ﺍﺟﺮﺍﻱ ﺑﺮﻧﺎﻣﻪﺍﻱ ﺑﻪ ﻣﻨﻈﻮﺭ ﻣﺤﺎﻓﻈﺖ ﺍﺯ ﺟﺎﻥ ﻭ ﻣﺎﻝ ﻭ ﻣﺤﻴﻂ ﻣﻲﺑﺎﺷـﺪ.

ﻧﻤـﻲﺗـﻮﺍﻥ ﺑﻼﻳـﺎﻱ ﻃﺒﻴﻌـﻲ ﺭﺍ ﺭﻳﺸﻪ ﻛﻦ ﻛﺮﺩ، ﻭﻟﻲ ﻣﻲﺗﻮﺍﻥ ﺿﺮﺭﻫﺎ ﺭﺍ ﺍﺯ ﻃﺮﻳﻖ ﺁﮔﺎﻫﻲ ﺑﺠﺎ ﻭ ﺑﻪ ﻣﻮﻗﻊ ﺍﺯ ﺑﻼﻳﺎﻱ ﻣﺤﺘﻤﻞ ﻭ ﺍﺛﺮﺍﺕ ﺁﻥ ﻭ ﺑـﺎ ﺗﻮﺳـﻌﻪ ﻳﻚ ﺳﻴﺴﺘﻢ ﻫﺸﺪﺍﺭ ﺩﻫﻨﺪﻩ ﻣﻨﺎﺳﺐ ﻭ ﺁﻣﺎﺩﻩ ﺳﺎﺯ ﺩﺭ ﻣﻘﺎﺑﻞ ﺑﻼﻳﺎ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺗﻜﻨﻮﻟﻮﮊﻱ ﺟﻐﺮﺍﻓﻴﺎﻳﻲ، ﻛﺎﻫﺶ ﺩﺍﺩ.

ﺩﺭ ﺍﻳﻦ ﺭﺍﺳﺘﺎ ﺍﻳﺠﺎﺩ ﺷﺒﻜﻪﻫﺎﻱ ﺍﻃﻼﻋﺎﺗﻲ (GIS) ﻳﻜﭙﺎﺭﭼﻪ ﻭ ﮔﺴﺘﺮﺩﻩ ﻛﻪ ﺑﺘﻮﺍﻧﺪ ﺍﻃﻼﻋﺎﺕ ﻣﻮﺭﺩ ﻧﻴـﺎﺯ ﻣـﺪﻳﺮﻳﺖ ﺑﺤـﺮﺍﻥ ﺭﺍ ﺩﺭ ﻫﺮ ﺯﻣﺎﻥ ﻭ ﺩﺭ ﻫﺮ ﻣﻜﺎﻥ ﺑﺮﺍﻱ ﻣﺪﻳﺮﺍﻥ ﻭ ﺳﻴﺎﺳﺘﮕﺬﺍﺭﺍﻥ ﺍﻣﺮ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﻓﺮﺁﻫﻢ ﺁﻭﺭﺩ، ﺍﻣﺮﻱ ﺣﻴﺎﺗﻲ ﺍﺳﺖ. ﺑﻌـﻼﻭﻩ ﺑﻪ ﺍﺷﺘﺮﺍﻙﮔﺬﺍﺭﻱ ﺗﺠﺮﺑﻴﺎﺕ ﻭ ﺩﺳﺘﻮﺭﺍﻟﻌﻤﻞﻫﺎﻱ ﺍﺟﺮﺍﻳﻲ ﻣﺮﺗﺒﻂ ﺑﺎ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﻧﻴﺰ ﻣﻲﺗﻮﺍﻧﺪ ﺑﺨﺸﻲ ﺍﺯ ﻣﺎﻣﻮﺭﻳـﺖ ﺷﺒﻜﻪ ﺍﻃﻼﻋﺎﺕ ﺑﺤﺮﺍﻥ ﺑﺎﺷﺪ.

ﻃﻴﻒ ﻭﺳﻴﻊ ﺍﻃﻼﻋﺎﺕ ﻣﻜﺎﻧﻲ (GIS) ﻣﻮ ﺭﺩ ﻧﻴﺎﺯ ﺩﺭ ﻣﺪﻳﺮﻳﺖ ﺣـﻮﺍﺩﺙ، ﺳـﺒﺐ ﺷـﺪﻩ ﺍﺳـﺖ ﻛـﻪ ﻫـﻴﭻ ﻳـﻚ ﺍﺯ ﺳـﺎﺯﻣﺎﻥ ﻫـﺎ ﻭ ﻧﻬﺎﺩﻫﺎﻱ ﻣﺮﺗﺒﻂ ﻧﺘﻮﺍﻧﻨﺪ ﺍﻃﻼﻋﺎﺕ ﻣﻜﺎﻧﻲ ﻣﻮﺭﺩ ﻧﻴﺎﺯﺷـﺎﻥ ﺭﺍ ﭘـﻴﺶ ﻭ ﺑﻼﻓﺎﺻـﻠﻪ ﭘـﺲ ﺍﺯ ﻭﻗـﻮﻉ ﺣﺎﺩﺛـﻪ ﺟﻤـﻊ ﺁﻭﺭﻱ ﻭ ﺭﻭﺯﺁﻣﺪ ﺳﺎﺯﻧﺪ. ﻫﻤﭽﻨﻴﻦ ﺍﻧﺘﺨﺎﺏ ﻳﻚ ﺳﺎﺯﻣﺎﻥ ﺑـﻪ ﻋﻨـﻮﺍﻥ ﻣﺘـﻮﻟﻲ ﺟﻤـﻊ ﺁﻭﺭﻱ ﻭ ﺭﻭﺯﺁﻣﺪﺳـﺎﺯﻱ ﺗﻤـﺎﻣﻲ ﺍﻃﻼﻋـﺎﺕ ﻣﻜﺎﻧﻲ (GIS) ﻣﻮﺭﺩ ﻧﻴﺎﺯ ﺳﺎﺯﻣﺎﻥ ﻫﺎ، ﺍﻣﻜﺎﻥ ﭘﺬﻳﺮ ﻧﻴﺴﺖ.

ﺍﺯ ﺍﻳﻦ ﺭﻭ ﺳﺎﺯﻣﺎﻥ ﻫﺎﻱ ﺩﺭﮔﻴﺮ ﺩﺭ ﻣﺪﻳﺮﻳﺖ ﺣﻮﺍﺩﺙ ﺑﺎﻳﺪ ﺩﺭ ﻗﺎﻟـﺐ ﺯﻳﺮﺳﺎﺧﺘﻲ ﺍﺯ ﭘﻴﺶ ﺗﻌﻴﻴﻦ ﺷﺪﻩ، ﺍﻃﻼﻋﺎﺕ ﻣﻜﺎﻧﻲ ﻣﻮﺭﺩ ﻧﻴﺎﺯ ﺭﺍ ﺟﻤﻊ ﺁﻭﺭﻱ ﻛﻨﻨﺪ ﻭ ﺑﺎ ﺑﻪ ﺍﺷﺘﺮﺍﻙ ﮔﺬﺍﺭﻱ ﺁﻥ، ﺯﻣﻴﻨـﻪ ﺩﺳﺘﺮﺳﻲ ﺳﺎﻳﺮ ﺳﺎﺯﻣﺎﻥ ﻫﺎ ﺑﻪ ﺍﻳﻦ ﺍﻃﻼﻋﺎﺕ ﺭﺍ ﻓـﺎﻫﻢ ﺁﻭﺭﻧـﺪ. ﺍﻳﺠـﺎﺩ ﻳـﻚ ﻣـﺪﻝ ﻣﺸـﺎﺭﻛﺘﻲ ﺑـﺮﺍﻱ ﺟﻤـﻊ ﺁﻭﺭﻱ ﻭ ﺑـﻪ ﺍﺷﺘﺮﺍﻙ ﮔﺬﺍﺭﻱ ﺍﻃﻼﻋﺎﺕ ﻣﻜﺎﻧﻲ ﻣﻲ ﺗﻮﺍﻧﺪ ﻣﺸﻜﻼﺕ ﻧﺎﻣﺒﺮﺩﻩ ﺩﺭﺧﺼﻮﺹ ﺗﻮﻟﻴﺪ، ﺩﺳﺘﺮﺳﻲ ﺑﻪ ﺍﻃﻼﻋـﺎﺕ ﻣﻜـﺎﻧﻲ (GIS) ﻭ ﺗﻮﺯﻳﻊ ﺁﻥ ﺭﺍ ﺑﺮﺍﻱ ﻣﺪﻳﺮﺍﻥ ﺑﺮﻃﺮﻑ ﺳﺎﺯﺩ.  

ﺩﺭ ﺍﻳﻦ ﺑﺎﺭﻩ ﺯﻳﺮ ﺳﺎﺧﺖ ﺩﺍﺩﻩ ﻣﻜﺎﻧﻲ ( SDI ) ﺑﻌﻨﻮﺍﻥ ﻓﻌـﺎﻟﻴﺘﻲ ﺟـﺪﻱ ﺩﺭ ﺩﻧﻴـﺎ ﺩﺭ ﺟﻬـﺖ ﻣـﺪﻳﺮﻳﺖ ﺩﺍﺩﻩﻫـﺎﻱ ﻣﻜـﺎﻧﻲ(GIS) ﻣﻄﺮﺡ ﺷﺪﻩ ﺍﺳﺖ. ﺯﻳﺮﺳﺎﺧﺖ ﺩﺍﺩﻩ ﻣﻜﺎﻧﻲ ﺭﻭﺷﻲ ﻧﻮ ﺩﺭ ﻣﺪﻳﺮﻳﺖ ﺩﺍﺩﻩﻫﺎﻱ ﻣﻜﺎﻧﻲ ﺑﺎ ﺗﻜﻴﻪ ﺑﺮ ﻣﺸـﺎﺭﻛﺖ ﻭ ﻫﻤﻜـﺎﺭﻱ ﺳﺎﺯﻣﺎﻥﻫﺎﻱ ﻣﺨﺘﻠﻒ ﺩﺭ ﺟﻤﻊﺁﻭﺭﻱ، ﺑﻪ ﻫﻨﮕﺎﻡﺭﺳﺎﻧﻲ، ﺫﺧﻴﺮﻩﺳﺎﺯﻱ ﻭ ﺑﻪ ﺍﺷﺘﺮﺍﻙﮔﺬﺍﺭﻱ ﺩﺍﺩﻩﻫﺎﻱ ﻣﻜﺎﻧﻲ ﺍﺳﺖ.

ﭼﺎﺭﭼﻮﺏﻫﺎﻱ ﺯﻳﺮﺳﺎﺧﺖ ﺩﺍﺩﻩ ﻣﻜﺎﻧﻲ ﺩﺍﺭﺍﻱ ﺍﺭﻛﺎﻥ ﺍﺻﻠﻲ: ﺩﺍﺩﻩﻫﺎ، ﺍﺳﺘﺎﻧﺪﺍﺭﺩﻫﺎ، ﺳﻴﺎﺳﺖﻫﺎ، ﺷﺒﻜﻪﻫـﺎﻱ ﺩﺳﺘﺮﺳـﻲ، ﻓﻨﺎﻭﺭﻱﻫﺎ، ﺳﺎﺯﻣﺎﻥﻫﺎ ﻭ ﺍﻓﺮﺍﺩ ﺍﺳﺖ ﻛﻪ ﺑﺎ ﺷﻨﺎﺳﺎﻳﻲ ﻭﺿﻊ ﻣﻮﺟﻮﺩ ﻭ ﻧﻴﺎﺯﻣﻨﺪﻱﻫﺎ ﺩﺭ ﻫﺮ ﺭﻛﻦ ﻭ ﺑـﺮﺁﻭﺭﺩﻩ ﻛـﺮﺩﻥ ﺁﻧﻬـﺎ ﻣﻲﺗﻮﺍﻥ ﻳﻚ ﻣﺤﻴﻂ ﻣﺸﺎﺭﻛﺘﻲ ﻣﻨﺎﺳﺐ ﻭ ﻋﻤﻠﻴﺎﺗﻲ ﺑﺮﺍﻱ ﻣﺪﻳﺮﻳﺖ ﺩﺍﺩﻩﻫﺎﻱ ﻣﻜﺎﻧﻲ ﺩﺍﺷﺖ. ﭘـﺲ ﺑـﺎ ﻃﺮﺍﺣـﻲ ﻭ ﺍﻳﺠـﺎﺩ ﺍﻳﻦ ﭼﺎﺭﭼﻮﺏﻫﺎ ﺑﺮﺍﻱ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ، ﻣﻲﺗﻮﺍﻥ ﺯﻳﺮﺳﺎﺧﺖ ﺍﻃﻼﻋﺎﺗﻲ ﻣﻮﺭﺩ ﻧﻴﺎﺯ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﺭﺍ ﻓﺮﺍﻫﻢ ﻛﺮﺩ.

ﺩﺭ ﺍﻳﺮﺍﻥ ﺳﺎﺯﻣﺎﻥ ﻫﺎ ﻭ ﺍﺭﮔﺎﻥ ﻫﺎﻱ ﺩﻭﻟﺘﻲ ﻭ ﻏﻴﺮ ﺩﻭﻟﺘﻲ ﺳﺎﻝ ﻫﺎﺳﺖ ﻛﻪ ﺍﻗﺪﺍﻡ ﺑﻪ ﺍﻳﺠﺎﺩ ﭘﺎﻳﮕﺎﻩ ﻫﺎﻱ ﻣﻜﺎﻥ ﻣﺤﻮﺭ ﻣﺒﺘﻨﻲ ﺑﺮ (GIS) ﻧﻤﻮﺩﻩ ﺍﻧﺪ ﺍﻣﺎ ﺗﺎﻛﻨﻮﻥ ﭘﺎﻳﮕﺎﻩ ﻓﻌﺎﻟﻲ ﻛﻪ ﺑﺘﻮﺍﻧﺪ ﺧﺪﻣﺎﺕ ﻻﺯﻡ ﺭﺍ ﺑﻪ ﻣﺮﺩﻡ ﻭ ﻣﺪﻳﺮﺍﻥ ﻓﺮﺍﻫﻢ ﺳﺎﺯﺩ ﺗﻘﺮﻳﺒﺎً ﺩﺭ ﻫـﻴﭻ ﺷﻬﺮﻱ ﺍﺯ ﻛﺸﻮﺭ ﻭﺟﻮﺩ ﻧﺪﺍﺭﻧﺪ. ﻳﻜﻲ ﺍﺯ ﺩﻻﻳﻞ ﻋﺪﻡ ﻭﻗﻮﻉ ﺍﻳﻦ ﻣﻬﻢ ﺩﺭﻙ ﻧﺎﺩﺭﺳـﺖ ﺳـﺎﺯﻣﺎﻧﻬﺎ ﺍﺯ ﺿـﺮﻭﺭﺕ ﺗﺤﻠﻴـﻞ ﻫﺰﻳﻨﻪ ﻭ ﻓﺎﻳﺪﻩ ﺩﺭ ﻃﻮﻝ ﺯﻣﺎﻥ ﺩﺭ ﻗﺎﻟﺐ ﻳﻚ ﺳﻴﺴﺘﻢ ﻣﻨﺴﺠﻢ ﺍﻃﻼﻋﺎﺕ ﺟﻐﺮﺍﻓﻴﺎﻳﻲ ﺍﺳﺖ.

ﺳﺎﻣﺎﻧﻪ ﺍﻃﻼﻋﺎﺕ ﺟﻐﺮﺍﻓﻴﺎﻳﻲ (GIS)

(GIS) ، ﻣﺠﻤﻮﻋﻪ ﺍﻱ ﻣﺘﺸﻜﻞ ﺍﺯ ﻧﺮﻡ ﺍﻓﺰﺍﺭ، ﺳﺨﺖ ﺍﻓﺰﺍﺭ، ﺩﺍﺩﻩ ﻫﺎﻱ ﻣﻜـﺎﻧﻲ ﻭﺗﻮﺻـﻴﻔﻲ، ﺭﻭﺷـﻬﺎ، ﻭ ﻛـﺎﺭﺑﺮﺍﻥ ﺁﻥ ﺍﺳـﺖ. ﻣﺰﻳﺖ ﻋﻤﺪﻩ (GIS) ﺑﺮ ﺭﻭﺵ ﭘﺎﻳﮕﺎﻩ ﺩﺍﺩﻩ ﻫﺎ ﻭ ﺳﺎﻳﺮ ﻧﺮﻡ ﺍﻓﺰﺍﺭﻫﺎﻱ ﺭﺍﻳﺎﻧﻪ ﺍﻱ ﮔﺮﺍﻓﻴﻜـﻲ ﺗﻮﺍﻧـﺎﺋﻲ ﺍﻧﺠـﺎﻡ ﺍﻧـﻮﺍﻉ ﺗﺠﺰﻳـﻪ ﻭ ﺗﺤﻠﻴﻞ ﻫﺎ ﻭ ﭘﺮﺩﺍﺯﺵ ﺩﺍﺩﻩ ﻫﺎﻱ ﻣﻜﺎﻧﻲ ﻭ ﺗﻮﺻﻴﻔﻲ ﺑﺎ ﻫﻢ ﻭ ﺑﻪ ﻃﻮﺭ ﻳﻜﺠﺎ ﻣﻲ ﺑﺎﺷﺪ.

ﺑﻪ ﻋﺒﺎﺭﺗﻲ ﺩﻳﮕﺮ GIS ، ﻗﺎﺩﺭ ﺍﺳﺖ ﺩﺍﺩﻩﻫﺎﻱ ﻣﻜﺎﻧﻲ ﻭ ﺗﻮﺻﻴﻔﻲ ﺭﺍ ﭘﺲ ﺍﺯ ﭘﺮﺩﺍﺯﺵ ﺑﻪ ﺍﻃﻼﻋـﺎﺕ ﺍﺭﺯﻧـﺪﻩ ﻭ ﻣـﻮﺭﺩ ﻧﻴـﺎﺯ ﻛﺎﺭﺑﺮﺍﻥ ﺗﺒﺪﻳﻞ ﻧﻤﺎﻳﺪ.

ﺗﻘﺮﻳﺒﺎً ﺗﻤﺎﻡ ﻧﻴﺎﺯﻣﻨﺪﻱ ﻫﺎﻱ ﺭﻭﺯﺍﻧﻪ ﻣﺎ ﻭ ﭘﺮﺳﺶ ﻫﺎﺋﻲ ﺍﺯ ﻗﺒﻴﻞ ﻛﺠﺎ، ﭼﻪ ﻭﻗﺖ، ﭼﮕﻮﻧـﻪ ﻭ ﭼـﺮﺍ، ﻫﻤﮕﻲ ﺑﻄﻮﺭ ﺁﺷﻜﺎﺭ ﻳﺎ ﭘﻨﻬﺎﻥ ﺑﺎ ﻣﻮﻗﻌﻴﺖ ﻣﻜﺎﻧﻲ ﺍﺷﻴﺎء ﻳﺎ ﺍﺷﺨﺎﺹ ﻣﺮﺑـﻮﻁ ﻣـﻲ ﮔﺮﺩﻧـﺪ، ﺑـﻪ ﻫﻤـﻴﻦ ﺩﻟﻴـﻞ ﺗﻬﻴـﻪ ﻧﻘﺸﻪ ﺭﻗﻮﻣﻲ ﺑﺨﺶ ﺍﺳﺎﺳﻲ (GIS) ﺭﺍ ﺗﺸﻜﻴﻞ ﻣﻲ ﺩﻫﺪ. (GIS) ﺩﺭ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﻭ ﺳﻮﺍﻧﺢ ﺍﻳﻦ ﺍﻣﻜﺎﻥ ﺭﺍ ﻓـﺮﺍﻫﻢ ﻣـﻲ ﺁﻭﺭﺩ ﺗـﺎ ﻛﻠﻴﻪ ﺩﺍﺩﻩ ﻫﺎﻱ ﻣﻜﺎﻧﻲ ﻣﺮﺑﻮﻃﻪ ﺑﻪ ﻫﻤﺮﺍﻩ ﻓﺎﻛﺘﻮﺭﻫﺎﻱ ﺩﺧﻴﻞ ﺩﺭ ﻳﻚ ﺑﺎﻧﻚ ﺍﻃﻼﻋﺎﺗﻲ ﻭﺍﺣﺪ ﻛـﻪ ﺩﺍﺭﺍﻱ ﻳـﻚ ﺳﻴﺴـﺘﻢ ﻛﺎﻣﭙﻴﻮﺗﺮﻱ ﺑﺮﺍﻱ ﺩﺍﺩﻩ ﻫﺎﻱ ﺭﻗﻮﻣﻲ ﺍﺳﺖ، ﺫﺧﻴﺮﻩ ﮔﺮﺩﺩ.

ﺩﺭ ﺻﻮﺭﺕ ﻋﺪﻡ ﻭﺟﻮﺩ ﺍﻳﻦ ﻗﺎﺑﻠﻴﺖ(GIS)، ﻛﻠﻴـﻪ ﻣﺮﺍﻛـﺰ، ﺍﺩﺍﺭﺍﺕ، ﺳﺎﺯﻣﺎﻥ ﻫﺎ ﻭ ﻧﻬﺎﺩﻫﺎﻱ ﺩﻭﻟﺘﻲ ﻭ ﻣﺮﺩﻣﻲ ﻛﻪ ﺑﻪ ﻧﺤـﻮﻱ ﺩﺭ ﺍﻣـﺮ ﻣـﺪﻳﺮﻳﺖ ﺑﺤـﺮﺍﻥ ﺩﺧﻴـﻞ ﻣـﻲ ﺑﺎﺷـﻨﺪ ﺑـﺎ ﻣﺸـﻜﻞ ﻋـﺪﻡ ﺩﺳﺘﺮﺳﻲ ﺑﻪ ﺍﻃﻼﻋﺎﺕ ﺑﻪ ﺭﻭﺯ ﺩﺭ ﻣﺤﺪﻭﺩﻩ ﺷﻬﺮﻱ ﻣﻮﺍﺟﻪ ﺧﻮﺍﻫﻨﺪ ﺑﻮﺩ.

ﻛﻪ ﺑﻪ ﻫﻨﮕﺎﻡ ﻭﻗﻮﻉ ﺑﺤﺮﺍﻥ ﺍﻳﻦ ﻣﺴـﺎﻟﻪ ﺧـﻮﺩ ﺭﺍ ﺑﻪ ﺻﻮﺭﺕ ﺿﺮﺭ ﻭ ﺯﻳﺎﻥ ﻫﺎﻱ ﺟﺎﻧﻲ ﻭ ﻣﺎﻟﻲ ﻧﻤﺎﻳﺎﻥ ﺳﺎﺧﺘﻪ ﻭ ﺍﻧﺠﺎﻡ ﻫﺮﮔﻮﻧـﻪ ﭘـﻴﺶ ﺑﻴﻨـﻲ، ﺑـﺮﺁﻭﺭﺩ، ﺗﺼـﻤﻴﻢ ﺳـﺎﺯﻱ ﻭ ﺗﺼﻤﻴﻢ ﮔﻴﺮﻱ ﻭ ﺑﺮﻧﺎﻣﻪ ﺭﻳﺰﻱ ﺑﺮﺍﻱ ﻓﺎﺯﻫﺎﻱ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﺭﺍ ﺑﺎﻣﺸﻜﻞ ﻣﻮﺍﺟﻪ ﺧﻮﺍﻫﺪ ﻛﺮﺩ.

ﺗﺠﺮﺑﻴﺎﺕ ﺟﻬﺎﻧﻲ ﻛﺎﺭﺑﺮﺩ GIS ﺩﺭ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ

ﺍﻣﺮﻭﺯﻩ ﺩﺭ ﺩﻧﻴﺎ ﺟﻤﻊﺁﻭﺭﻱ، ﺑﻪ ﺍﺷﺘﺮﺍﻙﮔﺬﺍﺭﻱ ﻭ ﺑﻪﺭﻭﺯﺭﺳﺎﻧﻲ ﺩﺍﺩﻩﻫﺎﻱ ﻣﻮﺭﺩ ﻧﻴﺎﺯ ﺩﺭ ﻫﻤﻪ ﺯﻣﻴﻨﻪﻫﺎ ﻋﻠـﻲﺍﻟﺨﺼـﻮﺹ ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ GIS ﺗﺴﻬﻴﻞ ﺷﺪﻩ ﺍﺳﺖ. ﺑﺪﻳﻦ ﺗﺮﺗﻴﺐ ﭘﺮﻭﮊﻩﻫﺎﻱ ﻣﺨﺘﻠﻔﻲ ﺩﺭ ﻛﺸﻮﺭﻫﺎﻱ ﮔﻮﻧﺎﮔﻮﻥ ﺑﺮﺍﻱ ﺗﻮﺳﻌﻪ ﺍﻳﻦ ﺳﻴﺴﺘﻤﻬﺎ ﺍﻧﺠﺎﻡ ﮔﺮﻓﺘﻪ ﺍﺳﺖ ﺗﺎ ﺑﺎ ﺗﻜﻤﻴﻞ ﺯﻳﺮﺳﺎﺧﺘﺎﺭﻫﺎﻱ ﻧﺮﻡ ﺍﻓﺰﺍﺭﻱ ﻭ ﺳـﺨﺖ ﺍﻓـﺰﺍﺭﻱ، ﺧـﺪﻣﺎﺕﺭﺳـﺎﻧﻲ ﺑﻬﺘﺮﻱ ﺩﺭ ﻣﻮﺍﻗﻊ ﺑﺤﺮﺍﻥ ﺍﻧﺠﺎﻡ ﭘﺬﻳﺮﺩ.

ﺗﻌﺪﺍﺩ ﺯﻳﺎﺩﻱ ﺍﺯ ﺍﺑﺰﺍﺭﻫﺎﻱ ﻧـﺮﻡ ﺍﻓـﺰﺍﺭﻱ GIS ﻣﺒﻨـﺎ ﺗﻮﺳـﻂ ﺁﮊﺍﻧـﺲ ﻫـﺎﻱ ﺩﻭﻟﺘـﻲ ﺁﻣﺮﻳﻜﺎ ﺗﻮﻟﻴﺪ ﻭﺗﻮﺳﻌﻪ ﻳﺎﻓﺘﻪ ﺍﺳﺖ. ﺍﺯﺟﻤﻠﻪ ﺍﻳﻦ ﺍﺑﺰﺍﺭ ﻫﺎ ﻧـﺮﻡ ﺍﻓـﺰﺍﺭ HAZUS ﻣـﻲ ﺑﺎﺷـﺪ ﻛـﻪ ﺗﻮﺳـﻂ ﺁﮊﺍﻧـﺲ ﻓـﺪﺭﺍﻝ ﻣﺪﻳﺮﻳﺖ ﺍﺿﻄﺮﺍﺭﻱ ( FEMA ) ﺩﺭ ﺍﻳﺎﻻﺕ ﻣﺘﺤﺪﻩ ﺁﻣﺮﻳﻜﺎ ﺗﻮﻟﻴﺪ ﺷﺪﻩ ﺍﺳﺖ. ﺍﻳﻦ ﻧﺮﻡ ﺍﻓﺰﺍﺭ ﺩﺭ ﻣﺤﻴﻂ GIS ﺑﺮﺍﻱ ﻛﺎﻫﺶ ﺍﺛﺮﺍﺕ ﺣﻮﺍﺩﺙ ﻭ ﺑﺮﺁﻭﺭﺩ ﻣﻴﺰﺍﻥ ﺧﺴﺎﺭﺕ ﻃﺮﺍﺣﻲ ﺷﺪﻩ ﺍﺳﺖ .

ﻧﺮﻡﺍﻓﺰﺍﺭ GIS ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺍﻃﻼﻋﺎﺗﻲ ﻧﻈﻴﺮ ﻣﻘﺎﻭﻣـﺖ ﺳـﺎﺧﺘﻤﺎﻧﻬﺎ، ﺟـﻨﺲ ﺯﻣـﻴﻦ، ﻛـﺎﻧﻮﻥ ﻭ ﺑﺰﺭﮔـﻲ ﺯﻟﺰﻟـﻪ، ﺩﺍﺩﻩﻫـﺎﻱ ﺁﻣﺎﺭﻱ ﺑﻪ ﺍﺭﺯﻳﺎﺑﻲ ﺧﺴﺎﺭﺍﺕ ﻭﺍﺭﺩﻩ ﺍﺯ ﻗﺒﻴﻞ ﺗﺨﻤﻴﻦ ﺗﻌﺪﺍﺩ ﺳﺎﺧﺘﻤﺎﻥﻫﺎﻱ ﺁﺳﻴﺐ ﺩﻳـﺪﻩ ﻭ ﻣﺠـﺮﻭﺣﻴﻦ، ﻣﻴـﺰﺍﻥ ﺗﺨﺮﻳـﺐ ﺳﻴﺴﺘﻢ ﺣﻤﻞ ﻭ ﻧﻘﻞ ﻭ ﺗﺎﺳﻴﺴﺎﺕ ﺯﻳﺮﺑﻨﺎﺋﻲ ﻣﻲﭘﺮﺩﺍﺯﺩ .