داده های مکانی در طول زمان: بخش 2، مفاهیم و مطالعات موردی

1. محیط جغرافیایی کنونی
2. مطالعه موردی: کاربری زمین، پوشش زمین، و موجودی
3. مطالعه موردی: سیستم های معتبر قطعه زمین
4. مطالعه موردی: تجارت بزرگ
5. مطالعه موردی: معماری، مهندسی و ساخت و ساز
6. مطالعه موردی: اداره سرشماری ایالات متحده
7. مطالعه موردی: نقش در حال تحول سازمان زمین شناسی ایالات متحده
8. مطالعه موردی: خدمات ماهی و حیات وحش ایالات متحده – فهرست تالاب های ملی
9. مطالعه موردی: وزارت کشاورزی ایالات متحده
10. نتیجه

1. محیط جغرافیایی کنونی

تغییرات فن‌آوری چشمگیر در روشی که داده‌های مکانی را می‌توان جمع‌آوری کرد و به‌طور خودکار پردازش کرد و با هم سازگار کرد، که در بخش 1 این مدخل در مورد جمع‌آوری داده‌های مکانی توضیح داده شد، به انقلاب بزرگ‌تر جغرافیایی کمک کرده است که بر نحوه زندگی، کار افراد تأثیر گذاشته است. و در یک جامعه دارای قابلیت جغرافیایی بازی کنید. نتایج و پیامدهای خاص ناشی از مجموعه فراگیر داده‌های مکانی شامل فهرست زیر از مشاهدات پیرامون نتایج و پیامدهای آنها است.

• داده های مکانی ضروری، قابل دسترس و ارزشمند هستند
• شهروندان در زندگی روزمره خود به داده های مکانی دقیق و جاری وابسته هستند
• شهروندان به دستگاه های نقشه برداری مسلح شده اند
• شهروندان حسگرهایی هستند که ویژگی ها را ضبط می کنند و شرایط را گزارش می دهند
• تلفن های هوشمند می توانند ردیابی ایجاد کنند و ناخواسته ردیابی شوند 
• اطلاعات شخصی ارجاع جغرافیایی است
• شرکت های بزرگ فناوری اطلاعات و سازندگان خودرو به طور مداوم مقادیر زیادی از داده های مکانی را برای سیستم های ناوبری و خدمات مبتنی بر مکان جمع آوری می کنند.
• انتظار می‌رود که شرکت‌های خدماتی زیرساخت‌های هوشمند زمین‌فضایی داشته باشند
• دولت های محلی دسترسی آنلاین به اطلاعات دارایی معتبر را فراهم می کنند و از نظر فضایی طیف کاملی از خدمات را فعال می کنند
• سیستم های نظارت به داده های مکانی نیاز دارند و جمع آوری می کنند
• داده ها در زمان واقعی از حسگرهای غیرفعال و فعال به روز می شوند  
• پهپادها و ماهواره های کوچک به سرعت اطلاعات جدیدی را به دست می آورند
• نقشه ها و عکس های بی شماری اسکن و ارجاع جغرافیایی شده اند
• داده های مکانی به راحتی از طریق وب سایت ها کشف و به دست می آیند
• چندین نقشه پایه جهانی و موزاییک های عکس هوایی از طریق برنامه های کاربردی مختلف در دسترس هستند 
• نقشه ها به جای اینکه منبع داده باشند، از داده های مکانی تولید می شوند
• برنامه های کاربردی مشترک با داده های بزرگ از طریق cyberGIS انجام می شود
• رشته های سیستم های اطلاعات زمین (LIS) و GIS ادغام شده اند
• CAD و GIS در مدل‌های اطلاعات ساختمان (BIM) که مدل‌های فضایی داخلی و خارجی را ترکیب می‌کنند، ادغام شده‌اند.
• اینترنت اشیا یک بعد جغرافیایی دارد

برخی تغییرات و رویدادها مختص دولت فدرال بوده است.

• پوشش‌های عکس هوا با وضوح بالا اغلب از طریق مشارکت عمومی خصوصی به جای برنامه‌های فدرال ایجاد می‌شوند
• داده های جغرافیایی دولت محلی برای به روز رسانی داده های فدرال، یعنی سرشماری استفاده می شود
• دولت فدرال تعهد بلندمدتی برای تولید داده های ارتفاعی با وضوح بالا دارد
• قانون داده های جغرافیایی 2018 (GDA) مسئولیت هایی فراتر از دولت فدرال را به رسمیت می شناسد. 

در ایالات متحده، توانایی جمع‌آوری و استفاده از داده‌های مکانی تحت تأثیر زیرساخت ملی داده‌های مکانی (NSDI) است که دسترسی، توزیع و استفاده از داده‌ها را کنترل می‌کند. این نقطه عطف اصلی در تلاش برای ترویج اشتراک داده‌ها از یک دستور اجرایی در سال 1994 به شماره 12906 حاصل شد. NSDI از 17 موضوع ملی داده‌های مکانی (NGDA) تشکیل شده است که هشت مورد از آنها مضامین داده «چارچوب» هستند که به عنوان پایه و اساس عمل می‌کنند. بسیاری از برنامه های GIS (FGDC 2002). این هشت موضوع داده فریم عبارتند از: آدرس، کاداستر، ارتفاع، کنترل ژئودزی، واحد دولتی، هیدروگرافی، تصويربرداری ارتوپدی و حمل و نقل. داده ها باید از طریق یک ژئوپلتفرم ملی در دسترس باشند تا دسترسی رایگان و آسان به مجموعه داده های جامع را فراهم کند.

در واقع، دولت فدرال به دلایل متعدد همچنان با تولید و حفظ NSDI دست و پنجه نرم می کند. هماهنگی اکتساب جدید، نگهداری داده ها و توزیع آسان داده ها، هم در بین سازمان ها در سطح فدرال و هم بین سطح فدرال و سایر سطوح، مانند ایالت ها و نهادهای منطقه ای، یک کار بزرگ است. گروه های متعددی در مورد نیازها و کاستی های NSDI تحقیق کرده اند، از جمله شورای ملی تحقیقات (1993، 1995، و 2003)، کمیته داده های جغرافیایی فدرال (FGDC 2000)، دفتر حسابداری دولتی (2004)، دفتر تحقیقات کنگره (تاریخ). ، و کمیته ملی مشاوره جغرافیایی (NGAC 2009). ائتلاف سازمان های زمین فضایی (COGO، https://cogo.pro/) دو کارنامه ارزیابی کلی NSDI را منتشر کرده است و در هر دو زمان، نمرات زیر همتراز اعطا شده است. همچنین جلسات متعددی در کنگره از جمله کمیته فرعی اصلاحات دولت مجلس نمایندگان در سال 2003 برگزار شده است: “اطلاعات مکانی: آیا ما در مسیر درستی حرکت می کنیم یا گم شده ایم”.

بیست و چهار سال پس از فرمان اجرایی اولیه، کنگره قانون داده های جغرافیایی سال 2018 (GDA) را تصویب کرد که “کمیته ها، فرآیندها و ابزارهای مورد استفاده برای توسعه، هدایت و مدیریت زیرساخت ملی داده های مکانی (NSDI) را کدگذاری می کند و مسئولیت ها را به رسمیت می شناسد. فراتر از دولت فدرال برای توسعه آن. این رسماً ترکیب پیچیده ای از نیازها و منابع از سطوح مختلف دولت و همچنین بخش خصوصی را تأیید می کند. 

2. مطالعه موردی: فهرست و تحلیل کاربری و پوشش زمین

در اواسط دهه 1960 راجر تاملینسون سیستم اطلاعات جغرافیایی کانادا (CGIS) را برای مدیریت فهرست زمین کانادا ایجاد کرد (تاملینسون 1967). با استفاده از روش‌های پیشرفته اسکن و دیجیتالی کردن، سیستم بیش از 3500 نقشه را جمع‌آوری کرد. CGIS اولین GIS اصلی در نظر گرفته می شود و نشان داد که انجام چندین کار تحلیلی مبتنی بر چند ضلعی در مقیاس بزرگ امکان پذیر است. این امر انگیزه‌ای برای انجام فهرست‌بندی پوشش زمین در مقیاس بزرگ فراهم کرد، حتی اگر سخت‌افزار و نرم‌افزار به چالش کشیده شود. در دهه 1970، چندین سازمان فدرال و شرکت های جنگلداری تصمیم گرفتند منابع طبیعی و کاربری زمین را فهرست کنند. قابل توجه در میان این پذیرندگان اولیه GIS، سازمان زمین شناسی ایالات متحده، اداره مدیریت زمین، وزارت کشاورزی و خدمات ماهی و حیات وحش بودند. 

برخی از اشکال اولیه داده‌های شطرنجی صرفاً شامل تخصیص مقادیر به سلول‌ها در یک شبکه شفاف روی نقشه یا عکس است. این سلول ها فقط به یک سیستم مختصات دکارتی ارجاع داده شدند. در حالی که جدول بندی مقادیر سلول می تواند موجودی را فراهم کند، تولید خروجی دلپذیر یک چالش بود (شکل های 1 و 2).

شکل 1. خروجی چاپگر خطی برای استفاده از زمین در شهرستان چروکی، کارولینای جنوبی، در حدود 1976. توجه داشته باشید که هر سلول 200 فوتی نیم اینچ عرض دارد، که کوچکترین مربع در چاپگر خطی است. منبع: نویسندگان

شکل 2. شمارش کدهای خانه ایالتی و استفاده از زمین برای سلول ها در شهرستان لی، کارولینای جنوبی، در حدود 1976. منبع: نویسندگان.

نقشه‌های سلول‌های مربعی تکثیر شده روی چاپگر خطی بزرگ یا مخدوش بودند و پلاترهای قلمی کند و پرهزینه بودند. علاوه بر این، تولید خروجی رنگ در اواسط دهه 1970 مستلزم دسترسی به دستگاه‌های نمایشگر شطرنجی گران قیمت بود (شکل 3).

شکل 3. نمایش تصویر شطرنجی رنگی استفاده از زمین کشاورزی در خاک های مناسب برای شهرستان اندرسون، کارولینای جنوبی، در حدود 1976. داده های تولید شده توسط شرکت جنرال الکتریک. منبع تصویر: نویسندگان

یکی از اولین زمینه های مورد توجه توسعه دهندگان اولیه GIS، رسیدگی به نیازهای معماران و برنامه ریزان منظر در مورد مناسب بودن برای توسعه بود. یک رویکرد رایج برای کمک به تصمیم‌گیری، تهیه نقشه‌هایی از عوامل مثبت و منفی بر روی رسانه‌های شفاف بود که می‌توان آن را برای برجسته کردن مناطق مناسب و توجیه تصمیم‌ها روی هم گذاشت. به گفته اشتاینیتز و همکاران. (1976) مفهوم پوشش نقشه را می توان حداقل به سال 1912 ردیابی کرد که منینگ (1913) نقشه هایی از الگوهای حمل و نقل جایگزین را در بیلریکا، ماساچوست تهیه کرد. این مفهوم توسط Steinitz در هاروارد و Ian McHarg در دانشگاه پنسیلوانیا رایج شد. کتاب مک هارگ در سال 1969 “طراحی با طبیعت” کتاب مقدس برای این نوع تحلیل مناسب شد (مک هارگ 1969). روند “ژیمناستیک روی میز سبک” تا حد زیادی تحت تأثیر انتخاب عوامل و حتی سایه خاکستری برای استفاده قرار گرفت. روش‌های تولید و استفاده از روکش‌های طراحی شده با دست، موضوع تحقیقاتی مهمی برای معماران منظر و برنامه‌ریزان بود که سعی در ایجاد روش‌های دقیق برای تولید روکش‌ها داشتند (Hopkins 1977). با این وجود، فعالیت بسیار ذهنی و وابسته به همپوشانی یک سری از پوشش‌های شفاف نسبتاً خام بود. نقشه های تناسب شفاف ترسیم شده با دست خام با ابزارهای تصمیم گیری چند معیاره مبتنی بر شطرنجی پیچیده جایگزین شده اند. هیچ محدودیتی برای تعداد ورودی ها یا نحوه وزن دهی آنها وجود ندارد. ذینفعان می توانند مدل های مناسب خود را تولید کنند و در فرآیند برنامه ریزی مشارکت داشته باشند. عملیات تحلیلی برای کار با یک سری موضوعات شطرنجی توسط تاملین و دیگران در اواخر دهه 1970 به خوبی تعریف شد. بسته تحلیل نقشه تاملین (MAP) (تاملین 1990) یک دستور جبر نقشه ساده را برای انجام تجزیه و تحلیل مناسب ارائه کرد. ابزارهای سلول شبکه ای او به طور گسترده مورد استفاده قرار گرفتند و هسته بسیاری از سیستم های نرم افزاری تجاری و متن باز را تشکیل می دهند که امروزه استفاده می شوند. 

مدل داده‌های مکانی جایگزین مورد استفاده توسط CGIS، وفاداری ویژگی‌های نقطه، خط و چندضلعی را حفظ کرد. همچنین برای برخورد با ویژگی های ساختاری توپولوژیکی مانند شبکه های حمل و نقل و مرزها بسیار مهم بود. در حالی که ساختار شطرنجی لایه‌های داده را به یک چارچوب ثابت وادار می‌کند، ادغام چند لایه مبتنی بر برداری چالش‌های فنی زیادی را ارائه می‌کند. همپوشانی مضامین با تفاوت در مقیاس، دقت موقعیت و جزئیات ناگزیر منجر به شکاف‌ها و بیش از حد شد که نیاز به ویرایش گسترده برای ایجاد پوشش‌های “تمیز” داشت. در توسعه ابزارهای نرم افزاری برای حل این اختلافات یک نیاز اصلی برای یکپارچه سازی داده های GIS بود (جنسن و همکاران 2004). با این حال، ابزارهای نرم افزاری مبتنی بر برداری بالغ تا اواسط دهه 1980 در دسترس نبودند.

مفهوم واحد زمین یک رویکرد رایج برای مدیریت تحلیل همپوشانی مبتنی بر برداری بود (Zonneveld 1989). برخی از معماران و برنامه ریزان منظر، چشم انداز را به عنوان مجموعه ای از مناطق (چند ضلعی) می بینند که عوامل مشابهی مانند شیب، خاک، پوشش گیاهی و کاربری زمین را به اشتراک می گذارند. در عمل، واحدهای زمین در ابتدا با تفسیر از عکسبرداری هوایی یا سایر اشکال سنجش از دور استخراج می شدند. مجموعه‌ای از کارشناسان (خاک‌شناس، ژئومورفولوژیست، زیست‌شناس و غیره) برای شناسایی مرزهای واحدهای زمین از طریق مشاهدات میدانی با هم کار کردند. بنابراین، چند ضلعی های واحد زمین ترکیبی از عوامل متعددی بودند که از طریق یک فرآیند اجماع ایجاد شدند که همچنین مسائل مرزی را به عنوان بخشی از روش حل می کرد. 

چندین سیستم سنجش از دور با ترکیب تصاویر با مضامین برداری مانند خاک و زمین، واحد زمین مشترک را به طور موثر خودکار کرده اند.

3. مطالعه موردی: سیستم های معتبر قطعه زمین

دومین موج اصلی پذیرش GIS بر نیازهای اداری و مالی دولت محلی متمرکز شد. به عنوان فرماندار سابق مریلند، مارتین اومالی بیان کرده است که GIS تنها در صورتی موفق است که بتواند “خانه من را به من نشان دهد” (O’Malley 2009). واضح است که توانایی یافتن، تجسم و بازیابی اطلاعات در مورد ساختارهای خاص در هر دستگاه محاسباتی، داده های مکانی را به بخشی ضروری از زندگی روزمره تبدیل کرده است. حتی در اواسط دهه 1970، بسیاری از دولت های محلی اولویت بالایی برای ایجاد و مدیریت سوابق بسته های خود قائل بودند. حتی چهل سال پیش، مقامات آگاه دولت محلی اهمیت یک ساختار داده با طراحی خوب را که بر اساس کنترل ژئودتیکی ساخته شده بود، درک کردند (شکل 4). چندین شهرستان در ایستگاه های کاری گران قیمت برای مدیریت سوابق زمین سرمایه گذاری کردند. در سال 1980، شورای ملی تحقیقات حتی خواستار یک کاداستر ملی چند منظوره شد (شورای تحقیقات ملی 1980). اکنون عموم مردم انتظار دارند که دولت محلی خود نقشه ها و اطلاعات آنلاین مربوط به استفاده، ارزش و مالکیت اموال را ارائه دهد.

شکل 4. بنیاد یک کاداستر چند منظوره، 1980. این نشان دهنده اهمیت یک شبکه مرجع ژئودزیکی دقیق برای ایجاد سیستم های ثبت اسناد معتبر زمین است که شامل آدرس خیابان ها می شود. منبع: شورای ملی تحقیقات (1980). با اجازه استفاده شده 

ثبت زمین چند منظوره مستلزم ثبت ویژگی های دقیق و پیوندهایی به اطلاعات معتبر است. از نظر مفهومی، مالکیت زمین به عنوان پوشش دیوار به دیوار چند ضلعی های متقابل منحصر به فرد و غیر همپوشانی نشان داده می شود. در طول دهه 1980، دولت‌های محلی با راه‌هایی برای ساختن سیستم‌های بسته‌بندی تلاش کردند. بیشتر برنامه های اولیه بر تبدیل نقشه های مالیاتی موجود به پوشش یکپارچه بسته متمرکز بود. متأسفانه، نقشه های مالیاتی صرفاً طرحی از خطوط دارایی هستند و وضعیت قانونی ندارند (Commonwealth of Massachusetts, 1999). با این وجود، نسخه‌های دیجیتالی نقشه‌های مالیاتی اغلب برای ارائه مرجع بصری برای مجموعه‌ای از عملکردهای مالی، اداری و برنامه‌ریزی استفاده می‌شد که به درجه بالایی از دقت موقعیتی نیاز نداشتند (شکل 5). برای اهداف قانونی، حدود یک بسته توسط اسناد نقشه برداری و حدود اسناد مالکیت توصیف می شود. تخمین زده شده است که داده های بسته پایه و اساس بیش از 30 عملکرد اداری است. در ابتدا، نقشه های مالیاتی به صورت دستی دیجیتالی یا اسکن و بردار شدند. نیاز به بسته‌های معتبر منجر به توسعه چند ضلعی‌های مخصوص هندسه مختصات (COGO) ساخته شده توسط نرم‌افزار از یادداشت‌های نظرسنجی روی یک سند شد. با پیوند دادن گوشه های دارایی به نشانگرهای بررسی شده، هر بسته را می توان به مختصات دنیای واقعی ثابت کرد. دولت‌های محلی اکنون این سیستم‌ها را به‌عنوان یک پارچه بسته‌ای مدیریت می‌کنند که اغلب از عکس‌برداری هوایی با وضوح بالا (6 اینچ) و LiDAR استفاده می‌کند. نگهداری از این سیستم ها به کارکنان آموزش دیده، محیط محاسباتی پیچیده و سرمایه گذاری در داده های با وضوح بالا نیاز دارد. تخمین زده شده است که داده های بسته پایه و اساس بیش از 30 عملکرد اداری است. در ابتدا، نقشه های مالیاتی به صورت دستی دیجیتالی یا اسکن و بردار شدند. نیاز به بسته‌های معتبر منجر به توسعه چند ضلعی‌های مخصوص هندسه مختصات (COGO) ساخته شده توسط نرم‌افزار از یادداشت‌های نظرسنجی روی یک سند شد. با پیوند دادن گوشه های دارایی به نشانگرهای بررسی شده، هر بسته را می توان به مختصات دنیای واقعی ثابت کرد. دولت‌های محلی اکنون این سیستم‌ها را به‌عنوان یک پارچه بسته‌ای مدیریت می‌کنند که اغلب از عکس‌برداری هوایی با وضوح بالا (6 اینچ) و LiDAR استفاده می‌کند. نگهداری از این سیستم ها به کارکنان آموزش دیده، محیط محاسباتی پیچیده و سرمایه گذاری در داده های با وضوح بالا نیاز دارد. تخمین زده شده است که داده های بسته پایه و اساس بیش از 30 عملکرد اداری است. در ابتدا، نقشه های مالیاتی به صورت دستی دیجیتالی یا اسکن و بردار شدند. نیاز به بسته‌های معتبر منجر به توسعه چند ضلعی‌های مخصوص هندسه مختصات (COGO) ساخته شده توسط نرم‌افزار از یادداشت‌های نظرسنجی روی یک سند شد. با پیوند دادن گوشه های دارایی به نشانگرهای بررسی شده، هر بسته را می توان به مختصات دنیای واقعی ثابت کرد. دولت‌های محلی اکنون این سیستم‌ها را به‌عنوان یک پارچه بسته‌ای مدیریت می‌کنند که اغلب از عکس‌برداری هوایی با وضوح بالا (6 اینچ) و LiDAR استفاده می‌کند. نگهداری از این سیستم ها به کارکنان آموزش دیده، محیط محاسباتی پیچیده و سرمایه گذاری در داده های با وضوح بالا نیاز دارد. نیاز به بسته‌های معتبر منجر به توسعه چند ضلعی‌های مخصوص هندسه مختصات (COGO) ساخته شده توسط نرم‌افزار از یادداشت‌های نظرسنجی روی یک سند شد. با پیوند دادن گوشه های دارایی به نشانگرهای بررسی شده، هر بسته را می توان به مختصات دنیای واقعی ثابت کرد. دولت‌های محلی اکنون این سیستم‌ها را به‌عنوان یک پارچه بسته‌ای مدیریت می‌کنند که اغلب از عکس‌برداری هوایی با وضوح بالا (6 اینچ) و LiDAR استفاده می‌کند. نگهداری از این سیستم ها به کارکنان آموزش دیده، محیط محاسباتی پیچیده و سرمایه گذاری در داده های با وضوح بالا نیاز دارد. نیاز به بسته‌های معتبر منجر به توسعه چند ضلعی‌های مخصوص هندسه مختصات (COGO) ساخته شده توسط نرم‌افزار از یادداشت‌های نظرسنجی روی یک سند شد. با پیوند دادن گوشه های دارایی به نشانگرهای بررسی شده، هر بسته را می توان به مختصات دنیای واقعی ثابت کرد. دولت‌های محلی اکنون این سیستم‌ها را به‌عنوان یک پارچه بسته‌ای مدیریت می‌کنند که اغلب از عکس‌برداری هوایی با وضوح بالا (6 اینچ) و LiDAR استفاده می‌کند. نگهداری از این سیستم ها به کارکنان آموزش دیده، محیط محاسباتی پیچیده و سرمایه گذاری در داده های با وضوح بالا نیاز دارد. دولت‌های محلی اکنون این سیستم‌ها را به‌عنوان یک پارچه بسته‌ای مدیریت می‌کنند که اغلب از عکس‌برداری هوایی با وضوح بالا (6 اینچ) و LiDAR استفاده می‌کند. نگهداری از این سیستم ها به کارکنان آموزش دیده، محیط محاسباتی پیچیده و سرمایه گذاری در داده های با وضوح بالا نیاز دارد. دولت‌های محلی اکنون این سیستم‌ها را به‌عنوان یک پارچه بسته‌ای مدیریت می‌کنند که اغلب از عکس‌برداری هوایی با وضوح بالا (6 اینچ) و LiDAR استفاده می‌کند. نگهداری از این سیستم ها به کارکنان آموزش دیده، محیط محاسباتی پیچیده و سرمایه گذاری در داده های با وضوح بالا نیاز دارد. 

شکل 5. نقشه ارزش ارزیابی شده مبتنی بر بسته در کلمبیا، کارولینای جنوبی. این نقشه تعداد زیادی از املاک معاف از مالیات مرتبط با ادارات دولتی، دانشگاه کارولینای جنوبی و موسسات مذهبی را نشان می دهد. منبع: نویسندگان

علاوه بر این، بسته ها یک پایگاه داده آدرس بسیار مفید برای کدگذاری جغرافیایی فراهم می کنند (شکل 6). با استفاده از آدرس سایت بسته یا مرکز آن، یافتن موارد منطبق در لیستی از مخاطبین ساده است. یک اتصال رابطه ای ساده می تواند مختصاتی را به یک آدرس متصل کند. این روش یک ابزار اصلی برای تبدیل متن به داده های مکانی است. این دقیق تر از درونیابی از محدوده آدرس است و مبنایی برای داده های آدرس ملی است که از نسل بعدی سرویس E911 پشتیبانی می کند.

شکل 6. مرکز بسته برای ایجاد فایل نقطه آدرس برای بسته های بهبود یافته و بهبود نیافته استفاده می شود. منبع: نویسندگان

همچنین از geocoding معکوس پشتیبانی می‌کند که به ویژگی‌های منسوب بر اساس جستجوی فضایی از نقطه انتخابی کاربر مرتبط می‌شود. این الگوریتم از جستجوی فضایی برای مکان یابی و انتخاب نقاط آدرس یا بسته های نزدیک به نقطه استفاده می کند. یک برنامه معمول شامل انتخاب و اطلاع رسانی به ساکنان نزدیک یک حادثه است. جستجو را می توان با پارامترهای تعریف شده توسط کاربر کنترل کرد. ژئوکدینگ معکوس یکی از نمونه‌های ایجاد داده‌های مکانی جدید از طریق جستجوی مکانی و همپوشانی است. 

4. مطالعه موردی: تجارت بزرگ

سازندگان خودرو و سازندگان تخصصی ناوبری GPS، خیابان ها، آدرس ها و نقاط مورد علاقه خود را دقیق می خواهند. اهمیت این نوع داده با خرید NavTeq توسط نوکیا به مبلغ 8.1 میلیارد دلار در سال 2007 برجسته شد. از آن زمان NavTeq توسط HERE، کنسرسیومی از خودروسازان اروپایی خریداری شد. داده‌های HERE شامل اطلاعات دقیق خطوط و مجموعه‌های عظیمی از علائم و اطلاعات روسازی است. ظهور Google Earth و Google Maps در سال 2005 یکی دیگر از تغییرات بازی بود. آنها تصاویر با وضوح بالا و همچنین یک پایگاه نقشه دقیق را برای ارائه یک جستجوی فضایی و سیستم ناوبری رایگان برای عموم در نظر گرفتند. گوگل منابع لازم برای ساخت و نگهداری داده های مکانی خود را داشت. آنها ناوگان وسایل نقلیه تخصصی را برای ثبت تصاویر و ویژگی ها مستقر می کنند. آنها همچنین با دولت های ایالتی و محلی برای ایجاد تصاویر با وضوح بالا مشارکت می کنند. آنها حتی تصاویر مایل هوایی سه بعدی ارائه می دهند. در سال 2012 اپل سرویس مشابهی را راه اندازی کرد. در نتیجه، در دنیای امروز میلیاردها کاربر برای یافتن مکان‌ها و پیمایش به داده‌های مکانی دقیق وابسته هستند. هم سیستم‌های ناوبری اختصاصی خودرو و هم برنامه‌های نقشه‌برداری تلاش می‌کنند تا ضبط اطلاعات بلادرنگ در مورد شرایط جاده، ترافیک و شرایط آب و هوایی را بهبود بخشند. به این ترتیب آنها از رانندگان وسیله نقلیه به عنوان مجموعه ای از حسگرهای مستقیم بلادرنگ استفاده می کنند. تحقیق و توسعه فعلی شامل داده های مکانی برای پشتیبانی از وسایل نقلیه خودران است. هر وسیله نقلیه یک سرور داده است که باید فیدهای داده در زمان واقعی از حسگرهای فعال را پردازش کند تا در یک محیط دائما در حال تغییر حرکت کند. داده ها باید در زمان واقعی و دقیق به دست آیند.

5. مطالعه موردی: معماری، مهندسی و ساخت و ساز (AEC)

یکی دیگر از سری های اخیر پذیرش GIS برای شرکت های معماری، مهندسی و ساخت و ساز (AEC) بوده است. شرکت های کشاورزی، جنگلداری و معدن اولین پذیرندگانی بودند که برای موجودی و مدیریت منابع خود به GIS متکی بودند. نیازهای آنها تا حد زیادی با پوشش کلی عکس های هوایی و نقشه برداری سنتی برآورده شد. امروزه آنها می توانند از LiDAR برای مشخص کردن درختان خاص و محاسبه حجم دقیق مواد استخراج شده استفاده کنند. با استفاده از حسگرهای حرارتی روی پهپادها، کشاورزان می‌توانند درمان‌های دقیقی را برای بخش‌هایی از مزارع خود اعمال کنند. این تحولات نشان دهنده نوسازی شیوه های موجود است. پذیرش GIS توسط شرکت های AEC یک تغییر پارادایم با جریان های کاری جدید را تشکیل می دهد.   

در دهه 1970، GIS و طراحی به کمک رایانه (CAD) ابزارهای نرم افزاری کاملاً متفاوتی داشتند و حتی روش هایی برای نمایش ویژگی ها داشتند. معماران از CAD برای خودکار کردن عملیات طراحی سنتی استفاده کردند. ترسیم یک ساختمان با مختصات دکارتی ثبت شد. ابزارهای ویژه منحنی ها و اتصالات کاملی را ایجاد می کردند و اجسام معمولاً ویژگی های خطی یا نقطه ای بودند. ویژگی های داخلی و خارجی در نقشه های مختلف به کار گرفته شد. ویژگی‌ها به مجموعه‌ای از ویژگی‌ها که چند ضلعی‌های پر شده را تسهیل می‌کنند، مرتبط نبودند. در همان زمان، توسعه دهندگان GIS شروع به کشف راه هایی برای ترکیب جزئیات بیشتر در مورد بیرونی سازه ها کردند. اینها اضافات مهمی برای حمایت از بازرسی ساختمان و زیرساخت های تاسیساتی بودند. این امر منجر به ایجاد مدل های جدیدی برای نمای بیرونی سازه ها شد. 

از همه مهمتر، زبان استاندارد شهر نشانه گذاری جغرافیایی (CityGML) کنسرسیوم فضایی باز (OGC) بود. این مدل داده می‌تواند سطوح مختلفی از جزئیات (LOD) را برای نمایش اشیاء شهری سه‌بعدی در حین حرکت از برنامه‌ریزی به مرحله تکمیل توسعه، ترکیب کند. همانطور که ابزارهای GIS و پردازشگرهای گرافیکی در نحوه مدیریت ساختارهای سه بعدی بهبود یافتند، آشکار شد که نیاز به قرار دادن نقشه های CAD در چارچوب جغرافیایی وجود دارد. همچنین آشکار بود که ابزارهای بهتری برای محاسبه مکان‌های درون یک سازه وجود دارد. این تلاش منجر به مدل اطلاعات ساختمان (BIM) شد که ویژگی‌هایی را در داخل ساختمان‌ها در بر می‌گیرد.

بر اساس OGC، یک BIM به اطلاعات مکانی مانند: مرزهای دارایی، منطقه بندی، داده های خاک، ارتفاعات، حوزه های قضایی، تصاویر هوایی، پوشش زمین، کاربری زمین و غیره پیوند می دهد و از آنها استفاده می کند.

“در این زمینه “ساختمان” به فرآیند ساختمان اشاره دارد و BIM یک نمایش دیجیتال تجمعی از ویژگی های فیزیکی و عملکردی یک تاسیسات در محیط ساخته شده است. … ذینفعان مختلف در مراحل مختلف چرخه عمر تسهیلات، اطلاعات را در BIM درج، استخراج، به‌روزرسانی یا اصلاح می‌کنند تا از نقش‌های آن ذینفع حمایت و منعکس شود. BIM بسیار بیشتر از طراحی های مونتاژ شده دو بعدی یا سه بعدی طراحی به کمک کامپیوتر (CAD) و مدیریت تسهیلات (FM) است که برای این مرکز ایجاد شده است. این تأسیسات و پایگاه اطلاعاتی دقیق آن باید به زمینی که در آن قرار دارد پیوند داده شود و به عنوان ابزاری مؤثر برای AEC، مالکان و اپراتورها در دسترس قرار گیرد. از این رو، اطلاعات مکانی به یک جزء کلیدی تبدیل می شود. کنسرسیوم فضایی باز 2020. 

از بسیاری جهات، این نگاه کلی به فضا است. تشخیص می دهد که همه چیز در جایی است. اینترنت اشیا (IoT) دارای یک جزء جغرافیایی است. لوازم خانگی اکنون به وای فای مجهز شده اند که می توان از آن برای تعمیر مکان استفاده کرد. یک نمونه دراماتیک از این ادغام، فرودگاه بین المللی هارتسفیلد جکسون آتلانتا است که مدل های سه بعدی کاملی از داخل و خارج شلوغ ترین فرودگاه جهان ساخته است. 

6. مطالعه موردی: اداره سرشماری ایالات متحده

پنج دهه پیش، اداره سرشماری یک سیستم ژئوکدینگ را اختراع کرد که بارها برای تبدیل مجموعه ای از آدرس ها به داده های مکانی استفاده شده است. این تلاش یکی دیگر از تغییرات بازی در تکامل جمع آوری داده های مکانی بود. اداره سرشماری ایالات متحده همیشه در پذیرش فناوری پیشرو بوده است. در طول دهه 1960، شروع به کشف راه‌هایی برای تعیین مکان خودکار آدرس‌های خیابان کرد. آنها ابتدا راهنماهای کدگذاری آدرس را توسعه دادند که محدوده آدرس خیابان ها را در یک تراکت سرشماری فهرست می کرد. برای سرشماری ده ساله 1970، اداره این رویه ها را برای ایجاد سیستم رمزگذاری نقشه مستقل دوگانه که در قالب فایل های پایه جغرافیایی جدید (GBF/DIME) ذخیره می شود، اصلاح کرد. این فایل ها قوانین توپولوژیکی سختی را بر روی بخش های خیابان تحمیل کردند تا بلوک ها را تشکیل دهند. با استفاده از محدوده آدرس در سمت چپ و راست یک بخش خیابان DIME، می‌توان مختصات یک آدرس خیابان را درون‌یابی کرد و آن را در بلوک صحیح قرار داد. برای سرشماری ده ساله 1990، اداره سرشماری و USGS برای ایجاد پایگاه داده رمزگذاری و ارجاع جغرافیایی یکپارچه توپولوژیکی سراسری (TIGER) از داده های DLG در مقیاس 1:100000 USGS (دفتر سرشماری 2015) شریک شدند. برای تکمیل این مجموعه داده مهم، USGS تکمیل نقشه پایه توپوگرافی 1;100000 را تسریع کرد.

انتشار فایل‌های خط TIGER کاتالیزور موج جدیدی از برنامه‌های کاربردی بود که روی رایانه‌های شخصی ارزان قیمت اجرا می‌شدند. علاوه بر کاربردهای جمعیتی و مسکن بر اساس جغرافیای سرشماری، TIGER یک ابزار ثابت در سراسر کشور برای تبدیل مجموعه ای از آدرس های خیابان به داده های مکانی ارائه کرد. به دنبال دستورالعمل های دفتر مدیریت و بودجه، TIGER در مالکیت عمومی قرار گرفت. این امر به توسعه یک صنعت کاملاً جدید مبتنی بر مکان دامن زد. این اساس همه سیستم های نقشه برداری مبتنی بر وب مانند MapQuest و حتی خط مرکزی خیابان برای ناوبری وسایل نقلیه بود. می توان استدلال کرد که این منشاء همه سیستم های نقشه برداری و ناوبری مبتنی بر وب است که امروزه مورد استفاده قرار می گیرند، از جمله نقشه گوگل، نقشه خیابان باز و آنهایی که توسط سازندگان خودرو نگهداری می شوند. همراه با ارزان، نرم افزار کاربر پسند در رایانه های شخصی، نقشه برداری و تجزیه و تحلیل فضایی رایج شد. این دفتر یک سرویس رمزگذاری جغرافیایی آنلاین رایگان و محبوب را بر اساس درونیابی در امتداد محدوده آدرس بالقوه حفظ می کند. 

TIGER تأثیر زیادی بر محبوبیت GIS داشت، با این حال، از یک پایگاه داده فدرال در مقیاس متوسط ​​ایجاد شد. در 1:100000 فایل های خط TIGER با ویژگی های مقیاس بزرگتر ایجاد شده توسط دولت های محلی مطابقت خوبی نداشتند (شکل 7). در طول سه دهه گذشته، این دفتر سخت کار کرده است تا فایل‌های نقطه آدرس خود را توسعه دهد و با دولت‌های محلی و ایالتی برای بهبود دقت پرونده خود همکاری کند. ابزارهای مبتنی بر وب ایجاد کرده است که رویکرد “پایین به بالا” را برای به اشتراک گذاشتن ویژگی های جدید برای حفظ TIGER به طور منظم تسهیل می کند.  

شکل 7. مقایسه ای از خیابان های TIGER و داده های بسته. منبع: نویسندگان 

از منظر جمع آوری داده، مقایسه کدگذاری جغرافیایی بر اساس فایل های خط TIGER با نقاط آدرس مبتنی بر بسته مهم است. یک بخش TIGER شامل محدوده بالقوه آدرس ها در هر طرف خیابان است. برای بسیاری از بلوک ها محدوده آدرس بالقوه صد آدرس وجود دارد در حالی که حداکثر آدرس واقعی ممکن است تنها یک سوم آن محدوده باشد. به عنوان مثال، خیابان در شکل 8 دارای محدوده 100 آدرس است، آدرس 116 توسط TIGER درون یابی شده است تا 16٪ از فاصله از ابتدای خیابان قرار گیرد. این نقطه حدود سه خانه با خانه واقعی فاصله دارد. واضح است که این برای E911 و برنامه های قانونی غیرقابل قبول است. در پاسخ به این محدودیت تلاشی برای ایجاد یک پایگاه داده آدرس ملی وجود دارد.

شکل 8. مقایسه ژئوکدینگ TIGER و آدرس های مبتنی بر بسته. آدرس پایانی بالقوه 100 است، اما بالاترین آدرس واقعی 29 است. منبع: ایجاد شده توسط نویسنده از شهرستان ریچلند، کارولینای جنوبی GIS.

7. مطالعه موردی: نقش سازمان زمین شناسی ایالات متحده (USGS)

USGS از بسیاری جهات به رشد کاربردهای GIS دامن زده است. تاریخ 125 ساله تولید چهارگوش های توپوگرافی 7.5 دقیقه ای آن، مطالعه موردی مفیدی از تاریخچه چگونگی ایجاد نقشه ها و سپس تبدیل آنها به داده های مکانی فراهم می کند. تولید یک چهارگوش مستلزم کنترل افقی و عمودی، شناسایی ویژگی‌های فرهنگی، نام مجموعه‌ها، گرفتن ویژگی‌های حمل‌ونقل و هیدرولوژیکی و همچنین مرزهای دولتی بود. فرآیند تولید به متخصصانی در زمینه نقشه برداری، نقشه برداری ژئودتیک، نقشه برداری معیار، فتوگرامتری و سنجش از دور نیاز داشت. همانطور که نقشه برداری به یک محیط تولید دیجیتال پیشرفت کرد، تفاوت بین این حرفه ها محو شد. ابزارهای نرم افزاری تخصصی جایگزین ابزارهای مکانیکی پیچیده شدند که اکنون زیر چتر GIS قابل دسترسی هستند. نقطه اوج این انتقال، نقشه ملی آنلاین است، مجموعه ای از محصولات و خدمات که دسترسی به اطلاعات مکانی پایه را برای توصیف چشم انداز ایالات متحده و قلمروهای آن فراهم می کند. نقشه ملی شامل 11 محصول و خدمات اولیه و برنامه های کاربردی و خدمات جانبی متعدد است.» (USGS nd)

7.1 USGS و نقشه برداری

زمانی که USGS شروع به تولید نقشه‌های توپوگرافی کرد، نقشه‌نگاران بر اندازه‌گیری‌های میدانی گسترده درجا که توسط نقشه‌برداران با استفاده از نوار، تراورس قطب‌نما و فشارسنج‌های آنروید به دست آمده بود، تکیه کردند. نقشه نگاران طرح های میدانی را به نقشه هایی با خطوط کانتور تبدیل کردند. توسعه جدول‌های صفحه و آلیدادها که می‌توانستند زاویه‌ها را اندازه‌گیری کنند، توانایی ثبت خطوط کانتور دقیق را تا حد زیادی افزایش داد. تا جنگ جهانی اول بود که عکس های گرفته شده از هواپیما به منبعی مناسب برای تولید نقشه تبدیل شد. علاوه بر این، درخواست فوری از TVA در دهه 1930 برای سوق دادن رویکردهای فتوگرامتری به تولید در مقیاس بزرگ انجام شد. همانطور که یوزری و همکاران. (2009) فرآیند فتوگرامتری را شرح داد:

توانایی مشاهده یک سطح زمین سه بعدی با انعکاس مضاعف ناحیه همپوشانی یا استریومدل یک جفت عکس استریو در یک استریوپلوتر مالتی پلکس به طور موثری جایگزین الزامات طراحی میدانی شد. یک اپراتور می تواند یک علامت شناور عمودی را در یک ارتفاع از پیش تعیین شده در استریومدل ثابت کند و خطوط را برای نشان دادن زمین ردیابی کند. به طور مشابه، ردیابی یک جاده یا سایر ویژگی های پلان سنجی در استریومدل، اما اجازه دادن به علامت برای تغییر ارتفاع در طول ویژگی، ثبت تمام ویژگی های پلان سنجی مورد نیاز برای نقشه توپوگرافی را فراهم می کند. (Usery et al., 2009).

پس از جنگ جهانی دوم، USGS تولید نقشه مبتنی بر فتوگرامتری را اصلاح کرد و تعدادی از کارکنان آن ابزارهای نوری تخصصی را برای بهبود این فرآیند توسعه دادند. مراکز نقشه برداری منطقه ای کار میدانی لازم را انجام دادند، مواد را یکپارچه کردند و نقشه های کاغذی استاندارد شده و مایلار را تهیه کردند. این شامل دستگاه های فوتومکانیکی برای ترسیم استریو، مثلثات هوا، اندازه گیری نقطه، و سایر عملیات فتوگرامتری بود. یکی از پیشرفت‌های مهم، ایجاد عکس‌های ارتوفتو توسط دستگاه‌های مکانیکی و عکاسی بود. فرآیند ارتوفوتو تصویر منبع را تاب می دهد تا فاصله و مساحت با اندازه گیری های دنیای واقعی مطابقت داشته باشد. این فرآیند که توسط فتوگرامتریست‌ها در دهه 1960 توسعه یافت، تصاویر استریو با هم تداخل دارند و یک مدل ارتفاع دیجیتالی برای تنظیم تغییرات در زمین و شیب هواپیما می‌گیرد. (شکل 9). 

شکل 9. USGS orthophoto ربع چهارگوش. منبع: مالکیت عمومی USGS.

USGS در سال 1965 شروع به ساخت ارتفتو کرد. هنگامی که در اواسط دهه 1970 آنها Gestalt Photo Mapper را خریداری کردند، تولید آنها را بسیار افزایش داد (شکل های 10 و 11). 

شکل 10. نقشه برداری عکس گشتالت. منبع تصویر: ASPRS از Kelly et al. 1977، با اجازه استفاده شد.

شکل 11. بلوک دیاگرام نقشه برداری عکس گشتالت. نشان دادن سخت‌افزار و نرم‌افزار پیچیده، عکس‌های ارتوفتو را از تصاویر استریو تولید می‌کند. منبع تصویر: ASPRS از Kelly et al. 1977، با اجازه استفاده شد.

مهاجرت به فرآیندهای دیجیتال به جای عکاسی تأثیر چشمگیری بر تولید نقشه داشت. یک چهارگوش شامل 200 ویژگی است که در ابتدا روی پنج صفحه رنگی مختلف ترکیب شدند. این بدان معنی است که ویژگی هایی مانند جاده ها، ساختمان ها و حروف در یک صفحه سیاه ترکیب شده است. صفحات برای یک فرآیند چاپ لیتوگرافی پنج رنگ طراحی شده اند. واضح است که داشتن چندین ویژگی نامرتبط در یک صفحه برای انتقال به فرآیند تولید دیجیتال ایده آل نیست. در نهایت باید یک تغییر اساسی در مدل داده وجود داشت. نقشه‌ها قرار بود از داده‌های مکانی تولید شوند، نه اینکه منبع داده‌های جغرافیایی باشند. USGS این انتقال را با تولید DLG های سری 1:100000 نشان داد. به جای رنگ جدا، نقشه ها با در نظر گرفتن دیجیتالی شدن با ترکیب 30 تا 35 ویژگی جدا طراحی شده اند. این امر اسکن و برداری را کارآمدتر کرد. این تغییر یکی از نقاط عطف در تاریخ GIS را تسهیل کرد. نقشه های جدا شده با وضوح 1200 نقطه در اینچ در اسکنرهای درام بزرگ اسکن شدند. داده های شطرنجی به یک پیکسل نازک شد و به یک خط صاف تبدیل شد. با مشارکت دفتر سرشماری، خطوط برداری ویرایش، نسبت داده شد و ساختار توپولوژیکی برای ایجاد فایل‌های خط TIGER انجام شد. این با فرآیند قدیمی چاپ گرا امکان پذیر نبود. داده های شطرنجی به یک پیکسل نازک شد و به یک خط صاف تبدیل شد. با مشارکت دفتر سرشماری، خطوط برداری ویرایش، نسبت داده شد و ساختار توپولوژیکی برای ایجاد فایل‌های خط TIGER انجام شد. این با فرآیند قدیمی چاپ گرا امکان پذیر نبود. داده های شطرنجی به یک پیکسل نازک شد و به یک خط صاف تبدیل شد. با مشارکت دفتر سرشماری، خطوط برداری ویرایش، نسبت داده شد و ساختار توپولوژیکی برای ایجاد فایل‌های خط TIGER انجام شد. این با فرآیند قدیمی چاپ گرا امکان پذیر نبود. 

7.2 اسکن نقشه های موجود

در حالی که USGS انتقال به محیط تولید دیجیتال را با سری 1:100000 آغاز کرد، تقاضای زیادی در میان جامعه GIS برای تبدیل 55000 چهارگوش توپوگرافی موجود به داده‌های مکانی وجود داشت. این نقشه ها نقشه های اصلی ملت بودند. آنها کامل ترین مجموعه ای از ویژگی ها مانند سازه ها، حمل و نقل، هیپوگرافی، هیدرولوژی و مرزهای اداری را به نمایش گذاشتند. نسخه‌های دیجیتالی این نقشه‌ها، نقشه‌های پایه، لایه‌های داده و اطلاعات مرجع برای افزودن لایه‌های اضافی را ارائه می‌کنند. از آنجایی که این نقشه‌ها به یک شبکه مرجع گره خورده بودند، به منبع مهمی از داده‌های مکانی اصلی و همچنین چارچوبی برای افزودن موضوعات دیگر تبدیل شدند. اولین قدم استفاده از اسکنرهای با فرمت بزرگ برای ایجاد فایل‌های گرافیکی دیجیتال شطرنجی (DRG) نسخه‌های نقشه‌ها بود. (USGS 2015). در نهایت، USGS 178000 نقشه توپوگرافی تاریخی را در مقیاس های مختلف اسکن کرد. بسیاری از اینها برای دانلود از وب سایت USGS National Map در قالب های GeoTIFF و GeoPDF در دسترس هستند. این فرمت ها به کاربران موجود در GIS امکان می دهد لایه های نقشه را روشن و خاموش کنند، مختصات دنیای واقعی را بدست آورند و اندازه گیری کنند. این نقشه های شطرنجی برای تولید شش نقشه پایه بدون درز مختلف برای محیط GIS آنلاین استفاده می شود. همچنین می توان به طور مستقیم توسط پلتفرم های GIS چندین فرمت فعال شده تحت وب از جمله REST، Web Map Service (WMS) و Web Map Tile Service (WMTS) به آنها دسترسی داشت. این نقشه های شطرنجی برای تولید شش نقشه پایه بدون درز مختلف برای محیط GIS آنلاین استفاده می شود. همچنین می توان به طور مستقیم توسط پلتفرم های GIS چندین فرمت فعال شده تحت وب از جمله REST، Web Map Service (WMS) و Web Map Tile Service (WMTS) به آنها دسترسی داشت. این نقشه های شطرنجی برای تولید شش نقشه پایه بدون درز مختلف برای محیط GIS آنلاین استفاده می شود. همچنین می توان به طور مستقیم توسط پلتفرم های GIS چندین فرمت فعال شده تحت وب از جمله REST، Web Map Service (WMS) و Web Map Tile Service (WMTS) به آنها دسترسی داشت.

برای پاسخگویی به تقاضا برای لایه های GIS برداری، نسخه شطرنجی اسکن شده باید به نمودارهای خطی دیجیتال (DLG) تبدیل می شد (شکل 12). با این حال، برای وضوح بیشتر، نقشه‌نگاران اغلب موقعیت یک ویژگی را تنظیم می‌کردند. این امر دقت موقعیتی موضوع را کاهش داد و کاربرد آن را محدود کرد.

شکل 12. جداسازی تم های مختلف از داده های DLG. منبع: USGS

همچنین مشکلاتی در ایجاد موزاییک از ویژگی های مشتق شده از نقشه ها با چرخه های مختلف به روز رسانی وجود داشت. استفاده از دستگاه‌های زیر خط لیزری و الگوریتم‌های طبقه‌بندی، ثبت مستقیم خطوط خطوط و ویژگی‌های خطی را امکان‌پذیر کرد. DLGهایی که از این رویه‌ها تولید می‌شدند به گسترش عمده کاربردهای GIS دامن زدند. این فایل های برداری در مقیاس های مختلف بودند: کوچک (1:2000000)، متوسط ​​(1:100000) و بزرگ (1:24000) (USGS 1996). مجموعه 1:2،000،000 از اطلس ملی به تازگی به روز شده، اطلسی از ایالات متحده که به سال 1874 بازمی گردد، دیجیتالی شد و به عنوان نقشه پایه نقشه برداری مناسب بود. داده‌های مقیاس 1:100000 یک نقشه پایه یکپارچه جدید در سراسر کشور ارائه کرد که برای ایجاد TIGER برای سرشماری ده ساله 1990 استفاده شد. این فایل‌های DLG یک نقشه پایه چندلایه مفید برای برنامه‌های متعدد در سراسر ایالات متحده ارائه می‌کنند. به عنوان مثال، در کارولینای جنوبی، وزارت بازرگانی از DLG 1:100000 برای ایجاد یک GIS بزرگ در سراسر ایالت برای توسعه اقتصادی استفاده کرد. لایه های اضافی مانند خطوط آب و فاضلاب با پیوند دادن ویژگی های ترسیم شده دستی به ویژگی های DLG (شکل های 13 و 14) گرفته شد. 

شکل 13. لایه های برنامه توسعه اقتصادی و زیرساخت کارولینای جنوبی که از داده های 1:100000 DLG به دست آمده است. منبع: نویسندگان

شکل 14. نمونه ای از خطوط اصلی آب که بر روی نمودارهای خط دیجیتال در مقیاس 1:100000 ترسیم شده اند که برای ساخت یک لایه خطوط آب در سراسر کشور استفاده می شود. منبع: نویسندگان

به روشی مشابه، 1;24000 داده DLG به پایگاه اداره منابع طبیعی SC تبدیل شد و شانزده چهارگوش برای ایجاد اطلس داده های زیست محیطی در سایت رودخانه ساوانا وزارت انرژی ادغام شدند (شکل 15).

شکل 15. اطلس داده های زیست محیطی سایت رودخانه ساوانا بر اساس داده های DLG 1:24000 USGS. منبع تصویر: ASPRS از Cowen و همکاران. 1995، با اجازه استفاده شده است. 

7.3 تحلیل کاربری و پوشش زمین

در دهه 1970، USGS برنامه ای را برای ثبت کاربری زمین و پوشش زمین (LULC) آغاز کرد. این برنامه از یک سیستم طبقه بندی جدید استفاده می کند که به طور خاص برای نگاشت چند ضلعی های LULC از عکس های ارتفاع بالا طراحی شده است (Anderson et.al., 1976). طبقه بندی اندرسون مبنایی برای دو سطح کاربری و پوشش زمین فراهم کرد. با گذشت زمان، این به جزئیات بیشتری گسترش یافت که به تحقیقات درجا در مورد کاربری های خاص زمین نیاز داشت. برنامه LULC در مورد تفسیر ویژگی‌های عکاسی با فوکوس واضح مواجه شد. USGS از طریق تلاش‌های خود برای ایجاد مجموعه‌ای از چند ضلعی‌های پیچیده پوشش زمین، بسته نرم‌افزاری سیستم بازیابی و تحلیل اطلاعات جغرافیایی (GIRAS) را توسعه داد (شکل 16)، نقطه عطف دیگری در تاریخ GIS. در حقیقت، GIRAS شامل برخی از اولین روال ها برای ایجاد و مدیریت ساختار داده های توپولوژیکی دقیق برای مجموعه پیچیده ای از چند ضلعی ها با جزایر تعبیه شده است (میچل و همکاران 1977). داده های LULC برای چندین کاربرد منطقه ای از جمله طرح مدیریت منطقه ساحلی برای کارولینای جنوبی استفاده شد (شکل 17). 

شکل 16. ساختار داده گره قوس GIRAS که جزایر پیچیده تعبیه شده را مدیریت می کند. منبع: Mitchell et. al.، 1977 و USGS. 

شکل 17. نقشه های مدیریت منطقه ساحلی SC کارولینای جنوبی 1978 که از داده های استفاده از زمین و پوشش زمین USGS در مقیاس 1:250000 USGS تهیه شده است. منبع: نویسندگان

برای ایجاد داده های پوشش زمین سازگار، نیاز به مواد منبع یکنواخت را برجسته می کند. جمع آوری این داده ها در مقیاس یکسان برای یک دوره زمانی در سراسر کشور دشوار است. در نتیجه، جمع‌آوری داده‌های مکانی اغلب به کاربر نیاز دارد که معامله را انجام دهد. داده های LULC از مجموعه ای از عکس های ارتفاع بسیار بالا در مقیاس 1:250000 تفسیر شد. در حالی که برای تجزیه و تحلیل کلان مفید بود، آن عکس ها برای فهرست تالاب های ملی که در 1:24000 جمع آوری شده بود مناسب نبودند (شکل 18). یک مسئله مهم حداقل واحد نقشه برداری برای جمع آوری است. از آنجایی که داده‌های پوشش زمین یک پوشش دیوار به دیوار است، چند ضلعی‌های کوچک غیرنقشه‌دار به چند ضلعی بزرگ‌تر جذب می‌شوند. به عنوان مثال، طبقه بندی اندرسون برای نقشه های 1:250000 هر زمین شهری کوچکتر از چهار هکتار و 16 هکتار را برای اکثر کاربری های غیر شهری حذف می کند. این پروتکل همچنین به این معنی بود که فقط ویژگی‌های بزرگراه با دسترسی محدود با حداقل عرض 400 متر ضبط می‌شد. جالب است بدانید که به عنوان یک مجموعه داده بدون درز در سراسر کشور، کل سیستم بین ایالتی یک چند ضلعی است!

شکل 18. مقایسه خطوط تالاب از سه پایگاه داده فدرال. درک مقیاس های مختلف مواد منبع و پروتکل ها برای جمع آوری داده ها برای کاربران مهم است. خوشبختانه، این اطلاعات در حال حاضر در ابرداده در دسترس است. منبع: نویسندگان

واضح است که اندازه مشخصه ای که باید ثبت شود با مقیاس ماده منبع تعیین می شود. با این حال، در یک محیط GIS، کاربر باید در مورد دقت موقعیتی ویژگی نیز نگران باشد. در دهه 1970، چهار ضلعی های 7.5 دقیقه ای موجود، نقشه های “مقیاس بزرگ” در نظر گرفته می شدند که به طور گسترده ای به عنوان نقشه های پایه مورد استفاده قرار می گرفتند و بیش از 55000 مورد از آنها برای پوشش کشور لازم بود. پذیرش نقشه پایه چهارگوش، مقیاس 1:24000 را بر ثبت ویژگی‌های این نقشه‌ها یا سایر منابع منبع ثبت شده در آنها تحمیل کرد. طبق استانداردهای ملی دقت نقشه، دقت افقی هر نقطه 1/50 اینچ بود (USGS 1999). این استاندارد به این معنی است که 90 درصد از تمام نقاط آزمایش شده باید در فاصله 40 فوتی از مکان واقعی باشد. واضح است که این برای برنامه‌هایی که با سازه‌ها و سایر ردپاهای کوچک سروکار دارند قابل قبول نبود، علاوه بر این، حتی آژانس‌های فدرال ویژگی‌ها را از نسخه‌های کاغذی ناپایدار چهارگوش‌ها دیجیتالی کردند. در حال حاضر، در دوران GNSS، دقت موقعیت اغلب در چند متر یا حتی سانتی متر اندازه گیری می شود. 

7.4 ماهواره های رصد زمین چندطیفی

برای ادامه تلاش‌های خود برای جمع‌آوری داده‌های کاربری و پوشش زمین، USGS مدت‌هاست که استفاده از مأموریت‌های رصد زمین مبتنی بر ماهواره را تقویت کرده است. در واقع، پرتاب لندست 1 در سال 1972 آغاز دوره جدیدی از رصد زمین بر اساس داده های چند طیفی گرفته شده از دوربین های دیجیتال بود. از نظر رصد زمین، دوربین‌های چند طیفی حسگرهای غیرفعالی هستند که گسیل‌های طبیعی نور منعکس شده از پرتوهای خورشید را ضبط می‌کنند. دوربین دیجیتال به جای اینکه روی فیلم ضبط شود، مقادیری را به پیکسل ها اختصاص می دهد. یک حسگر غیرفعال می تواند از بخش های مختلف قابل مشاهده و غیرقابل مشاهده طیف الکترومغناطیسی نمونه برداری کند. وضوح داده های جمع آوری شده بر اساس اندازه آرایه ذخیره سازی و فاصله تا سطح است. امروزه اینها می‌توانند از دوربین‌های پهپادهای کم پرواز گرفته تا ماهواره‌های مدارگرد را شامل شوند. محققان سنجش از دور کار خود را وقف یافتن بهترین ترکیب سیگنال های طیفی برای شناسایی انواع مختلف پوشش زمین و شرایط روی زمین کرده اند. به عنوان مثال، گرفتن ارزش در باند مادون قرمز به شناسایی پوشش گیاهی سالم کمک می کند. با همبستگی اندازه‌گیری‌ها از سایت‌های آموزشی روی زمین به مقادیر موجود در داده‌های ماهواره‌ای، می‌توان دسته‌هایی از پوشش زمین و سایر ویژگی‌ها را تولید کرد (شکل 19). روش‌های طبقه‌بندی پردازش تصویر برای استخراج کاربری مفید زمین/پوشش زمین، کشاورزی، جنگل‌ها، گسترش شهری یا سایر داده‌هایی که می‌توانند به عنوان داده‌های شطرنجی در یک محیط GIS گنجانده شوند، استفاده می‌شوند. مهمترین برنامه مبتنی بر لندست، پایگاه ملی پوشش زمین (NLCD) بوده است. این برنامه داده های سراسری پوشش زمین و تغییر پوشش زمین را با وضوح 30 متر ضبط می کند.

شکل 19. نمونه اولیه، در حدود 1988، از ادغام برداری و شطرنجی تصاویر ماهواره ای. USGS 1:100000 DLG روی تصویر ماهواره‌ای و طبقه‌بندی دسته‌های تالاب‌ها پوشانده شده است. این فرآیند مستلزم یک پیوند فیزیکی بین دو کامپیوتری بود که نرم‌افزار ArcInfo و Erdas را اجرا می‌کردند. منبع: نویسندگان

کیفیت اطلاعات به دست آمده از داده های سنجش از راه دور لزوماً توسط وضوح مکانی، پوشش ابر، سایه ها، دقت طبقه بندی و سایر عوامل محدود می شود. امروزه، در حالی که دولت ایالات متحده به دستیابی به داده های چندطیفی 30 متری از Landsat 8 ادامه می دهد، سایر کشورها و شرکت های تجاری ماهواره ای ماهواره های مختلفی را با ویژگی های مکانی، زمانی و طیفی مختلف پرتاب کرده اند. وضعیت کنونی رصد زمین مبتنی بر ماهواره با توانایی Planet Labs برای ارائه داده‌های RGB، NIR و Panchromatic با وضوح ۷۲ سانتی‌متری روزانه از ناوگانی متشکل از ۱۵۰ ماهواره، نمونه‌ای است. این سطح از وضوح مکانی و زمانی در را به روی چندین حوزه کاربردی جدید باز کرده است.

7.5 LiDAR

در سال 1884، جان وسلی پاول کنگره را متقاعد کرد که نقشه‌برداری سیستماتیک توپوگرافی ایالات متحده را مجاز کند. برای به دست آوردن دانش از زمین حیاتی برای ناوبری، کشف و استقرار. برای نشان دادن زمین، USGS خطوط کانتور را در بیش از 55000 نقشه در مقیاس 1:24000 ایجاد کرد. در اصل، این فرآیند به کار میدانی گسترده و اغلب دشوار با ابزار نقشه برداری برای ایجاد نقاط کنترل افقی و عمودی نیاز داشت (USGS 2009). خطوط کانتور به صورت دستی از این معیارها درون یابی شدند. یوزری و همکاران بحث مفیدی در مورد تکامل نقشه برداری توپوگرافی ارائه می دهد:

نقشه برداری توپوگرافی از لحاظ تاریخی به عنوان یک عملیات کارخانه نقشه در طول دوره 1879-1990 مورد توجه قرار گرفته است. در این مدت، داده ها به صورت میدانی و فتوگرامتری جمع آوری شدند. تأیید نقشه‌کشی و حاشیه‌نویسی ایجاد یک دست‌نوشته تالیفی. ویرایش، تعمیم، نمادسازی و تولید به عنوان یک محصول خروجی گرافیکی با استفاده از لیتوگرافی، یا اخیراً، از طریق ابزارهای دیجیتال. پذیرش سیستم های اطلاعات جغرافیایی (GIS) به عنوان فرآیند تولید اولیه نقشه های توپوگرافی، از جمله تهیه پایگاه داده دیجیتال (1975-2000) و عملیات تولید محصول (2001 تا کنون)، منجر به تولید سریعتر و استانداردتر در یک فرآیند نیمه خودکار شده است. . ( یوزری و همکاران 2018، 87)

ارتفاع یک سطح پیوسته است. در میدان، نقشه برداران ارتفاع را مستقیماً در نقاط خاص نمونه برداری می کنند. با ابزارهای فتوگرامتری و عکس های استریو، می توان مجموعه داده های شطرنجی داده های ارتفاع را تولید کرد. به عنوان مثال، زمانی که نقشه‌بر Gestalt Photo عکس‌های ارتوفتوی شطرنجی تولید می‌کرد، یک DEM 700000 امتیازی نیز جمع‌آوری کرد. در طول تکامل GIS ابزارهای زیادی برای مدیریت داده های ارتفاعی توسعه یافتند. روال هایی برای تولید DTM از معیارها یا خطوط کانتور وجود دارد. رویه هایی برای تولید خطوط از DTMS و روال های تخصصی برای تعریف حوزه های آبخیز و شبکه های هیدرولوژیکی وجود دارد. 

در حالی که تلاش های اولیه USGS پرتره مهمی از زمین ایالات متحده ارائه کرد، خطوط کانتور 10 فوتی که در چهارگوش های 7.5 دقیقه ای به تصویر کشیده شده بودند، برای کاربردهای حیاتی مانند برنامه ریزی یا توسعه بلایای طبیعی کافی نبودند. در نتیجه، نیاز فوری به یافتن راهی جدید برای جمع‌آوری نمونه‌های دانه‌دار بسیار بیشتر از ارتفاع وجود داشت. در اواسط دهه 1980، USGS از آزمایشگاه Draper MIT کمک گرفت تا سیستمی را برای تعیین مشخصات زمین بر اساس تشخیص نور و محدوده (LiDAR) توسعه دهد (Hurst 1985). LiDAR و RADAR حسگرهای فعالی هستند که پالس ها را ساطع می کنند و مقادیر برگشتی را می گیرند. دستگاه های رادار امواج رادیویی ساطع می کنند در حالی که LiDAR امواج نوری تولید می کند. رادار در برنامه هایی استفاده می شود که فاصله تشخیص مهم است اما اندازه و شکل دقیق یک جسم مهم نیست. این یک ابزار حیاتی برای کاربردهای هواشناسی است که مشاهدات زمان واقعی شرایط آب و هوایی را فراهم می کند. رادار با دیافراگم مصنوعی (SAR) شکلی از رادار است که برای ایجاد تصاویر دو بعدی یا بازسازی سه بعدی از اجسام مانند مناظر استفاده می شود. دستگاه های رادار دهانه مصنوعی تداخل سنجی (InSAR) برای تولید DEM به ویژه در مناطقی با آب و هوای نامساعد مانند آلاسکا استفاده می شود. ابزارهای LiDAR حجم عظیمی (200000 پالس در ثانیه) سیگنال های لیزری را ساطع می کنند که اندازه گیری های بسیار دقیقی از ویژگی ها را ارائه می دهد. این امر در گرفتن مستقیم شی سه بعدی انقلابی ایجاد کرد. دستگاه‌های LiDAR را می‌توان بر روی انواع وسایل نقلیه نصب کرد، و اندازه‌گیری ارتفاع و شدت را از هر چیزی که برخورد می‌کند، ثبت کرد. ابری از نقاط که دارای مختصات X، Y و Z و همچنین مقادیر شدت هستند. در فرکانس کافی بالا، برخی از پالس های LiDAR حتی می توانند به تاج درخت متراکم نفوذ کنند و یک DTM “زمین برهنه” ایجاد کنند (شکل 20). ابرهای نقطه‌ای LiDAR ورودی DTM‌های با وضوح بالا را فراهم می‌کنند که می‌توانند خطوط مشخص شده توسط کاربر ایجاد کنند، و این DTM‌ها برای مدل‌سازی هیدرولوژیکی و کاربردهایی مانند اصلاح زمین (برش و پر کردن) حیاتی هستند. 

شکل 20. مقایسه مدل های ارتفاع دیجیتال از NED (a) و LiDAR (b). منبع: USGS

از منظر GIS، LiDAR که بر روی هواپیما نصب شده است، راه جدیدی را برای تصویربرداری از زمین ارائه می‌کند، در حالی که LiDAR زمینی برای ثبت جزئیات ساختارها برای خدمت به جامعه AEC استفاده می‌شود. داده های LiDAR همچنین رویکرد ایجاد و حفظ ویژگی های هیدرولوژیکی را تغییر داده است. USGS با مشارکت ایالت ها و حتی دانشمندان شهروند محلی، مجموعه داده های هیدروگرافی ملی (NHD) را حفظ می کند. داده‌های LiDAR تکمیل‌شده توسط مشاهدات میدانی برای تولید مجموعه داده‌های با وضوح بالا NHDPlus استفاده می‌شود که ویژگی‌های آب و حوزه‌های آبخیز را با مدل‌های زمین دقیق تراز می‌کند.  

8. مطالعه موردی: خدمات ماهی و حیات وحش ایالات متحده و فهرست تالاب های ملی

فهرست تالاب‌های ملی (NWI) نمونه‌ای ارزشمند از نحوه ترکیب تصاویر در یک محیط پایگاه داده GIS ارائه می‌کند (US Fish and Wildlife Service 2017). در سال 1977، خدمات ماهی و حیات وحش ایالات متحده (FWS) به انجام فهرستی از تالاب ها برای حمایت از تلاش های حفاظت از فدرال متهم شد. تکمیل این کار مستلزم انتخاب مواد منبع مناسب، توسعه پروتکل‌هایی برای انتخاب ویژگی‌های تالاب و روش‌هایی برای گرفتن داده‌های دیجیتالی بود. عکاسی USDA که در طول فصل رشد به دست آمده است، بهترین منبع را برای ترسیم تالاب ها فراهم می کند، با این حال، تشخیص سایر ویژگی ها در شرایط برگ دهی بسیار آسان تر است. FWS نیاز به توسعه یک طرح طبقه بندی برای نقشه برداری تالاب ها و زیستگاه های آبی از عکس های هوایی داشت (کواردین و همکاران 1979). پروتکل هایی برای کمک به تحلیلگر در شناسایی و تصرف انواع مختلف تالاب ها ایجاد شد. دانشمندان اذعان کردند که مقیاس مواد منبع، حداقل اندازه ویژگی هایی را که می توان ثبت کرد، تعیین می کند. همانطور که کواردین و همکاران بیان کردند: 

برای اندازه یک واحد نقشه برداری که عملاً می توان روی نقشه قرار داد و اندازه یک بدنه آبی یا پوشش گیاهی که می تواند از یک عکس تفسیر شود، محدودیتی وجود دارد. برخی از کل حوضه های تالاب و بسیاری از مناطق تالاب در اطراف حاشیه حوضه ها قابل شناسایی یا نقشه برداری نیستند. (کواردین و همکاران 1979).

تحلیلگران به صورت دستی چند ضلعی های تالاب را بر روی پوشش های استات با قلم و جوهر ردیابی کردند. با استفاده از یک محدوده انتقال زوم اپتیکال برای تنظیم مقیاس، لایه‌های استات با یک چهارگوش توپوگرافی 7.5 دقیقه‌ای USGS تراز شدند. نقشه نگاران به صورت دستی چند ضلعی ها را به یک پوشش مایلار متصل به نقشه منتقل کردند. این نقشه های مقیاس 1:24000 محصول استاندارد NWI شدند. برای برآوردن نیاز به یک سیستم بهتر در سال 1980، FWS برای توسعه سیستم‌های نقشه‌برداری تحلیلی تالاب‌ها (WAMS) برای دیجیتالی کردن تالاب‌ها و سیستم آماری پوشش نقشه (MOSS) برای تجزیه و تحلیل داده‌ها در رایانه‌های کوچک قرارداد منعقد کرد. به گفته کارل رید، که در مورد تاریخچه GIS نوشته است:

سیستم نقشه برداری تحلیلی تالاب ها (WAMS) یک بسته دیجیتالی و ویرایش نقشه پیشرفته برای داده های برداری ساختار یافته توپولوژیکی بود. تمام کار روی این پروژه ها در اوایل سال 1980 تکمیل شد. تا آنجا که من می دانم، WAMS اولین سیستم دیجیتالی تعاملی برای جمع آوری و ساختار داده های نقشه به عنوان توپولوژی در زمان واقعی بود. ( رید، دوم )

با WAMS، تحلیلگران توانستند تالاب ها را مستقیماً روی مانیتور مشخص کنند. در این محیط، تحلیلگران توانستند لایه‌های دیگری مانند خاک و توپوگرافی را برای کمک به فرآیند جذب ترکیب کنند. اگرچه بسیاری از مناطق کشور به روز نشده اند، سال گذشته بیش از 270000 کاربر منحصر به فرد به داده های تالاب دسترسی پیدا کردند. از طریق نقشه برداری تالاب ماهی و حیات وحش (شکل 21).

شکل 21. تصویر از Wetlands Mapper ( https://www.fws.gov/wetlands/data/mapper.html )، که توسط سرویس ماهی و حیات وحش ایالات متحده نگهداری می شود. چند ضلعی های تالاب در رابطه با یک عکس ارتوفتو نمایش داده می شوند و می توانند از همان سایت دانلود شوند. منبع: نویسندگان

9. مطالعه موردی: وزارت کشاورزی ایالات متحده

وزارت کشاورزی ایالات متحده (USDA) در دهه 1930 شروع به تهیه عکس های هوایی برای بازرسی شرایط خاک و محصول کرد. در اواسط دهه 1950، یک برنامه سیستماتیک برای موجودی و نظارت بر شیوه های کشاورزی آغاز کرد. این برنامه که توسط آژانس خدمات مزرعه (FSA) انجام شد، از دوربین‌های با فرمت بزرگ برای به دست آوردن فیلم پانکروماتیک 9×9 اینچی (B & W)، رنگ طبیعی یا فیلم مادون قرمز رنگی استفاده کرد. تعداد کل عکس های وزارت کشاورزی ایالات متحده که در طول آن برنامه تولید شده اند ناشناخته است. با این حال، FSA در حال اسکن بیش از 10،000،000 نگاتیو فیلم است که برای ارجاع جغرافیایی مناسب خواهند بود. 

قبل از عصر دیجیتال، تحلیلگران از ویژگی های قابل مشاهده مانند خطوط حصار، جاده ها و آبراه ها برای ترسیم مزارع کشاورزی مستقیماً روی عکس های 9 اینچی استفاده می کردند. تقریباً 35 میلیون واحد زمین مشترک (CLU) عناصر اساسی برنامه های USDA هستند و در دسترس عموم نیستند. در اصل، مساحت این CLU ها به صورت دستی توسط یک پلان متر محاسبه می شد. USDA همچنین از تصاویر برای نظارت بر انطباق کشاورز با برنامه های محصول خود استفاده کرد. این شامل استفاده از اسلایدهای 35 میلی متری بود که به صورت دستی بر روی نقشه های CLU نمایش داده می شدند. تخمین زده می‌شود که بیش از یک میلیارد از این اسلایدهای 35 میلی‌متری در آرشیو دفتر عکاسی هوایی موجود است (Mathews and Vanderbilt 2008).

در اواخر دهه 1990، USDA متوجه شد که نیاز به ایجاد یک لایه یکپارچه از تمام مزارع، مراتع و مراتع در کشور دارد. برای تولید و نگهداری این داده ها، USDA 13 مرکز دیجیتالی ایجاد کرد. تبدیل به یک پایگاه داده دیجیتالی، تحلیلگران را ملزم می‌کرد تا داده‌ها را از نقشه‌های کپی به یک موزاییک چهارگانه Digital Orthophoto Quarter برای هر شهرستان منتقل کنند. نقشه های عکس قدیمی برای دیجیتالی کردن چند ضلعی های CLU که با موزاییک DOQ و نقاط کنترل معتبر تراز شده بودند، اسکن شدند.

از سال 2003، USDA از عکسبرداری دیجیتالی یک متری از برنامه تصویربرداری ملی کشاورزی (NAIP) برای نظارت بر انطباق استفاده کرده است. داده‌های اصلی NAIP تصاویری با وضوح پیکسلی 1 متری را ارائه می‌دهند که از طریق مشتری دانلود نقشه ملی در دسترس است و اغلب به عنوان نقشه پایه برای بسیاری از برنامه‌ها استفاده می‌شود. با این حال، داده های وضوح دقیق تر اغلب از طریق مشارکت به دست می آیند. پیشینیان NAIP شامل برنامه ملی ارتفاع بالا (NHAP) است که بین سال های 1980 و 1989 به عنوان یک تلاش فدرال بین سازمانی که توسط USGS هماهنگ شده بود، فعالیت می کرد. این شامل بیش از 1.3 میلیون تصویر است که بر روی فیلم 9 اینچی به دست آمده و بر روی یک چهارم چهارگوش های 7.5 دقیقه ای USGS متمرکز شده است. برنامه ملی عکاسی هوایی (NAPP) که بین سال های 1987 و 2004 فعالیت می کرد، جانشین NHAP بود و هر 5 سال یک بار برای ایالات متحده عکس جمع آوری می کرد. آرشیو تصاویر NHAP، 

رویکرد فدرال برای دستیابی به ارتفوتوگرافی جدید بسیار در جریان است. USDA و USGS نظارت بر برنامه‌های فدرال برای جمع‌آوری تصاویر ارتویماژی را به اشتراک می‌گذارند، که بخش مهمی از چارچوب زیرساخت داده‌های مکانی ملی در نظر گرفته می‌شود. یکی دیگر از منابع مهم تصاویر، برنامه نقشه برداری ساحلی NOAA است که تصاویر دیجیتالی تصحیح شده را به طور منظم و پس از بلایای طبیعی جمع آوری می کند. با توجه به کارت گزارش اخیر COGO (ائتلاف سازمان های زمین فضایی 2018)، آژانس خدمات کشاورزی وزارت کشاورزی (FSA) در حال بررسی مجوز یک مجموعه داده تجاری برای رفع نیازهای آنها است. تقاضا برای عکسبرداری هوایی با وضوح بالا، دولت های ایالتی و محلی را بر آن داشته تا برنامه های خود را ایجاد کنند. در حقیقت، برخی از دولت‌های محلی که به سرعت در حال رشد هستند، عکس‌های 6 اینچی را در فواصل زمانی مکرر برای کمک به بازرسی ساختمان و سایر مسائل دریافت می‌کنند (شکل 22). در نتیجه، این مشارکت‌های دولتی-خصوصی می‌توانند NAIP را به‌عنوان منبع تصویر حوزه عمومی حذف کنند.  

شکل 22. مقایسه تصاویر هوایی 6 اینچی با تصاویر NAIP 1 متری USDA در شهرستان لکسینگتون، کارولینای جنوبی. منابع تصویر: Lexington County GIS و USGS.

10. نتیجه گیری

فرصت ها و مسئولیت ها برای استفاده و مدیریت داده های مکانی به طور چشمگیری در طول زمان تغییر کرده است. اینها بر کل دسته از فعالیت ها، مانند نقشه برداری از کاربری زمین و پوشش زمین تأثیر گذاشته است. آژانس‌های فدرال که با تولید، نگهداری و توزیع داده‌ها درگیر هستند، در طول زمان به طور قابل‌توجهی جریان کاری خود را تغییر داده‌اند. تصویب نهایی قانون داده های جغرافیایی (2018) یک دستاورد بزرگ برای این حوزه جغرافیایی از فعالیت ها بود. در حالی که بسیاری از برنامه‌های فدرال به جمع‌آوری داده‌های مکانی ادامه می‌دهند، حجم عظیمی از جمع‌آوری داده‌های روزانه توسط شرکت‌های بخش خصوصی ثروتمندی که دائماً در حال تلاش برای افزایش تنوع و کیفیت اطلاعات مورد نیاز میلیاردها کاربر هستند، تنظیم می‌شود. اکثر این کاربران فقط می خواهند داده ها را تجسم کنند تا نیاز فوری خود را برای جستجوی فضایی و ناوبری برآورده کنند. در عین حال این کاربران خود سنسور نیز هستند. آنها عکس های دارای برچسب جغرافیایی را جمع آوری می کنند و آثاری از حرکات خود ایجاد می کنند. داوطلبان به «جمع‌یابی» اطلاعات درباره ویژگی‌های جدید کمک می‌کنند و شرایط را به مقامات گزارش می‌دهند. کاربران به جای استفاده از داده های مکانی، مشارکت فعالی در تولید و نگهداری داده ها دارند. اکنون که این قابلیت‌ها و شیوه‌ها وجود دارند، شیوه جمع‌آوری داده‌های مکانی را برای همیشه تغییر داده‌اند.