مطالعه حاضر چارچوب ساده‌سازی شده‌ای را برای تأیید میزان پوشش و کامل بودن نقشه‌های استقرار به دست آمده از پایگاه داده OpenStreetMap (OSM) در مقیاس ملی، با استفاده احتمالی در آمارهای رسمی ارائه می‌کند. اندازه‌گیری کامل بودن اشیاء (یعنی ساختمان‌ها) مشتق‌شده از پایگاه داده OpenStreetMap، از استفاده بالقوه آن در سرشماری‌های ساختمان/جمعیت و سایر بررسی‌های همزمان، و همچنین منابع اداری مانند ثبت مجوزهای ساختمانی و کاداسترهای کاربری زمین پشتیبانی می‌کند. مجموعه ای از اندازه گیری ها در مقیاس های مختلف، مطابق با مطالعات قبلی، برای ایتالیا پیشنهاد و آزمایش شده است. ضمن شناخت پتانسیل پایگاه داده OpenStreetMap برای آمار رسمی،

کلید واژه ها:

اطلاعات جغرافیایی داوطلبانه (VGI) ؛ تحلیل تطبیقی ​​; آزمایش فضایی ؛ نمونه برداری تحت پوشش

1. مقدمه

پیشرفت‌های اخیر در فناوری‌های وب 2.0، کاربران اینترنت را از «جویندگان محتوا» به «تولیدکنندگان داده» تبدیل کرده است [ 1 ]. قابل ذکر است، این فرآیند به طور همزمان منجر به جستجوی نرم افزار آزاد و داده های باز شده است، و به نوبه خود یک آگاهی مشترک ایجاد می کند که در آن کاربران هم خالق داده و هم به اشتراک گذار داده می شوند [ 2 ]. پیشرفت تکنولوژی به ذینفعان با مهارت کمتر اجازه می دهد تا داده های قابل توجهی تولید کنند [ 3 ]. از این منظر، نرم افزار باز امکان کاهش هزینه ابزارهای ارزیابی و راه حل های عملیات تکراری را فراهم می کند [ 4 ]. در شرایطی که هر کاربر به حسگری تبدیل می‌شود که در فرآیند جهانی اشتراک‌گذاری اطلاعات عمل می‌کند [ 5]، داده ها دیگر در انحصار یک موسسه/مرجع معین نیستند. ما در عوض شاهد یک فرآیند “دموکراتیزه کردن” داده های جغرافیایی یا نوعی “جغرافیای جدید بدون جغرافیدان” هستیم [ 6 ]. از یک طرف، می توان به این پارادوکس رسید که داده های تولید شده توسط تک کاربران به روزتر و واقعی تر از داده های اداری هستند [ 7 ]. از سوی دیگر، ممکن است یک سوال مطرح شود: “داده های کاربران چقدر قابل اعتماد هستند؟”. اگر همه این مفروضات در خدمت نزدیک‌تر کردن جوانان به تحلیل‌های جغرافیایی باشد، به عنوان مثال، افزایش آگاهی از مشکلات مربوط به منطقه‌ای که در آن زندگی می‌کنند، پس این ادبیات «جغرافیای جدید» احتمالاً ابزار مناسبی برای بهبود آمار رسمی خواهد بود [ 8 ].]. با این حال، جغرافیا چیزی بیش از شمارش صرف نام مکان‌ها است، بلکه ادعا می‌کند که تجزیه و تحلیل واقعاً منظمی از عناصر منفرد در یک قلمرو مشخص ارائه می‌کند [ 9 ].
جامعه OpenStreetMap (OSM) با کمک به تغییر از “کاربران داده” به “تولیدکنندگان داده” در جولای 2004 راه اندازی شد. دسترسی محدود به داده های جغرافیایی رایگان انگیزه ای در پایه توسعه (بسیار سریع) آن بود [ 10 ] . در اروپا، تا آن زمان، منابع داده‌های صریح فضایی عمدتاً توسط مؤسسه‌های آماری ملی هر کشور جمع‌آوری و منتشر می‌شد [ 11 ].]. علاوه بر این – حداقل در برخی موارد – این داده‌ها نسبت به سیستم‌های مشابه، به‌عنوان مثال، در ایالات متحده آمریکا، داده‌های بسیار دقیق‌تری را با به‌روزرسانی‌های منظم منتشر می‌کند و در دسترس بودن محدودتری داشتند. انتشار داده‌های صریح فضایی هنوز در کشورهای اروپایی دشوار است، و به عنوان مثال، سیستم آمار رسمی Eurostat در حال حاضر طیف گسترده‌ای از اطلاعات جغرافیایی (تجمیع) را ارائه می‌کند که به ندرت از مقیاس شهری پایین‌تر می‌رود [ 12 ، 13 ، 14 ].]. به همین دلیل، آرشیو OSM – به ویژه در اروپا – ممکن است تکمیل کننده (و کمبود) داده های صریح فضایی مربوط به، به عنوان مثال، ساختمان ها، خیابان ها و آدرس ها را تکمیل کند. این عناصر اطلاعات لازم برای ارجاع جغرافیایی، کدگذاری جغرافیایی و سایر رویه‌های عملیاتی مورد علاقه برای رشته‌ها و کاربردهای مختلف در نظر گرفته شدند [ 15 ، 16 ، 17 ]. محرک های اصلی برای دیجیتالی کردن در یک فریم OSM از توانایی به دست آوردن مسیرهای GPX از طریق Potlatch و بعداً از طریق Yahoo که تصاویر ماهواره ای را از سال 2006 در دسترس قرار داد [ 9 ] به دست آمد. با این حال، علی‌رغم پیشرفت‌های فنی قوی، کاربران OSM همچنان به‌عنوان تمرین‌کنندگان کم‌ماهر در نظر گرفته می‌شوند و عمدتاً اشیاء جغرافیایی را برای سرگرمی ویرایش می‌کنند.
OSM شامل فناوری آسان است که به اندازه کافی دقیق است که برای اهداف اداری استفاده شود. نقشه های ساختمان و کاربری زمین از OSM برای جایگزینی کاداسترها پیشنهاد شد [ 8 ]. با این حال، استفاده از منابع اداری مستلزم تحلیل دقیق پوشش فضایی است. کاربران OSM کدام ساختمان ها را نقشه برداری کرده اند؟ کدام مکان ها مورد توجه و بازرسی دقیق قرار گرفتند؟ برای پاسخ به این سؤالات، می‌توان اطلاعات ساختمانی را که از OSM در مناطق معرف موجود است، بررسی کرد. بر اساس مطالعات تجربی، نشان داده شد که OSM پیشرفت‌های قابل توجهی را در نقشه‌های پوشش زمین Corine [ 18 ] ارائه می‌کند که به عنوان مثال در مدیریت اضطراری ضروری می‌شود. به عنوان مثال، افزایش قابل توجهی در تولید داده به عنوان پاسخ غیر مستقیم به زلزله نپال مشاهده شد [ 19 ]]، احتمالاً منعکس کننده احساس جامعه و مشارکت در هنگام بلایا است. در همان زمان، “ویکیفیکاسیون” جغرافیا [ 20 ] از نظر بازنمایی شی و کامل بودن نقشه یک مشکل بود. چه کسی کیفیت داده های منتشر شده را تضمین می کند؟ از این منظر، کیفیت داده ها شامل (1) دقت اشکال و موقعیت عناصر جغرافیایی با توجه به واقعیت و (2) دقت اطلاعات تکمیلی که در نهایت با داده های جغرافیایی مرتبط است [ 21 ] است.]. علاوه بر این، آیا تلاش قابل توجه کاربران می تواند جایگزین منابع مدیریتی شود؟ جهان جغرافیایی در حال تکامل است و حقیقت دیگر نه در آرشیوها بلکه در اشتراک گذاری آنها یافت می شود. برای پاسخ به این سوال آخر می توان یک سری شاخص های آماری را از مقایسه پایگاه داده OSM و منابع رسمی پیشنهاد و محاسبه کرد [ 22 ].]. بر اساس این فرضیه ها، مطالعه حاضر کیفیت ذاتی داده های به دست آمده از OSM را با توجه به آمار رسمی (به عنوان مثال، نقشه های ساختمان) ارزیابی می کند. علاوه بر این، این مطالعه رویکردهای عملیاتی را برای تأیید و بهبود کامل بودن و پوشش فضایی داده‌های جمع‌آوری‌شده برای ساختمان‌های فردی در چارچوب اطلاعات جغرافیایی داوطلبانه پیشنهاد می‌کند. هدف نهایی این مطالعه مشخص کردن مزایا (و نقاط ضعف) استفاده گسترده از OSM در آمار رسمی است.

2. مواد و روشها

2.1. حوزه مطالعه و چارچوب منطقی

مطالعه حاضر ایتالیا (301330 کیلومتر مربع ) را به عنوان مطالعه موردی اتخاذ می کند. هنگام مقایسه نمایندگی منابع اطلاعاتی باز/داوطلبانه با منابع داده رسمی، پوشش ملی مناسب است. تا آنجا که نقشه‌های سکونتگاهی که از آمارهای رسمی در ایتالیا به دست می‌آیند، مؤسسه ملی آمار (ISTAT) دیگر سرشماری سنتی ساختمان‌ها را انجام نمی‌دهد، و نقشه‌های مرتبط تولید شده در بررسی‌های گذشته – در برخی موارد – جزئی بودند [ 17 ]. مشکلات فنی هنگام مدیریت این حجم زیاد داده به وجود آمد. با توجه به مقایسه احتمالی اطلاعات رسمی با سایر منابع داده، از جمله OSM، یک تحلیل گسترده و مقایسه ای از کیفیت نقشه های ساختمانی در مقیاس های بزرگ به اندازه کافی دشوار است [ 18 ].]. یک مطالعه قبلی [ 23 ] قلمرو شهرداری را با وضوح فضایی بسیار بالا با استفاده از شبکه های شش ضلعی بررسی کرده است ( شکل 1 ). شبکه‌ها بر محدودیت‌های ذاتی در استفاده از مرزهای اداری غلبه می‌کنند و امکان بررسی مستقیم نرخ پوشش را فراهم می‌کنند [ 10 ]]. در حالی که نرخ پوشش نسبتاً خوب مرکز شهر را در رابطه با حومه شهرها ثبت می‌کند، نتایج تجربی چنین مطالعاتی تأیید نمی‌کند که آیا نرخ پوشش متفاوت به این واقعیت بستگی دارد که کاربران OSM ممکن است در ویرایش ساختمان‌ها (و جمع‌آوری ویژگی‌های اساسی آنها) با مشکلاتی مواجه شوند. خارج از محدوده شهرها به احتمال زیاد، با توجه به اینکه اکثر کاربران فقط محله های خود را نقشه برداری می کنند، پوشش دیفرانسیل می تواند نتیجه تراکم کمتر کاربران OSM در مناطق حومه/روستایی باشد [ 10 ] (ص. 1078).
در کار حاضر، ما سعی کردیم دقت مکان هر عنصر جغرافیایی مورد بررسی را بهبود بخشیم، به عنوان مثال، بررسی موقعیت رئوس شکل در یک نمونه معرف از ساختمان ها [ 10 ]. مشکل در به کارگیری این روش در ایتالیا در دسترس بودن جزئی یک پایگاه جغرافیایی مرجع است که کیفیت معنایی و جغرافیایی آن کاملاً شناخته شده و تأیید شده است. با توجه به اینکه در مجموع 24,156,305 ساختمان در سطح ملی (سرشماری ساختمان) بررسی شدند، مقایسه ویژگی‌های نقطه‌ای همولوگ بین OSM و آمار رسمی بسیار پیچیده است. کارهای مشابهی در بخش های کوچکی از قلمرو ملی انجام شد. به عنوان مثال، محتوای کامل دو پایگاه داده در بخشی از استان پاویا، شمال ایتالیا مقایسه شد [ 24]، انجام یک مقایسه بصری بین ساختمان‌های گرفته شده در عکس‌های ارتو-عکس‌های موجود در Google Maps و ساختمان‌های بررسی‌شده در OSM ( شکل 2 ). بکارگیری چنین روش شناسی در مقیاس ملی مستلزم ویرایش تمامی ساختمان های فردی است که زمان بر و از نظر روش شناختی پیچیده است. این موضوع با دیگر کشورهای اروپایی (عمدتاً مدیترانه ای) مشترک است [ 25 ، 26 ، 27 ].
انتخاب پایگاه داده مرجع برای محاسبات به عنوان موضوع مهم دیگری مطرح می شود [ 11]. تا چند سال پیش، هیچ بایگانی ساختمانی با مجوز باز در مقیاس ملی در ایتالیا وجود نداشت که بتوان از آن به عنوان مرجع استفاده کرد، هم از نظر کامل بودن و هم از نظر دقت مکان. کاداستر ایتالیایی معتبرترین منبع در نظر گرفته می‌شود، اگرچه انتشار در قالب‌های دیجیتال و قابل ویرایش هنوز به ذینفعان خاص محدود می‌شود. اگرچه برخی از داده های کاداستر اخیراً تحت مجوز CC-BY آزادانه منتشر شده است، فقط اطلاعات جزئی از طریق خدمات WMS در دسترس است. چنین حالت انتشار ممکن است امکان بازیابی اطلاعات را از طریق پرس و جوهای رابطه ای فراهم کند، در حالی که از استفاده مستقیم از هندسه های ارجاع شده جغرافیایی (یعنی فایل های شکل) جلوگیری می کند. مقامات حفاظت مدنی ایتالیا اخیراً یک پایگاه داده جغرافیایی ساختمان‌ها حاوی «مجموعه‌های ساختاری شهری» برای کل قلمرو ملی در دسترس قرار داده است. اینها هندسه‌هایی هستند که از تجزیه و تحلیل شکل ساختمان‌های منفرد بر اساس پایگاه‌های داده (منطقه‌ای) مختلف شروع می‌شوند، که به قالب‌های چند ضلعی شامل ساختمان‌های جداگانه که با یک شناسه متوالی شناسایی شده‌اند، به دست آمده‌اند. این آرشیو به منظور پیشگیری از زلزله، با تجمیع ساختمان های همجوار ایجاد شده است. در واقع در صورت وقوع زلزله، تخمین رفتار سنگدانه ها و نه تنها تک ساختمان ها مهم است. این آرشیو تحت مجوز CC BY 4.0 از پوشش فضایی گسترده ای بهره مند شد. این شرایط به کاربران و همچنین منابع اداری مرتبط اجازه می دهد تا محتوای پایگاه داده را به هر نحوی بازتولید کنند. بر اساس این فرض،

2.2. بایگانی داده های باز ساختمان ها (BODA)

BODA با توجه خاص به وضوح داده ها (که به عنوان توانایی شناسایی ساختمان های فردی شناخته می شود) و کامل بودن داده ها، منابع نقشه برداری مختلف داده را یکپارچه کرد که شامل موارد زیر می شود: (1) منابع اداری داده های حاصل از خدمات نقشه برداری و سایر دفاتر فنی مناطق، استان ها، شهرداری ها و سایر نهادها که بیشتر آنها در نظام آماری ملی سیستان مشارکت دارند ( جدول 1 ). (ii) ژئوپورتال ملی ایتالیا ( https://www.pcn.minambiente.it/mattm/ قابل دسترسی در 10 نوامبر 2021)؛ (iii) منابع داده های فردی و لایه های جغرافیایی که مستقیماً توسط سرویس حفاظت مدنی ایتالیا تولید شده است (https://rischi.protezionecivile.gov.it/it/approfondimento/dataset-nazionale-degli-aggregati-strutturali-italiani در 10 نوامبر 2021 قابل دسترسی است.
علی‌رغم تلاش‌های فنی گسترده، نظارت بر کیفیت تمام منابع اداری زیر سطح فضایی مقامات منطقه‌ای (مانند استان‌ها، شهرداری‌ها) همیشه امکان‌پذیر نبود. فقط برای منطقه کامپانیا (جنوب ایتالیا)، داده های منطقه ای با داده های استانی ادغام شدند. در مقابل، منطقه مولیز اطلاعات اداری را برای هیچ نهاد سرزمینی ارائه نکرد. به این دلایل، نقشه‌های فنی منطقه‌ای (CTR) که ساختمان‌های فردی با وضوح فضایی نسبتاً بالا را شناسایی می‌کند، برای دستیابی به پوشش ملی کامل در نظر گرفته شد. ژئوپورتال ملی (GPN) – برنامه ای از وزارت محیط زیست، قلمرو و دریا ایتالیا (MATTM)، که در آن ساختمان ها در مناطق خاصی از کشور (به عنوان مثال، شهرهای مرکز استان، و مراکز شهری رسمی) به طور گسترده نقشه برداری شدند – برای ادغام این منابع اطلاعاتی استفاده شد. با این حال، این تنها بخش کوچکی از اطلاعات معمول ثبت زمین (کاداستر) در ایتالیا است. با توجه به اینکه BODA مجموع ساختمان‌ها را بررسی کرد، و نه ساختمان‌های منفرد، این پایگاه داده با در نظر گرفتن مسائل زیر پیاده‌سازی شد: (1) تمام ساختمان‌های منفرد بررسی‌شده از منابع داده‌های اداری و باز در آرشیو نهایی BODA در نظر گرفته شدند. (ii) تمام ساختمان‌های مشتق شده از GPN که با هیچ ساختمان بررسی شده در بایگانی مجاور نبودند، در بایگانی گنجانده شدند و در نهایت، (iii) سنگ‌دانه‌های سازه‌ای (“انجمن ساختمان‌ها”) که هیچ ساختمانی را در بایگانی قطع نمی‌کنند نیز در آرشیو گنجانده شده است. با وجود این تنظیمات فنی، اطلاعات هندسی به دست آمده از نقشه های فنی منطقه ای، لایه غالب در BODA نهایی است. در نهایت، لازم به ذکر است که به دلیل حمله اخیر هکرها، در دسترس بودن داده های اداری تولید و منتشر شده توسط منطقه لاتیوم، ایتالیا مرکزی، بسیار کاهش یافته است. مقام منطقه ای در واقع عملیات ژئوپورتال منطقه ای را به حالت تعلیق درآورده بود. بنابراین، ما به نسخه‌هایی از این داده‌های اداری موجود در منابع دیگر متوسل شدیم.

2.3. توزیع فضایی ساختمان ها برگرفته از آمار رسمی در ایتالیا

برای پشتیبانی از عملیات سرشماری، ISTAT قلمرو ایتالیا را به بیش از 400 هزار چند ضلعی (“مناطق سرشماری”) تقسیم کرد که به چهار نوع سکونتگاه، از LOC1 تا LOC4 طبقه بندی شدند (برای جزئیات بیشتر در مورد تقسیم قلمرو ایتالیا به مناطق سرشماری، رجوع کنید به: یادداشت های فنی سرشماری های عمومی در وب سایت www.istat.it در 30 دسامبر 2021 قابل دسترسی است. به طور دقیق تر، پایگاه داده سرشماری سال 2011 (آخرین موج سرشماری در ایتالیا) در (1) 271229 منطقه LOC1 سازماندهی شد، از جمله مناطق کاملاً ساخته شده که ساختمان ها در حداکثر فاصله 70 متری از یکدیگر (64826 کیلومتر مربع) قرار دارند .) (2) 41306 منطقه LOC2 از مناطق با متراکم متوسط ​​​​با ساختمان هایی در فاصله حداکثر 30 متر از یکدیگر – از جمله سکونتگاه های متراکم پیرامون شهری و روستایی، و (iii) 89،586 منطقه LOC3 و LOC4، به ترتیب، با سکونتگاه های مولد. (صنعت و خدمات) و سکونتگاه های پراکنده در مناطق روستایی که بخش باقی مانده از ایتالیا را پوشش می دهد.

2.4. تحلیل مقایسه ای پوشش OSM و BODA در ایتالیا

پارتیشن فضایی نشان داده شده در بخش 2.3در مطالعه حاضر به عنوان یک متغیر طبقه بندی برای مقایسه پوشش نقشه ساختمان OSM و BODA در ایتالیا استفاده شد. به طور خاص، متغیر طبقه بندی، مناطق کاملا شهری، LOC1 را از مناطق LOC2-3-4، که از این پس به عنوان “روستا” نامیده می شود، بر اساس فاصله بین ساختمان ها متمایز می کند. طبقه بندی فضایی ممکن است اطلاعات بیشتری در مورد پوشش پایگاه داده OSM با توجه به یک منبع رسمی مانند BODA ارائه دهد. بر اساس این طبقه بندی (شهری در مقابل روستایی)، یک تحلیل مقایسه ای از پوشش OSM و BODA در مقیاس منطقه ای در ایتالیا (20 مقام منطقه ای)، با در نظر گرفتن مجموع (i) تعداد کل ساختمان های بررسی شده در OSM و BODA به طور جداگانه و (2) مساحت کل ساختمان های بررسی شده در هر دو منبع داده. شایان ذکر است که منابع مختلف ممکن است یک ساختمان را متفاوت تفسیر کنند. به طور خاص، فرآیند ویرایش در OpenStreetMap ممکن است منجر به در نظر گرفتن دو یا چند ساختمان مجاور به عنوان یک چند ضلعی شود، به عنوان مثال، به دلیل وضوح ناکافی تصاویر ortho-photo انتخاب شده. این مورد در مورد ساختمانهای نیمه مستقل (مثلاً ویلاها) است که می توان آنها را به عنوان دو ساختمان (کوچکتر) در بایگانی اداری ثبت کرد.شکل 3 دو مثال برگرفته از همپوشانی فضایی اشکال ساختمان OSM و BODA را ارائه می‌کند، و مستند می‌کند که چگونه ساختمان‌های بررسی شده در منابع اداری را می‌توان با توجه به واقعیت به واحدهای مختلف تقسیم کرد. تنها یک بازرسی میدانی (یا تفسیر دقیق عکس‌های هوایی) می‌تواند این موضوع را روشن کند که در عین حال یکی از توضیحات احتمالی پوشش متفاوت نقشه‌های ساختمانی اغلب در مناطق شهری و روستایی است [ 10 ].
بر اساس این فرضیه ها، سه رویکرد مختلف در مطالعه ما اتخاذ شد: (1) یک مقایسه جمعی و مبتنی بر شمارش بین پایگاه‌های داده OSM و BODA در مقیاس منطقه‌ای (یعنی با در نظر گرفتن تعداد مطلق ساختمان‌ها با ویژگی‌های یکسان در هر دو بایگانی). , (ii) تعداد دقیق ساختمان‌های موجود در هر دو پایگاه داده بر اساس برهم‌نهی فضایی مرکزی بین پایگاه‌های داده OSM و BODA. و در نهایت، (iii) یک رویکرد “شی گرا” بر اساس محاسبه سطوح ساختمان در OSM و BODA بر اساس تقاطع چند ضلعی. برای مورد (iii)، شاخصی برای محاسبه نسبت بین سطح تقاطع و ناحیه مرجع در دسترس قرار گرفت [ 10]؛ زمانی که سطح ساختمان در دو پایگاه داده منطبق باشد، این نسبت برابر با 1 است. نتایج این رویکردها در مقیاس منطقه‌ای در ایتالیا خلاصه شد و یک حوزه تحلیل مناسب برای اجرای آمار رسمی در نظر گرفته شد [ 28 ]. مناطق ایتالیا از شمال به جنوب، به دنبال کد شناسایی منحصر به فرد ارائه شده توسط ISTAT و از 1 (پیمونت) و 20 (ساردینیا) سفارش داده شدند. این سیستم کدگذاری در سطح ملی و اروپایی (یعنی یورواستات) در فهرست نامگذاری واحدهای آماری سرزمینی (NUTS) استفاده می شود.

3. نتایج

تجزیه و تحلیل مقایسه ای از محتوای پایگاه های داده OSM و BODA ( جدول 2 ) تفاوت ها را تا آنجا که به تعداد ساختمان ها و مساحت سطح ساختمان ها مربوط می شود، نشان می دهد که تفاوت های مربوطه را در نرخ پوشش در بین مناطق در ایتالیا نشان می دهد. همانطور که انتظار می‌رفت، ساختمان‌های مناطق شهری (LOC1 طبق طبقه‌بندی ISTAT) برای هر دو منبع داده، نسبت به ساختمان‌های واقع در مناطق روستایی (LOC2-3-4) فراوان‌تر بودند. در مجموع 14121227 ساختمان به مساحت 3640 کیلومتر مربع در مخزن OSM گنجانده شد . در مجموع 25,981,541 ساختمان در BODA برشمرده شد که 5474 کیلومتر مربع را پوشش می دهد .

3.1. مقایسه پوشش بررسی های ساختمانی برگرفته از منابع داده های مختلف

محتوای پایگاه های داده OSM و BODA با توجه به رویکردهای تجربی ارائه شده در یک مطالعه قبلی مقایسه شد (Hecht، 2013). اولین مورد بر اساس تعداد کل عناصر بررسی شده در پایگاه های داده مختلف، به عنوان مثال، بر اساس منطقه اداری بود. با این حال، این شمارش تضمین نمی کند که این دو بایگانی به یک نهاد ساختمانی ارجاع می دهند. مرحله دوم شامل شمارش مرکزهای ساختمان در پایگاه داده مرجع (BODA) بود که چند ضلعی های ساختمان ها در پایگاه داده OSM همپوشانی دارند. این مرحله جزئی‌تر از مرحله اول است، اما در نظر نمی‌گیرد که آیا عناصر موجود در مکان‌های مشابه دقیقاً همان موجودیت هستند یا خیر. مرحله سوم شامل تجزیه و تحلیل خاصی از سطح همپوشانی ساختمان های بررسی شده در دو بایگانی بود.

3.1.1. مقایسه مبتنی بر شمارش بین پایگاه‌های داده OSM و BODA

مقایسه بر اساس دو شاخص انجام شد: (1) تعداد ساختمان‌های OSM به تعداد ساختمان‌های موجود در BODA در همان منطقه. (ii) سطح کل (m2 ) ساختمان ها در پایگاه داده OSM در سطح کل ( m2) ساختمان های BODA در همان منطقه. در نظر گرفتن جداگانه تعداد ساختمان‌ها و مساحت سطح مرتبط ممکن است زمینه‌هایی را که کاربران ساختمان‌های مجاور را به عنوان یک ساختمان واحد تفسیر می‌کنند، متمایز کند. از آنجایی که بایگانی‌های اداری – مانند BODA – عمدتاً مبتنی بر اطلاعات کاداستر هستند، در حالی که کاربران OSM ساختمان‌ها را بر اساس سقفشان تشخیص می‌دهند، اختلاف نظرها اجتناب‌ناپذیر است و باید حداقل به طور غیرمستقیم تخمین زده شود. شاخصی که میزان پوشش OSM-to-BODA را برای تعداد ساختمان ها و مساحت ساختمان ها کمیت می کند، نشان دهنده چنین شرایطی است که اولی 54.4 و دومی به 66.5 برای ایتالیا می رسد ( جدول 3).). این مقادیر نشان‌دهنده نمایش بهتر ساختمان‌ها در پایگاه داده OSM از نظر مساحت سطح است و همچنین می‌تواند با تعریف/تفسیر احتمالاً متفاوت ساختمان‌های فردی/همجوار اتخاذ شده در منابع OSM و BODA توضیح داده شود. مقایسه شاخص ها بر اساس منطقه اداری امکان شناسایی مناطق ایتالیایی با پوشش فضایی OSM بزرگتر را فراهم می کند. تجزیه و تحلیل جداگانه سکونتگاه های شهری و روستایی، زمینه ناهمگونی خاصی را نشان داد، زیرا پایگاه داده OSM تعدادی از ساختمان های شهری را برمی شمارد که برابر با 59 درصد از ساختمان های شمارش شده در BODA است، در مقایسه با 47 درصد از ساختمان های روستایی. این ممکن است فرضیه قبلی در مورد پوشش متفاوت OSM در مناطق شهری و روستایی را تأیید کند. نتایج تجزیه و تحلیل تجربی نشان می دهد که آپولیا و ونتو به عنوان موارد قابل توجهی هستند که در آن ساختمان های شهری و روستایی به ترتیب در پایگاه داده OSM در مقایسه با منبع BODA بهتر نمایش داده می شوند. قابل ذکر است، نقشه ساختمان رسمی آپولیا (BODA) کاملاً منسوخ شناخته شده است و عناصر OSM ممکن است به طور قابل توجهی در به روز رسانی این نقشه نقش داشته باشند. در چنین مواردی، سوابق ساختمانی در OSM که در منابع اداری بررسی نشده‌اند، نمی‌توانند اشتباه/نامناسب تلقی شوند، زیرا بخشی از نقشه‌های منطقه تاریخ‌گذاری شده است و ساختمان‌های غیررسمی همچنان در برخی مناطق وجود دارند.
3.1.2. ایجاد انطباق Centroid بین پایگاه‌های داده OSM و BODA
از آنجایی که دو پایگاه داده ممکن است اشیاء (ساختمانی) متفاوتی را نشان دهند، مناسب است بیشتر بررسی شود که کدام نوع از اشیاء نقشه برداری OSM در BODA یافت می شود. برای این منظور، ما محاسبه کردیم که چند مرکز BODA در ساختمان های OSM قرار دارد. از این منظر، ما “سهم همپوشانی” [ 10 ] را مطابق با الگوهای فضایی محلی محاسبه کردیم. این روش شامل شمارش ساختمان های پایگاه داده مرجع است که در مرکز یک ساختمان پایگاه داده بررسی شده، OSM در این مورد قرار دارند ( شکل 4 ).
مناطق آپولیا و ونتو همراه با لیگوریا (93.2٪) و Friuli-Venezia-Giulia (88.2٪) در رتبه های اول قرار گرفتند. این نتایج همچنین ناهمگونی منطقه‌ای در نمایش ساختمان نمونه‌ای از پایگاه‌های داده OSM و BODA را مستند می‌کنند ( جدول 4 ).
3.1.3. یک رویکرد “شی گرا” بر اساس تقاطع چند ضلعی
رویکرد سوم در خلاصه کردن سطح کامل بودن و موقعیت‌یابی صحیح ساختمان‌ها در آرشیو OSM با توجه به داده‌های اداری اصلاح‌تر بود ( شکل 5 ). بزرگترین سطح تقاطع در آپولیا (92٪) مشاهده شد. مزیت اصلی این رویکرد این است که موضوع تعریف معنایی «ساختمان» را به عنوان یک شی نقشه‌کشی در نظر نمی‌گیرد، زیرا در بین پایگاه‌های داده تفاوت اساسی دارد.

4. نتیجه گیری

تجزیه و تحلیل انجام شده در این مطالعه پشتیبانی غیر مستقیم از بهبود مستمر OSM را فراهم می کند. در همان زمان، یک تجزیه و تحلیل مقایسه ای از پوشش OSM در سراسر مناطق ایتالیا، عدم قطعیت داده های مرجع و دشواری شناسایی منابع ناهمگونی را، هم در مورد کم برآوردها و هم در مورد تخمین بیش از حد اعداد ساختمان، مشخص می کند. یکی از منابع احتمالی ناهمگونی در این واقعیت نهفته است که ورود داده ها به OSM به روش های مختلفی از جمله جمع آوری داده ها در میدان، نقشه برداری از راه دور و واردات مستقیم از منابع مستقل صورت می گیرد. واردات مستقیم می‌تواند گاهی اوقات همپوشانی‌هایی بین OSM و پایگاه‌های داده مرجع ایجاد کند که باعث ایجاد یک دلیل اضافی برای بی‌ثباتی داده‌ها می‌شود. نظارت بر ادغام تدریجی محتویات OpenStreetMap (به عنوان مثال، بررسی دقیق طبقه بندی منابع داده ورودی که پوشش واقعی نقشه را تشکیل می دهد) – احتمالاً تمایز بین تلفیق داده های اولیه (مثلاً میدانی)، نقشه برداری از راه دور و واردات مستقیم از منابع خارجی و ثانویه – یک کار سخت اما چالش برانگیز است. در مناطق ایتالیایی که پایگاه‌های داده OSM دقیق‌تری دارند، منابع مختلف ناهمگونی می‌توانستند حتی شدیدتر از سایر زمینه‌های اجتماعی-اقتصادی عمل کنند. منطقه آپولیا را می توان نمونه ای نماینده از چنین پویایی در نظر گرفت. تحقیقات بیشتر در مورد تأثیر ناهمگونی منبع داده بر کامل بودن OSM برای استفاده آماری به ویژه در چنین زمینه‌هایی مورد نیاز است. نقشه برداری از راه دور و واردات مستقیم از منابع خارجی و ثانویه – یک کار به خصوص سخت اما چالش برانگیز است. در مناطق ایتالیایی که پایگاه‌های داده OSM دقیق‌تری دارند، منابع مختلف ناهمگونی می‌توانستند حتی شدیدتر از سایر زمینه‌های اجتماعی-اقتصادی عمل کنند. منطقه آپولیا را می توان نمونه ای نماینده از چنین پویایی در نظر گرفت. تحقیقات بیشتر در مورد تأثیر ناهمگونی منبع داده بر کامل بودن OSM برای استفاده آماری به ویژه در چنین زمینه‌هایی مورد نیاز است. نقشه برداری از راه دور و واردات مستقیم از منابع خارجی و ثانویه – یک کار به خصوص سخت اما چالش برانگیز است. در مناطق ایتالیایی که پایگاه‌های داده OSM دقیق‌تری دارند، منابع مختلف ناهمگونی می‌توانستند حتی شدیدتر از سایر زمینه‌های اجتماعی-اقتصادی عمل کنند. منطقه آپولیا را می توان نمونه ای نماینده از چنین پویایی در نظر گرفت. تحقیقات بیشتر در مورد تأثیر ناهمگونی منبع داده بر کامل بودن OSM برای استفاده آماری به ویژه در چنین زمینه‌هایی مورد نیاز است. منطقه آپولیا را می توان نمونه ای نماینده از چنین پویایی در نظر گرفت. تحقیقات بیشتر در مورد تأثیر ناهمگونی منبع داده بر کامل بودن OSM برای استفاده آماری به ویژه در چنین زمینه‌هایی مورد نیاز است. منطقه آپولیا را می توان نمونه ای نماینده از چنین پویایی در نظر گرفت. تحقیقات بیشتر در مورد تأثیر ناهمگونی منبع داده بر کامل بودن OSM برای استفاده آماری به ویژه در چنین زمینه‌هایی مورد نیاز است.
علیرغم عدم قطعیت پنهان در استفاده مستقل از آرشیوهای OSM به عنوان ورودی مستقیم به آمار رسمی، مطالعه ما تلاش‌های بیشتر برای بررسی نقش پایگاه‌های داده باز در ارزیابی‌های نقشه‌برداری در مقیاس بزرگ ساختمان‌های فردی با دقت فضایی و معنایی کافی را توجیه کرد. در حالی که به نظر می رسد نتایج تجربی این مطالعه استفاده از OSM را به عنوان جایگزین BODA منع می کند، ما نشان می دهیم که، حداقل در مناطق خاصی از ایتالیا، OSM ممکن است منبع معتبری از اطلاعات برای توزیع فضایی انواع و اندازه های مختلف باشد. ساختمان ها – کمک به تأیید کیفیت و دقت منابع رسمی به ویژه در زمینه های خاص. با فرض پوشش کمتر (با توجه به منابع رسمی) OSM در مناطق روستایی، نتایج تجربی مطالعه ما نیز برای کاربرانی که می‌خواهند نقشه‌برداری ساختمان‌ها را در مناطق زیر پوشش شروع کنند، جالب است. با این حال، کاری از این نوع نیاز به توجه ویژه دارد زیرا همه مقامات منطقه ای در ایتالیا، و همچنین در سایر زمینه های اروپایی، مجوزهای داده سازگار با داده های OSM را اعطا نمی کنند. تحقیقات آینده باید در نهایت بر اجرای شاخص‌های جدید برای آزمایش کامل بودن داده‌های OSM متمرکز شود و ویژگی‌های ذاتی ساختمان‌ها را به‌عنوان اطلاعات تکمیلی و نه ثانویه در نظر بگیرد. هدف نهایی چنین مطالعاتی به وضوح بهبود دقت مکانیزم های کدگذاری جغرافیایی است، به طوری که آرشیو OSM برای اهداف اداری و آماری قابل اعتمادتر می شود. با این حال، کاری از این نوع نیاز به توجه ویژه دارد زیرا همه مقامات منطقه ای در ایتالیا، و همچنین در سایر زمینه های اروپایی، مجوزهای داده سازگار با داده های OSM را اعطا نمی کنند. تحقیقات آینده باید در نهایت بر اجرای شاخص‌های جدید برای آزمایش کامل بودن داده‌های OSM متمرکز شود و ویژگی‌های ذاتی ساختمان‌ها را به‌عنوان اطلاعات تکمیلی و نه ثانویه در نظر بگیرد. هدف نهایی چنین مطالعاتی به وضوح بهبود دقت مکانیزم های کدگذاری جغرافیایی است، به طوری که آرشیو OSM برای اهداف اداری و آماری قابل اعتمادتر می شود. با این حال، کاری از این نوع نیاز به توجه ویژه دارد زیرا همه مقامات منطقه ای در ایتالیا، و همچنین در سایر زمینه های اروپایی، مجوزهای داده سازگار با داده های OSM را اعطا نمی کنند. تحقیقات آینده باید در نهایت بر اجرای شاخص‌های جدید برای آزمایش کامل بودن داده‌های OSM متمرکز شود و ویژگی‌های ذاتی ساختمان‌ها را به‌عنوان اطلاعات تکمیلی و نه ثانویه در نظر بگیرد. هدف نهایی چنین مطالعاتی به وضوح بهبود دقت مکانیزم های کدگذاری جغرافیایی است، به طوری که آرشیو OSM برای اهداف اداری و آماری قابل اعتمادتر می شود. تحقیقات آینده باید در نهایت بر اجرای شاخص‌های جدید برای آزمایش کامل بودن داده‌های OSM متمرکز شود و ویژگی‌های ذاتی ساختمان‌ها را به‌عنوان اطلاعات تکمیلی و نه ثانویه در نظر بگیرد. هدف نهایی چنین مطالعاتی به وضوح بهبود دقت مکانیزم های کدگذاری جغرافیایی است، به طوری که آرشیو OSM برای اهداف اداری و آماری قابل اعتمادتر می شود. تحقیقات آینده باید در نهایت بر اجرای شاخص‌های جدید برای آزمایش کامل بودن داده‌های OSM متمرکز شود و ویژگی‌های ذاتی ساختمان‌ها را به‌عنوان اطلاعات تکمیلی و نه ثانویه در نظر بگیرد. هدف نهایی چنین مطالعاتی به وضوح بهبود دقت مکانیزم های کدگذاری جغرافیایی است، به طوری که آرشیو OSM برای اهداف اداری و آماری قابل اعتمادتر می شود.

منابع

  1. گیرس، جی اف. Touya, G. ارزیابی کیفیت مجموعه داده OpenStreetMap فرانسه. ترانس. GIS 2010 ، 14 ، 435-459. [ Google Scholar ] [ CrossRef ]
  2. موندزچ، جی. Sester، M. تجزیه و تحلیل کیفیت داده های OpenStreetMap بر اساس نیازهای برنامه. کارتوگر. بین المللی جی. جئوگر. Inf. Geovisualization 2011 ، 46 ، 115-125. [ Google Scholar ] [ CrossRef ]
  3. فن، اچ. Zipf، A.; فو، س. Neis, P. ارزیابی کیفیت برای ایجاد داده های ردپایی در OpenStreetMap. بین المللی جی. جئوگر. Inf. علمی 2014 ، 28 ، 700-719. [ Google Scholar ] [ CrossRef ]
  4. ما، دی. سندبرگ، ام. Jiang, B. مشخص کردن ناهمگونی داده ها و جامعه OpenStreetMap. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 535-550. [ Google Scholar ] [ CrossRef ]
  5. گودچایلد، ام. شهروندان به عنوان حسگرها: دنیای جغرافیای داوطلبانه. ژئوژورنال 2007 ، 69 ، 211-221. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  6. ترنر، الف. مقدمه ای بر جغرافیای جدید. 2006. موجود به صورت آنلاین: https://proquestcombo.safaribooksonline.com/0596529953 (در 30 نوامبر 2021 قابل دسترسی است).
  7. سالواتی، L. به سمت یک منطقه چند مرکزی؟ سیر اجتماعی-اقتصادی رم، شهر مدیترانه ای ابدی. Tijdschr. Voor Econ. En Soc. Geogr. 2014 ، 105 ، 268-284. [ Google Scholar ] [ CrossRef ]
  8. بسیوکا، اس. پوتسیو، سی. Bakogiannis، E. OpenStreetMap برای اهداف کاداستر: یک برنامه کاربردی با استفاده از VGI برای فرآیندهای رسمی در مناطق شهری. Surv. Rev. 2015 , 47 , 1752270615Y.000. [ Google Scholar ] [ CrossRef ]
  9. هاکلی، م. Weber, P. OpenStreetMap: نقشه های خیابانی توسط کاربر. محاسبات فراگیر IEEE 2008 ، 7 ، 12-18. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  10. Hecht, R. اندازه گیری کامل بودن ردپای ساختمان در OpenStreetMap در مکان و زمان. ISPRS Int. J. Geo-Inf. 2013 ، 2 ، 1066-1091. [ Google Scholar ] [ CrossRef ]
  11. زامبون، آی. کولانتونی، ا. Salvati، L. رشد افقی در مقابل عمودی: درک الگوهای نهفته گسترش شهری در مناطق بزرگ شهری. علمی کل محیط. 2019 ، 654 ، 778-785. [ Google Scholar ] [ CrossRef ]
  12. دوورنوی، آی. زامبون، آی. ساتریانو، آ. Salvati, L. تصاویری از آن سوی حاشیه: رشد شهری و کشاورزی حومه شهری در یک شهر فراصنعتی (تولوز، فرانسه). J. Rural Stud. 2018 ، 57 ، 25-35. [ Google Scholar ] [ CrossRef ]
  13. زامبون، آی. Benedetti، A. فرارا، سی. Salvati، L. مسائل خاک؟ تجزیه و تحلیل چند متغیره از محدودیت های اجتماعی-اقتصادی برای گسترش شهری در اروپای مدیترانه. Ecol. اقتصاد 2018 ، 146 ، 173-183. [ Google Scholar ] [ CrossRef ]
  14. سالواتی، ال. Ciommi، MT; سرا، پ. چلی، FM بررسی ساختار فضایی قیمت مسکن تحت گسترش و رکود اقتصادی: نقش عوامل اجتماعی و جمعیت شناختی در کلان شهر رم، ایتالیا. سیاست کاربری زمین 2019 ، 81 ، 143-152. [ Google Scholar ] [ CrossRef ]
  15. پیلی، س. گریگوریادیس، ای. کارلوچی، ام. کلمنته، ام. سالواتی، L. به سوی رشد پایدار؟ ارزیابی چند معیاره (در حال تغییر) اشکال شهری. Ecol. اندیک. 2017 ، 76 ، 71-80. [ Google Scholar ] [ CrossRef ]
  16. کاظم زاده زو، ع. زنگنه شهرکی، س. سالواتی، ال. سامانی، NN رویکرد پهنه بندی فضایی برای واسنجی و اعتبارسنجی مدل های رشد شهری. بین المللی جی. جئوگر. Inf. علمی 2017 ، 31 ، 763-782. [ Google Scholar ] [ CrossRef ]
  17. کارلوچی، ام. چلی، اف.ام. سالواتی، L. به سوی یک چرخه جدید: پویایی کوتاه مدت جمعیت، اصیل سازی، و شهرنشینی مجدد میلان (ایتالیا). پایداری 2018 ، 10 ، 3014. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  18. Fonte, CC; Patriarca، JA; مینگینی، ام. آنتونیو، وی. ببینید، L. Brovelli، MA با استفاده از OpenStreetMap برای ایجاد کاربری زمین و نقشه پوشش زمین توسعه یک برنامه کاربردی. در اطلاعات جغرافیایی داوطلبانه و آینده داده‌های مکانی، ویرایش شده توسط کلودیو الیزیو کالاازان کامپلو، میشلا برتولتو، پادرایگ کورکوران ؛ IGI Global: آمستردام، هلند، 2019؛ صص 1100–1123. [ Google Scholar ]
  19. احمد، ع. Hochmair، HH; Cvetojevic، S. تجزیه و تحلیل اثر زلزله بر الگوهای مشارکت OpenStreetMap و فعالیت های توییت. ژئو اسپات. Inf. علمی 2018 ، 21 ، 195-212. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. Sui, DZ Wwikification of GIS و پیامدهای آن: یا خالکوبی جدید آنجلینا جولی و آینده GIS. محاسبه کنید. محیط زیست سیستم شهری 2008 ، 32 ، 1-5. [ Google Scholar ] [ CrossRef ]
  21. باجوکو، اس. سکارلی، تی. اسمیراگلیا، دی. سالواتی، ال. Ricotta, C. مدل سازی طاقچه اکولوژیکی تغییرات کاربری طولانی مدت زمین: نقش عوامل بیوفیزیکی. Ecol. اندیک. 2016 ، 60 ، 231-236. [ Google Scholar ] [ CrossRef ]
  22. سالواتی، ال. زیتی، م. Sateriano، A. تغییرات در نمای عمودی شهر به عنوان شاخصی از گسترش: شواهد از یک منطقه شهری مدیترانه. Habitat Int. 2013 ، 38 ، 119-125. [ Google Scholar ] [ CrossRef ]
  23. بروولی، MA; مینگینی، ام. مولیناری، من; Zamboni، G. ارزیابی دقت موقعیت لایه ساختمان‌های OpenStreetMap از طریق تشخیص خودکار جفت‌های همولوگ: روش و مطالعه موردی. ISPRS-Int. قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2016 ، 49 ، 615-620. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  24. فرانزینی، م. آنووازی-لودی، ال. Casella، V. ارزیابی کامل بودن OpenStreetMap و Google Maps برای استان پاویا (ایتالیا). در مجموعه مقالات ششمین کنفرانس بین المللی نظریه، کاربردها و مدیریت سیستم های اطلاعات جغرافیایی، پراگ، جمهوری چک، 7 تا 9 مه 2020؛ ص 270-277. [ Google Scholar ] [ CrossRef ]
  25. سیومی، ام. چلی، اف.ام. کارلوچی، ام. سالواتی، L. رشد شهری و پویایی جمعیتی در جنوب اروپا: به سوی یک رویکرد آماری جدید به علم منطقه ای. Sustainability 2018 , 10 , 2765. [ Google Scholar ] [ CrossRef ][ Green Version ]
  26. سیومی، ام. چلی، اف.ام. Salvati، L. ادغام تجزیه و تحلیل چند متغیره پارامتریک و ناپارامتریک رشد شهری و الگوهای رفت و آمد در یک منطقه شهری اروپایی. کیفیت مقدار. 2019 ، 53 ، 957–979. [ Google Scholar ] [ CrossRef ]
  27. باجوکو، اس. دراگاز، ای. گیتاس، آی. اسمیراگلیا، دی. سالواتی، ال. ریکوتا، سی. نقشه برداری سوخت های جنگلی از طریق فنولوژی گیاهی: نقش سری های زمانی ماهواره ای با وضوح درشت. PLoS ONE 2015 ، 10 ، e0119811. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  28. سالواتی، ال. گواندالینی، آ. کارلوچی، ام. چلی، FM ارزیابی تجربی توسعه انسانی از طریق سنجش از دور: شواهدی از ایتالیا. Ecol. اندیک. 2017 ، 78 ، 167-172. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00029 g001 550
شکل 1. نمونه ای از توزیع فضایی درصد سهم مساحت ساختمان OSM در کل مساحت سکونتگاه ها به دست آمده از بایگانی اداری (TP) در شهرداری میلان [ 23 ].
Ijgi 11 00029 g002 550
شکل 2. شناسایی ساختمان ها از پایگاه داده مرجع (همپوشانی ویژگی های نقشه های گوگل (تصویر) و نقشه خیابان باز (نقطه): نمونه ای از تریولزیو، پاویا، ایتالیای شمالی (فرانزینی و همکاران، 2020).
Ijgi 11 00029 g003 550
شکل 3. ( سمت چپ ) یک مثال تصویری از مقایسه داده های ساختمان مشتق شده از ژئوپورتال ملی (GPN_12_ED) و پایگاه داده OSM (OSM_12) در یک مکان کاملاً شهری در رم، ایتالیا مرکزی (قرمز و مشکی چند ضلعی های ساختمان را نشان می دهد. به ترتیب از طریق OSM و BODA شناسایی می شوند). پوشش کامل OSM با توجه به آرشیو BODA در اینجا مستند شده است. ( سمت راست ) همپوشانی فضایی محتوای آرشیو OSM و BODA: نمونه ای از Frosolone، یک شهرداری روستایی در Molise، جنوب ایتالیا. پوشش جزئی OSM با توجه به BODA در اینجا مستند شده است.
Ijgi 11 00029 g004 550
شکل 4. نمونه ای از پوشش مرکزی ساختمان BODA بر روی پایگاه داده ساختمان OSM برای شهرداری Frosolone، Molise (جنوب ایتالیا).
Ijgi 11 00029 g005 550
شکل 5. نمونه هایی از تقاطع ساختمان و محاسبه سطح ساخته شده مربوطه در Frosolone، Molise.

مقالات داخلی و بین المللی

مطالب مرتبط ...

1 نظر

دیدگاهتان را بنویسید