خلاصه

پایگاه داده اشیاء توپوگرافی (DTO) پایگاه رسمی لهستان برای جمع آوری و ارائه داده های مکانی با سطح جزئیات نقشه توپوگرافی است. DTOهای ملی لهستان اطلاعات مربوط به موقعیت مکانی و مقادیر ویژگی اشیاء جغرافیایی را مدیریت می کنند. داده ها در DTO نقطه شروع سیستم های اطلاعات جغرافیایی (GIS) برای دولت های مختلف مرکزی و محلی و همچنین موسسات خصوصی هستند. هر مجموعه ای از داده های مکانی مبتنی بر داده های حاصل از اندازه گیری مستعد عدم قطعیت است. بنابراین، آگاهی گسترده از عدم قطعیت داده ها برای همه کاربران GIS اهمیت حیاتی دارد. تکنیک‌های تجسم کارتوگرافی یک رویکرد مؤثر برای اطلاع‌رسانی به کاربران داده‌های مکانی در مورد عدم قطعیت داده‌ها است. هدف این تحقیق تعریف مجموعه‌ای از روش‌ها برای تجسم عدم قطعیت داده‌های DTO با استفاده از دانش و تجربه متخصص بود. این مجموعه شامل تکنیک های تجسم برای ارائه سه نوع عدم قطعیت است: موقعیتی، ویژگی و زمانی. عدم قطعیت موقعیت برای اشیاء نقطه‌ای با استفاده از متغیرهای بصری، پر شدن اشیا با رنگ و روشنایی، و علامت‌های علامت‌گذاری شده در موقعیت نمادهای نقشه ارائه شد. عدم قطعیت موقعیت برای اجسام خطی با استفاده از خطوط خطی اشیاء ساخته شده از خطوط نقطه چین و گلیف در رئوس ارائه شد. چگالی دانه پر و تردی کانتور برای نشان دادن عدم قطعیت موقعیت برای اجسام سطحی استفاده شد. عدم قطعیت مقدار ویژگی و عدم قطعیت زمانی با استفاده از چگالی دانه پر و مقدار رنگ پر نشان داده شد. مجموعه پیشنهادی روش‌های تجسم عدم قطعیت DTO، آرایه محدودی از تکنیک‌های تجسم را ارائه می‌کند که می‌توانند آزمایش و کنار هم قرار گیرند. روش‌های تجسم در یک نظرسنجی بین کارشناسانی که از پایگاه‌های اطلاعاتی فضایی استفاده می‌کنند، به‌طور جامع مورد ارزیابی قرار گرفت. نتایج تحلیل ترجیحات کاربر نشان داده است که مجموعه تکنیک‌های تجسم عدم قطعیت داده‌های DTO ممکن است تا حد کامل اعمال شود. اجرای آینده روش‌های تجسم پیشنهادی در پایگاه‌های اطلاعاتی GIS به کاربران داده کمک می‌کند تا مقادیر را به درستی تفسیر کنند. نتایج تحلیل ترجیحات کاربر نشان داده است که مجموعه تکنیک‌های تجسم عدم قطعیت داده‌های DTO ممکن است تا حد کامل اعمال شود. اجرای آینده روش‌های تجسم پیشنهادی در پایگاه‌های اطلاعاتی GIS به کاربران داده کمک می‌کند تا مقادیر را به درستی تفسیر کنند. نتایج تحلیل ترجیحات کاربر نشان داده است که مجموعه تکنیک‌های تجسم عدم قطعیت داده‌های DTO ممکن است تا حد کامل اعمال شود. اجرای آینده روش‌های تجسم پیشنهادی در پایگاه‌های اطلاعاتی GIS به کاربران داده کمک می‌کند تا مقادیر را به درستی تفسیر کنند.

کلید واژه ها:

تحلیل فضایی ; GIScience ; کیفیت داده های مکانی ؛ تجسم عدم قطعیت

1. معرفی

سیستم های اطلاعات مکانی برای مدیریت مقادیر زیادی از اطلاعات در مورد اشیاء جغرافیایی که پدیده های دنیای واقعی را نشان می دهند، طراحی شده اند. هر مجموعه ای از داده های مکانی مبتنی بر داده های اندازه گیری شده مستعد عدم قطعیت است که به اشکال مختلف بیان می شود. اگر عدم قطعیت نادیده گرفته شود، نتایج تحلیل‌ها منطقی باقی می‌مانند، اما تحقیقات نتایج نادرست یا حتی گمراه‌کننده‌ای را به همراه خواهد داشت. بنابراین، اعتماد به سیستم اطلاعاتی که عدم قطعیت داده ها را نادیده می گیرد، تضعیف می شود. از این رو، آگاهی گسترده از عدم قطعیت داده ها برای همه کاربران سیستم اطلاعات مکانی اهمیت حیاتی خواهد داشت [ 1 ].

موضوع عدم قطعیت داده های مکانی توسط محققان متعددی که از زوایای مختلف به آن نگاه کرده اند، بررسی شده است. حوزه های اصلی مورد علاقه شامل تأثیر عدم قطعیت داده ها بر نتایج تحلیل فضایی [ 2 ، 3 ، 4 ]، اطلاع رسانی به کاربران در مورد عدم قطعیت داده ها با استفاده از فراداده [ 5 ، 6 ، 7 ]، و مدل سازی مفهومی انواع مختلف عدم قطعیت بسته به نوع است. از مشکل بررسی شده [ 8 ، 9 ]. عدم قطعیت مجموعه داده های فضایی با رویکردهای غیر استاندارد نیز تحلیل شده است. برخی از آنها نظریه توابع باور، قضیه احتمال شرطی بیز یا منطق فازی بودند.10 ، 11 ].

امروزه محبوب ترین روش برای اطلاع رسانی به کاربران در مورد عدم قطعیت داده های مکانی مجموعه های ابرداده در قالب فایل های متنی است. فراداده عمدتاً برای توانمندسازی کاربران برای ارزیابی ارزش عملی مجموعه داده ها استفاده می شود. با این حال، مزایای دسترسی به چنین ابرداده‌هایی محدود است، زیرا درک محتوا و شکل آنها برای کاربران استاندارد و حتی برای کارشناسان سیستم اطلاعات جغرافیایی ممکن است چالش‌برانگیز باشد [ 12 ]. به همین دلیل، فراداده فایل متنی، کاربردی ترین وسیله برای ارتباط عدم قطعیت داده های مکانی نیست.

تکنیک‌های تجسم نقشه‌کشی یکی دیگر از رویکردهای عملی برای اطلاع‌رسانی به کاربران داده‌های مکانی در مورد عدم قطعیت داده‌ها است. چنین تکنیک هایی به ویژه برای انتقال اطلاعات برای مجموعه داده های بزرگ قدرتمند هستند. بینایی انسان به ساختارها و روابط حساس است. گرافیک و تجسم کارتوگرافی ابزاری طبیعی برای انعکاس ساختار فضایی هستند. ارائه بصری پدیده ها یک ابزار ارتباطی موثر است که می تواند حجم زیادی از اطلاعات را مدیریت کند [ 13 ].

هدف از این کار، تعریف مجموعه‌ای از تکنیک‌ها برای تجسم عدم قطعیت DTO و سپس تخمین جامع آن‌ها با استفاده از نظرسنجی پرسش‌نامه در میان کارشناسانی بود که از پایگاه‌های داده فضایی استفاده می‌کردند.

2. مواد و روشها

2.1. روش‌های تجسم عدم قطعیت داده‌های مکانی

الزامات اصلی برای روش تجسم کیفیت داده های مکانی، انتخاب صحیح روش های ارائه نقشه برداری و کیفیت تصویر خوب است. عواملی مانند مقیاس، ویژگی‌های مکانی و زمانی، تغییرات محلی در کیفیت داده‌ها و عملکرد محاسباتی نیز ضروری هستند [ 14 ]. اطلاعات کیفیت داده اغلب با استفاده از مقیاسی که سطح جزئیات ارائه ویژگی های عدم قطعیت داده بهینه شده است، تولید و تجسم می شود. از این رو، اطلاعات مربوطه در مقیاس خاصی نمایش داده می شود و در مقیاس های مختلف روی نقشه ها نمایش داده نمی شود.

متغیرهای گرافیکی مورد استفاده باید ارائه اطلاعات در مورد کیفیت داده مربوط به موقعیت مکانی و زمانی دقیق را تسهیل کنند. از نقطه نظر استاندارد، کیفیت مجموعه داده‌ها به‌عنوان یک کل ممکن است رضایت‌بخش باشد و تنها برخی مکان‌ها از کیفیت هدف منحرف شوند. چنین مناطقی معمولاً مورد توجه کاربران هستند. در نتیجه، متغیرهای بصری باید توجه کاربر را به این مناطق جلب کنند که تغییرات محلی در کیفیت داده‌های مکانی را نشان می‌دهند. تکنیک‌های تجسم کارتوگرافی مدرن، منابع محاسباتی قابل توجهی را برای تولید و نمایش اطلاعات کیفیت داده مصرف می‌کنند. بنابراین، توصیه می‌شود از چنین تکنیک‌هایی برای تولید اطلاعات بصری استفاده شود که از ارائه کافی با کیفیت بالا و مبتنی بر واقعیت از عدم قطعیت برای داده‌های مکانی اطمینان حاصل کند.

عدم قطعیت ذاتی مجموعه داده های فضایی است و ممکن است به تصمیم گیری ضعیف کمک کند. زمانی که کاربر توزیع عدم قطعیت داده های مورد استفاده خود را درک کند، احتمال تصمیمات اشتباه بسیار کمتر است. از این رو، برخی از مطالعات تجربی بیش از ده سال بر روی ابداع یک روش موثر برای تجسم عدم قطعیت متمرکز شده‌اند. MacEachren [ 15 ] سه نوع روش تجسم عدم قطعیت را پیشنهاد کرد: نقشه های مجاور، نقشه های دو متغیره و نمایش پویا.

روش نقشه های مجاور شامل دو نقشه مجزا است که پدیده های فضایی بررسی شده و عدم قطعیت داده های مربوطه را نشان می دهد. تکنیک نقشه دو متغیره شامل ارائه داده ها و عدم قطعیت بر روی یک نقشه واحد با استفاده از دو متغیر گرافیکی مختلف برای نمایش پدیده ها است. متغیرهای پویا به تلقین بصری کمک می کنند، که منجر به علامت گذاری انیمیشن ها روی نقشه نمایش داده شده روی صفحه کامپیوتر می شود. انیمیشن های مورد استفاده برای نمایش عدم قطعیت داده های مکانی چشمک زدن، چرخش و پالس ها هستند [ 15 ].

اجزای مسئول کیفیت داده های مکانی، یعنی کامل بودن، سازگاری و دقت، می توانند از طریق متغیرهای گرافیکی به کاربر مجموعه داده ارائه شوند که به آنها متغیرهای بصری نیز گفته می شود. برتین [ 16 ] طبقه بندی متغیرهای بصری مورد استفاده در سیستم های جغرافیایی را پیشنهاد کرد. اندازه، سبکی، بافت، شکل، جهت و رنگ متغیرهای اولیه در نظر گرفته می شوند. رشد انقلابی طراحی گرافیک کامپیوتری متغیرهای پویا مانند همگام سازی، لحظه نمایش، ترتیب، فرکانس، نرخ تغییر و مدت زمان را ارائه می دهد [ 17 ].

پالت رنگ و اشباع را می توان برای نشان دادن عدم قطعیت در نقشه های مجاور استفاده کرد [ 17 ]. در روش ساختار داده سلسله مراتبی، متغیر بصری مورد استفاده، الگوی مناسب انتخاب شده است. عدم قطعیت به‌عنوان یک پوشش لایه‌ای شفاف، شکلی از کاشی کاری یک سطح با چند ضلعی بدون شکاف یا همپوشانی، بر روی نقشه‌ای با پدیده فضایی مورد بررسی ارائه می‌شود [ 18 ]. ضخامت ریزتر مناطقی با عدم قطعیت کمتر را نشان می‌دهد، در حالی که لایه‌بندی درشت نشان‌دهنده مناطقی با عدم قطعیت بیشتر است.

رنگ در حال حاضر یکی از مهم ترین متغیرهای بصری مورد استفاده در نمایش کارتوگرافی است زیرا پتانسیل کاربردی آن برای صفحه نمایش رایانه، صفحه نمایش تبلت و غیره و دسترسی عمومی به مواد چاپی رنگی است. سه پارامتر رنگ اصلی، رنگ، روشنایی و اشباع، طیف فضای رنگ را برای تجسم عدم قطعیت داده‌های مکانی ایجاد می‌کنند. در یکی از روش‌ها، رنگ‌های قرمز، سبز، آبی صفحه نمایش (RGB) به مقدار اشباع رنگ (HSV) تبدیل می‌شوند که نحوه ثبت تصاویر بینایی انسان را در نظر می‌گیرد. در مرحله بعد، رنگ برای انتقال اطلاعات در مورد پدیده فضایی علاقه و اشباع و روشنایی نشان دهنده عدم قطعیت داده استفاده می شود [ 19 ].

نمادهای تصویری یا حروف نگارشی را می توان برای نشان دادن عدم قطعیت به روشی یکپارچه استفاده کرد. Pang [ 20 ] نشان داد که نمادهای تصویری را می توان برای تجزیه و تحلیل عدم قطعیت جهت باد که به صورت میدان های برداری نمایش داده می شود استفاده کرد. گلیف ها به صورت فلش نشان داده شدند. عرض سر با عدم قطعیت زاویه ای مطابقت دارد و اندازه میدان برداری در کل منطقه مورد نظر توضیح داده شده است.

عدم قطعیت داده ها را می توان از طریق استفاده از کانتور نیز منتقل کرد. خطوط کانتور از رنگ های مختلف برای نشان دادن متغیرهای مختلف و عدم قطعیت های مربوط به آنها با شدت رنگ استفاده می شود [ 20 ]. به همین ترتیب، عرض کانتور و سبک خط نقطه چین ممکن است نشان دهنده عدم قطعیت باشد. برودلی و همکاران [ 21 ] یک روش تجسم عدم قطعیت موقعیتی را توصیف می کند که به موجب آن عرض شکاف خط کانتور مستقیماً با عدم قطعیت متناسب است.

استعاره های فوکوس روشی برای انعکاس عدم قطعیت داده ها است که بر اساس شناخت انسان، تمرکز بر تصاویر فازی است. داده های نامشخص خارج از فوکوس ارائه می شوند که وضوح آنها را کاهش می دهد. داده های خاص بیشتری با تصاویر واضح یا متمرکز ارائه می شوند [ 19 ]. به عنوان مثال، مرزهای نامشخص مه آلود هستند، در حالی که مرزهایی که الزامات کیفیت داده را برآورده می کنند با استفاده از خطوط واضح نشان داده می شوند. تکنیک دیگر در این روش تجسم، استفاده از کدورت است. عدم قطعیت های کمتر به عنوان تصاویر کمتر مات درک می شوند. داده های با عدم قطعیت بالا نامشخص هستند [ 22 ].

انیمیشن های صفحه کامپیوتر روشی موثر برای ارائه عدم قطعیت داده های فضایی هستند. یکی از این تکنیک‌های تجسم عدم قطعیت، نقشه‌ای با نمادهای نقشه متحرک و ضربانی است که داده‌های نامشخص در نظر گرفته شده را نشان می‌دهد [ 23 ]. روش “مناطق چشمک زن” شامل کلاس های داده ای روی هم قرار گرفته و یک لایه عدم قطعیت به طور متناوب نمایش داده می شود [ 24 ]. در روش “پیکسل چشمک زن”، داده ها با استفاده از پیکسل های چشمک زن که رنگ خود را تغییر می دهند، نمایش داده می شوند. فراوانی تغییرات متناسب با عدم قطعیت داده ها است [ 25 ].

استفاده از ابزارهای احتمالی در نرم‌افزار نوع GIS، نمایش عدم قطعیت را با توابع احتمال جمع‌آوری‌شده برای هر شی در پایگاه داده تسهیل می‌کند. اشباع رنگ را می توان برای نمایش مقادیر یا احتمال انتخاب شده بسته به مقدار کمی یا آستانه انتخاب شده استفاده کرد [ 26 ].

تکنیک‌های تجسم عدم قطعیت داده‌ها و ویژگی‌های داده مربوطه را می‌توان با یک نمودار رسمی مدل‌سازی کرد. مدل روش‌های تجسم عدم قطعیت داده مجموعه‌ای از اصول برای توصیف عدم قطعیت مجموعه داده‌ها با متغیرهای بصری است. مدل در شکل 1 تکنیک های تجسم را به ویژگی های عدم قطعیت داده پیوند می دهد. روش های تجسم بسته به تعامل به سه دسته اصلی طبقه بندی می شوند: ایستا، پویا و تعاملی [ 19 ].

سایر عوامل اساسی در مدل، انواع عدم قطعیت و انواع و قالب های داده ها هستند ( شکل 1 ). سه نوع اصلی عدم قطعیت عبارتند از عدم قطعیت موقعیتی، ویژگی و زمانی. عدم قطعیت موقعیت عمدتاً به دقت مختصات نشان داده شده مربوط می شود. عدم قطعیت ویژگی ویژگی داده های مکانی است که صحت مقادیر مشخصه را که ممکن است از انواع داده های مختلف باشد منعکس می کند. عدم قطعیت زمانی مربوط به تغییر داده ها در طول زمان است و واحد پول داده ها را در مقایسه با فراوانی مورد نیاز به روز رسانی ها بیان می کند [ 27 ].

از نظر موقعیت مکانی، داده ها می توانند پیوسته یا مقوله ای باشند. داده های پیوسته برای هر نقطه از فضای جغرافیایی مورد علاقه مانند توپوگرافی تعریف می شود. داده های طبقه بندی شامل اشیاء با مرز می شود. آنها با نقاط، خطوط و چند ضلعی نشان داده می شوند. موقعیت مکانی اشیاء جغرافیایی با استفاده از دو روش جمع آوری داده اولیه تعیین می شود. اولین مورد، اندازه‌گیری‌های میدانی، عمدتاً نقشه‌برداری زمین، موقعیت‌یابی سیستم ماهواره‌ای ناوبری جهانی (GNSS) و تشخیص نور و محدوده (LiDAR) است. روش دیگر، اندازه‌گیری‌های کارتومتری روی نقشه‌های ارتوفتو یا آنالوگ یا تصویر دیجیتال کالیبره‌شده آن است. در نتیجه، داده‌هایی که اشیاء فضایی را توصیف می‌کنند در قالب بردار یا شطرنجی می‌آیند [ 19 ].

رشد پویا روش‌های تجسم عدم قطعیت داده‌های مکانی منجر به نیاز واقعی به بررسی قابلیت استفاده تکنیک‌های تجسم شد. ایوانز [ 28 ] اثربخشی دو روش تجسم عدم قطعیت داده، نقشه های مجاور و مناطق چشمک زن را بررسی کرد. شصت و شش شرکت کننده در این نظرسنجی کاربران مبتدی و متخصص GIS بودند. این مطالعه هیچ تفاوت معنی‌داری را در تفسیر تجسم‌های عدم قطعیت در دو گروه نشان نداد. کلیبرن و همکاران [ 29] ارزش عملی سه روش تجسم را مورد بررسی قرار داد: اشباع رنگ، شفافیت نماد، و حروف. این مطالعه شامل گفتگوهای غیررسمی با کارشناسان GIS، محققان یا افسران مدیریت دولتی بود. شرکت کنندگان دو روش اول را به طور مداوم ارزیابی کردند، اما در مورد تکنیک تجسم عدم قطعیت دوم نظرات متفاوتی داشتند.

کاردوس و همکاران [ 24 ] نظرسنجی های آنلاین در مورد نه تکنیک تجسم انجام داد. شرکت کنندگان جذابیت بصری، زمان لازم برای درک صحیح پدیده ها و اثربخشی کلی را ارزیابی کردند. با توجه به آزمایش‌ها، عدم قطعیت مقدار ویژگی باید با استفاده از مناطق چشمک زن نشان داده شود. مطالعه دیگری در مورد قابلیت استفاده از روش‌های تجسم عدم قطعیت بر انتخاب بهترین تکنیک‌ها برای چهار گروه کاربر بسته به آنچه که از داده‌های مکانی برای آن استفاده می‌کنند متمرکز بود: GIS، آمار، پشتیبانی تصمیم‌گیری و برنامه‌ریزی شهری [ 30 ].]. چهار روش از نظر عملکرد و ترجیحات کاربر به عنوان مثال، نقشه‌های مجاور، کانتورینگ، گلیف‌ها و نوارهای خطا مورد تجزیه و تحلیل قرار گرفتند. بر اساس این نظرسنجی، بهترین روش تجسم عدم قطعیت داده برای هر چهار حوزه، نقشه های کانتور بود.

2.2. تجسم عدم قطعیت داده در پایگاه داده اشیاء توپوگرافی (DTO)

پایگاه داده اشیاء توپوگرافی (DTO) پایگاهی برای جمع آوری و ارائه داده های مکانی با سطح جزئیات یک نقشه توپوگرافی در مقیاس 1:10000 و پایین تر است. در اروپا، DTOهای ملی داده ها را عمدتاً در مورد شبکه هیدروگرافی، شبکه حمل و نقل، تاسیسات، پوشش زمین، ساختمان ها و سازه ها جمع آوری و ارائه می کنند. در اتحادیه اروپا (EU)، دستورالعمل INSPIRE یک زیرساخت داده فضایی اروپا را برای همه کشورهای عضو و کشورهای اتحادیه تجارت آزاد اروپا (EFTA) مشخص می کند [ 31 ، 32]. از این رو، پایگاه‌های اطلاعاتی رسمی فضایی و پایگاه‌های اطلاعاتی اشیاء توپوگرافی تقریباً به همین روش سازماندهی شده‌اند. تفاوت ها در نمایش نقشه برداری داده های مکانی آشکار است. علل اولیه اشکال مختلف بازنمایی شیء جغرافیایی، ویژگی‌های مختلف محیط جغرافیایی و سنت‌های مختلف نقشه‌برداری در کشورهای منفرد است [ 33 ، 34 ، 35 ، 36 ].

هدف اصلی پایگاه داده اشیاء توپوگرافی اطمینان از دسترسی به داده های توپوگرافی فعلی و با کیفیت بالا برای سیستم های رسمی اطلاعات مکانی تخصصی است. به این ترتیب داده ها در DTO نقطه شروع سیستم های اطلاعات جغرافیایی (GIS) برای دولت های مختلف مرکزی و محلی و موسسات خصوصی هستند. هدف را می توان بدست آورد زیرا DTO منبع اولیه اطلاعات در مورد موقعیت مکانی، ویژگی ها، کدهای نقشه برداری و ابرداده اشیاء توپوگرافی است. اطلاعات از منابع مختلف داده های مرجع به دست آمده است. منبع اولیه شامل ثبت عمومی مرکزی یا منطقه ای، منابع سازمان های تخصصی مانند مقامات راه و تابلوهای سیستم آب است.

DTO لهستانی به روشی مشابه با پایگاه های داده در سایر کشورهای اتحادیه اروپا ساختار یافته است. امروزه، محتوای DTO شامل 9 کلاس از اشیاء توپوگرافی است: واحدهای تقسیم سرزمینی، شبکه حمل و نقل، ساختمان ها و سازه ها، پوشش زمین، مناطق تک کاربری زمین، شبکه هیدروگرافی، مناطق حفاظت شده، تاسیسات و سایر اشیاء.

تجسم عدم قطعیت داده های DTO برای تصمیم گیری استراتژیک و کارهای برنامه ریزی و طراحی از اهمیت حیاتی برخوردار است. تجسم بیشتر برای کاربران فردی از داده های مکانی رسمی مفید است. انتخاب روش‌های تجسمی که اطلاعات به‌راحتی قابل درک و دقیق در مورد عدم قطعیت را به شیوه‌ای سریع منتقل می‌کنند، کار آسانی نیست. انواع مختلف عدم قطعیت، به عنوان مثال، موقعیت، ارزش ویژگی، یا زمانی و تنوع روش های تجسم، به عنوان مثال، روش های ایستا، پویا، و تعاملی، از هر رویکرد استاندارد واحدی برای انتخاب تکنیک های تجسم جلوگیری می کند [ 37 ].

یکی از راه هایی که می توان تکنیک های تجسم عدم قطعیت را انتخاب کرد، روش اکتشافی است. سیستم تجسم قابلیت اطمینان (RVIS) توسعه یافته توسط MacEachren [ 15 ] نمونه ای از یک رویکرد اکتشافی است. RVIS از یک محیط تعاملی استفاده می‌کند که تعدادی دستکاری ممکن را برای انتقال تخمین‌های عدم قطعیت مرتبط با نیتروژن معدنی محلول در خلیج چساپیک ارائه می‌کند [ 15 ]]. با استفاده از این روش، کاربران داده های مکانی به چندین ابزار تجسم برای ایجاد مدل های عدم قطعیت داده های مکانی سفارشی دسترسی دارند. با این حال، مدل‌های عدم قطعیت سفارشی باید فقط توسط کارشناسانی استفاده شوند که پیچیدگی‌های عدم قطعیت داده‌ها در پایگاه‌های داده فضایی را درک می‌کنند. دستکاری ابزارهای تجسم نرم افزار توسط کاربران بی تجربه ممکن است منجر به تفسیر نادرست عدم قطعیت داده شود [ 14 ]. رویکرد دیگر ارائه مجموعه محدودی از تکنیک های تجسم (چند تا برای هر نوع عدم قطعیت) است که با استفاده از دانش و تجربه خبره انتخاب شده است [ 24 ]. چنین مجموعه محدودی از تکنیک های تجسم، آزمایش های دقیق و کنار هم قرار دادن تکنیک ها را تسهیل می کند.

ارزیابی روش‌های تجسم عدم قطعیت داده‌ها هم به کاربران پایگاه داده فضایی و هم به توسعه‌دهندگان نرم‌افزار مدیریت مجموعه مربوط می‌شود. کاربران به دنبال ابزارهای مناسب برای ارزیابی قابلیت اطمینان و قابلیت استفاده داده ها در برنامه های مختلف هستند. از سوی دیگر، تولیدکنندگان به دنبال روش هایی برای بهبود قابلیت استفاده نرم افزاری هستند که ارائه می دهند [ 14 ].

2.3. روش تحقیق

مرحله اول تحقیق شامل تعیین مجموعه‌ای از روش‌ها برای تجسم عدم قطعیت DTO به دنبال تحلیل ادبیات و تجربه و تحقیق نویسندگان در مورد کیفیت داده‌ها در پایگاه‌های رسمی فضایی بود. روش ها برای ارائه سه نوع عدم قطعیت در نظر گرفته شده اند: عدم قطعیت موقعیتی، ویژگی و زمانی. عدم قطعیت موقعیت برای اشیاء نقطه ای، خطی و سطحی با استفاده از دو متغیر تعریف شد: عدم قطعیت مقدار ویژگی و عدم قطعیت زمانی. مطالعه تجسم عدم قطعیت بر روی سه ویژگی اصلی اشیاء در DTO بنا شد. این نوع عدم قطعیت با توجه به ویژگی‌های داده‌ها در DTO و اهداف مطالعه در مورد امکان استفاده از تجسم‌های عدم قطعیت توسط کاربران پایگاه داده انتخاب شدند.

سه سطح درجه برای متغیرهای بصری کاربردی بسته به سلسله مراتب اهمیت منابع داده‌های مکانی پیشنهاد شد. آنها به سه سطح عدم قطعیت داده‌های فضایی ناشی از منابع داده‌های متنوعی که برای پایگاه داده اشیاء توپوگرافی استفاده می‌شوند، مرتبط هستند.

در مرحله بعد، پرسشنامه های پر شده توسط 100 متخصصی که از مجموعه داده های مکانی استفاده می کنند، به طور کامل مورد تجزیه و تحلیل قرار گرفت. پاسخ دهندگان محققین، کارمندان اداره دولتی و نمایندگان بخش خصوصی بودند که با GIS کار می کردند. پژوهشگران دکترا با سالها تجربه علمی و پژوهشی بودند. کارکنان اداره دولتی افرادی با تجربه در مدیریت و اجرای پروژه های عمومی و برنامه ریزی مشاغلی بودند که در آنها از ابزار GIS استفاده می شود. بخش خصوصی توسط طراحان، نقشه برداران زمین و معماران نمایندگی می شد.

پاسخ دهندگان مجموعه تکنیک های تجسم عدم قطعیت موقعیتی، ویژگی و زمانی را که توسط نویسندگان ابداع شده بود ( شکل 2 ، شکل 3 ، شکل 4 و شکل 5 ) در پرسشنامه های نظرسنجی، که شامل چهار سوال نظرسنجی بود، ارزیابی کردند. سوالات و دستورالعمل های مربوط به هر روش تجسم در زیر ارائه شده است.

چند کلاس عدم قطعیت داده های مکانی را می توان برای هر روش تجسم ارائه شده شناسایی کرد؟
سلسله مراتب اهمیت ترجیحی را توصیف کنید – از دقیق ترین اشیاء تا اشیایی که به طور نادرست تعریف شده اند.
روش های تجسم را با توجه به ترجیحات خود برای هر تکنیک از سودمندترین تا کم سودمندترین روش سفارش دهید.
آیا اطلاعات مربوط به عدم قطعیت داده ارائه شده با تکنیک های تجسم ارزیابی شده هنگام تصمیم گیری بر اساس مجموعه داده های فضایی (بله/خیر) مفید خواهد بود؟

هدف این تحقیق ارزیابی بصری سطوح عدم قطعیت بسته به مقیاس در نظر گرفته شده برای هر ویژگی است. کارشناسان تجسم عدم قطعیت شی را ارزیابی کردند در حالی که از مقادیر عدم قطعیت بی اطلاع بودند. از آنها خواسته شد تا سلسله مراتب عدم قطعیت را برای اشیایی که بدون مقادیر مشخص به آنها ارائه می شود شناسایی کنند. پاسخ آنها با اطلاعات مدل از نقشه های عدم قطعیت مقایسه شد. هدف از مقایسه ارزیابی میزان موفقیت کاربران در شناسایی تعداد کلاس‌های عدم قطعیت و سلسله مراتب اهمیت متغیرهای بصری مورد استفاده یعنی سؤالات شماره 1 و 2 بود. فرض مدل عدم قطعیت این بود که اشکال درجه‌بندی از متغیرهای بصری استفاده شده به طور مستقیم با افزایش عدم قطعیت مجموعه داده متناسب بود. مثلا،

نقشه های عدم قطعیت داده های مورد استفاده در بررسی ( شکل 2 ، شکل 3 ، شکل 4 و شکل 5 ) شامل توضیحاتی در مورد نحوه خواندن صحیح عدم قطعیت داده های مکانی (طبق مدل) نمی شود. پاسخ به سوالات 1 و 2 با مدل با استفاده از ضریب همبستگی رتبه اسپیرمن مقایسه شد. ضریب همبستگی اسپیرمن را می توان درست مانند ضریب همبستگی پیرسون تفسیر کرد. درکی [ 14 ] و کاردوس و همکاران. [ 24] ضرایب همبستگی را به طور موثر برای بررسی قابلیت استفاده تکنیک های تجسم عدم قطعیت ویژگی اعمال کرد. علاوه بر این، درکی و کاردوس تجسم عدم قطعیت داده ها را با یک نظرسنجی ارزیابی کردند. نویسندگان بر اساس تجربه خود از DTO به عنوان هدف مطالعه استفاده کردند.

سپس مقادیر ضریب همبستگی رتبه اسپیرمن ( R ) برای پاسخ‌های مربوط به هر روش تجسم عدم قطعیت برای تعیین امتیازات برای دو دسته استفاده شد: ارزیابی تعداد کلاس‌های عدم قطعیت و سلسله مراتب اهمیت ترجیحی کاربر. نمرات در مقوله ها متناسب با مقادیر ضریب همبستگی ( R ) تعیین شد. روش تجسم که برای آن مقدار محاسبه‌شده تخمین‌گر R بیشترین مقدار را داشت، امتیازی برابر با تعداد تکنیک‌های تجسم تحلیل‌شده، دو امتیاز تعیین شد. یک امتیاز به روش تجسم که کمترین R را داشت اختصاص داده شدضریب نمرات تکنیک های تجسم عدم قطعیت برای کلاس های شی منفرد و دو دسته ارزیابی در ستون های ‘نمره I’ و ‘score II’ در جدول 1 ، جدول 2 ، جدول 3 و جدول 4 نشان داده شده است.

نمرات رتبه‌بندی برای «روش تجسم ترجیحی» متناسب با مقادیر میانگین اولویت‌ها، یعنی سؤال 3 پرسشنامه تعیین شد. 2 امتیاز. یک امتیاز به روش تجسم که کمترین مقدار میانگین را داشت، اختصاص یافت. امتیاز این دسته در ستون ‘نمره III’ در جدول 1 ، جدول 2 ، جدول 3 و جدول 4 نشان داده شده است.

نمرات رتبه بندی نهایی روش های تجسم مورد بررسی با جمع بندی نمرات برای سه دسته تخمین، با فرض وزن مساوی هر گروه ارزیابی تعیین شد ( جدول 1 ، جدول 2 ، جدول 3 و جدول 4 ).

3. نتایج

3.1. روش‌های تجسم عدم قطعیت داده برای داده‌ها در DTO

نویسندگان مجموعه‌ای از روش‌های تجسم عدم قطعیت را برای داده‌ها در DTO بر اساس تحلیل ادبیات مرجع و تجربه و تحقیقات خود [ 37 ، 38 ، 39 ] در مورد کیفیت داده‌ها در پایگاه‌های اطلاعاتی فضایی رسمی تعریف کرده‌اند. این مجموعه شامل تکنیک های تجسم برای ارائه سه نوع عدم قطعیت است: عدم قطعیت موقعیتی، ویژگی و زمانی. عدم قطعیت موقعیت برای اشیاء نقطه ای، خطی و سطحی با استفاده از دو متغیر تعریف شد: عدم قطعیت مقدار ویژگی و عدم قطعیت زمانی. آنها جنبه هایی را به عنوان کامل بودن یا ارز مجموعه ها توصیف می کنند و با استفاده از دو متغیر بصری نمایش داده می شوند.

اشکال درجه بندی اعمال شده برای متغیرهای بصری به سلسله مراتب اهمیت منابع داده های مکانی بستگی دارد. تجسم عدم قطعیت ارائه شده در زیر در شکل 2 ، شکل 3 ، شکل 4 و شکل 5 شامل سه سطح عدم قطعیت داده های مکانی است. سطوح عدم قطعیت مربوط به منابع داده ناهمگن مورد استفاده برای پایگاه داده اشیاء توپوگرافی است.

عدم قطعیت موقعیت برای اشیاء نقطه ای با متغیرهای بصری زیر نشان داده شد:

پر کردن رنگ و روشنایی ( شکل 2 a);
گلیف هایی که در موقعیت های نماد نقشه قرار می گیرند ( شکل 2 ب).

عدم قطعیت موقعیت برای اجسام خطی با متغیرهای بصری زیر نشان داده شد:

کانتورینگ اجسام خطی با خطوط نقطه چین ( شکل 3 a);
گلیف های قرار گرفته در رئوس ( شکل 3 ب).

عدم قطعیت موقعیت برای کلاس شیء ‘buildings’ با متغیرهای بصری زیر نشان داده شد:

پر کردن چگالی دانه مطابق با اصل ساختار داده سلسله مراتبی ( شکل 4 a).
تردی کانتور ساختمان ( شکل 4 ب).

عدم قطعیت ارزش ویژگی و عدم قطعیت زمانی، به عنوان مثال، کامل بودن یا واحد پولی مجموعه داده‌ها، با استفاده از متغیرهای بصری زیر نشان داده شد:

مقدار دانه نواحی دارای مقادیر مشخصه متفاوت و سطوح عدم قطعیت زمانی را پر کنید. چگالی دانه پر مطابق با اصل ساختار داده سلسله مراتبی است ( شکل 5 a).
مقدار رنگ پر شدن ناحیه متناسب با ویژگی عدم قطعیت و عدم قطعیت زمانی است ( شکل 5 ب).

اشکال درجه بندی متغیرهای بصری به سلسله مراتب اهمیت عدم قطعیت ویژگی و عدم قطعیت زمانی بستگی دارد.

3.2. ارزیابی روش های پیشنهادی تجسم عدم قطعیت داده ها

پالت روش های تجسم عدم قطعیت برای داده ها در DTO ارائه شده در بالا گسترده نیست. استفاده از تعداد محدودی از تکنیک های تجسم، تست های دقیق و کنار هم قرار دادن تکنیک ها را تسهیل می کند. روش‌های تجسم در یک نظرسنجی بین کارشناسانی که از پایگاه‌های اطلاعاتی فضایی استفاده می‌کنند، به‌طور جامع مورد ارزیابی قرار گرفت. تجزیه و تحلیل ترجیح بر اساس پرسشنامه های نظرسنجی تکمیل شده توسط 100 پاسخ دهنده انجام شد: محققان، طراحان، معماران، نقشه برداران زمین و افسران اداره دولتی. سهم شرکت کنندگان از پنج گروه مشابه بود. تفاوت ها از 5٪ تجاوز نکرد.

نتایج پرسشنامه به صورت عمیق مورد تجزیه و تحلیل قرار گرفت و با اطلاعات مرجع مقایسه شد. نتایج تجزیه و تحلیل در جداول مطابق با اصول موجود در مواد و روش ها ارائه شده است ( جدول 1 ، جدول 2 ، جدول 3 و جدول 4 ). مقادیر ضریب R محاسبه شد و نمرات رتبه بندی تخصیص یافت. نمرات رتبه بندی نهایی با جمع بندی نمرات در سه طبقه تخمینی با فرض اهمیت یکسان هر گروه ارزیابی تعیین شد.

دریافت روش های تجسم عدم قطعیت داده های مکانی در پایگاه داده اشیاء توپوگرافی پیشنهاد شده توسط نویسندگان به طور کلی مثبت بود، که سوال نظرسنجی شماره 4 نشان می دهد. کارشناسان (96٪) معتقد بودند که تکنیک های تجسم هنگام تصمیم گیری بر اساس مجموعه داده های فضایی مفید خواهد بود.

4. بحث

مجموعه پیشنهادی روش‌های تجسم عدم قطعیت برای داده‌ها در DTO توسط 100 کارشناس، محقق، طراح، معمار، نقشه‌بردار زمین و افسران مدیریت دولتی آزمایش و مقایسه شد. این کارشناسان از مجموعه داده های مکانی در تحقیقات، طراحی ها و تصمیم گیری های خود استفاده می کنند. مؤثرترین روش‌های تجسم با استفاده از سه دسته انتخاب شدند.

کارشناسان بالاترین امتیاز نمایش عدم قطعیت موقعیتی را برای اشیاء نقطه‌ای ( جدول 1 ) با استفاده از گلیف‌هایی که در مکان‌های نماد نقشه قرار داده‌اند به دست آوردند ( شکل 2 ب).

برای اشیاء خطی، بهترین نتایج نمایش عدم قطعیت داده های مکانی ( جدول 2 ) را می توان با استفاده از هر دو تکنیک تجسم به دست آورد: کانتور کردن اشیاء خطی با خطوط نقطه چین دارای سبک های مختلف ( شکل 3 الف) و حروف نگاره قرار داده شده در راس ها ( شکل 3 ب). .

بر اساس ترجیحات کاربر، موثرترین تکنیک برای تجسم عدم قطعیت موقعیت برای کلاس “ساختمان ها” ( جدول 3 ) چگالی دانه پر در راستای اصل ساختار داده سلسله مراتبی بود ( شکل 4 a).

برای داده های مکانی در رابطه با نمایش عدم قطعیت ویژگی و عدم قطعیت زمانی، ترجیحات کاربران به وضوح نشان داد ( جدول 4 ) که تکنیک شامل مقدار رنگ پر متناسب با عدم قطعیت ویژگی و عدم قطعیت زمانی بهترین بود ( شکل 5 ب).

ارزیابی روش‌های تجسم عدم قطعیت داده‌ها نشان داد که تکنیک چگالی دانه پر، برای ویژگی و عدم قطعیت زمانی، بهترین امتیاز را کسب نکرده است. تجسم مؤثر، با کیفیت بالا و مبتنی بر واقعیت از عدم قطعیت داده ها در DTO برای سطوح بزرگ به سخت افزار و نرم افزار رایانه با کارایی بالا نیاز دارد. بنابراین، کمبود ابزار کامپیوتری کافی بود که منجر به امتیاز پایین تکنیک تراکم دانه پر شد.

5. نتیجه گیری ها

سیستم های اطلاعات مکانی به مدیریت حجم زیادی از اطلاعات در مورد اشیاء جغرافیایی که پدیده های دنیای واقعی را نشان می دهند کمک می کند. آگاهی عمومی از عدم قطعیت چنین داده هایی برای همه کاربران چنین سیستم هایی از اهمیت حیاتی برخوردار است. تجسم عدم قطعیت با تکنیک‌های تجسم کارتوگرافی برای یک کاربر استاندارد بهتر از داده‌های متنی در مجموعه‌های ابرداده عمل می‌کند. این نشریه شامل مجموعه‌ای از روش‌ها برای تجسم عدم قطعیت داده‌های DTO است. روش‌های پیشنهادی توسط متخصصین حوزه‌های مختلف که از پایگاه‌های اطلاعاتی فضایی در کار خود استفاده می‌کنند، ارزیابی شده‌اند.

نقشه‌هایی که با روش‌های تجسم عدم قطعیت داده‌ها با استفاده از ابزارهای فناوری اطلاعات ارائه شده و توسط کارشناسان آنالیز شده‌اند، حاوی یادداشت‌های توضیحی در مورد چگونگی خواندن صحیح تعداد کلاس‌های عدم قطعیت داده‌ها، طبق مدل پیشنهادی نویسندگان، یا در مورد سلسله مراتب اهمیت ترجیحی نیستند. نتایج حاصل از تحلیل تجسم توسط کارشناسان با مدل با استفاده از ضریب همبستگی رتبه اسپیرمن مقایسه شد. مقادیر ضریب همبستگی رتبه اسپیرمن برای تمام روش های تجسم تحلیل شده (0.86 ≤ R≤ 0.92) یک رابطه قوی و مثبت بین متغیرهای مورد بررسی را نشان داد. بنابراین، مجموعه تکنیک‌های تجسم عدم قطعیت داده‌های DTO ممکن است تا حد کامل اعمال شود. اجرای آتی روش های تجسم پیشنهادی در پایگاه داده های GIS ممکن است به کاربران داده کمک کند تا مقادیر را به درستی تفسیر کنند.

منابع

فیشر، پی. کامبر، ا. Wadsworth، R. رویکردهای عدم قطعیت در داده های مکانی. در مبانی کیفیت داده های مکانی ; ISTE: لندن، انگلستان، 2006. [ Google Scholar ]
شکارچی، جی جی. Goodchild، MF مدل سازی عدم قطعیت در برآورد شیب و جنبه به دست آمده از پایگاه داده های فضایی. Geogr. مقعدی 1997 ، 29 ، 35-49. [ Google Scholar ] [ CrossRef ]
Foodie, GM; اتکینسون، عدم قطعیت PM در سنجش از دور و GIS ؛ جان وایلی و پسران: نیویورک، نیویورک، ایالات متحده آمریکا، 2003; پ. 326. [ Google Scholar ]
فیشر، پی اف. کامبر، ای جی. Wadsworth، R. کاربری و پوشش زمین: تضاد یا مکمل؟ در ارائه مجدد GIS ; فیشر، پی اف، اد. جان وایلی و پسران: لندن، بریتانیا، 2005. [ Google Scholar ]
فرانک، AU Metamodels برای توصیف کیفیت داده. کیفیت داده در اطلاعات جغرافیایی: از خطا تا عدم قطعیت هرمس: پاریس، فرانسه، 1998; صص 15-29. [ Google Scholar ]
Chilès، J.-P. دلفینر، ص. زمین آمار: مدلسازی عدم قطعیت فضایی. سری در احتمال و آمار ; جان وایلی و پسران: نیویورک، نیویورک، ایالات متحده آمریکا، 1999. [ Google Scholar ]
Reinke، KJ; هانتر، GJ نظریه ای برای برقراری ارتباط عدم قطعیت در پایگاه داده های فضایی. در کیفیت داده های مکانی ; فیشر، پی اف، اد. تیلور و فرانسیس: لندن، انگلستان، 2002; صص 77-101. [ Google Scholar ]
Goodchild، MF; Jeansoulin, R. کیفیت داده در اطلاعات جغرافیایی: از خطا تا عدم قطعیت . انتشارات علم هرمس: پاریس، فرانسه، 1998. [ Google Scholar ]
ژانگ، جی. Goodchild، MF عدم قطعیت در اطلاعات جغرافیایی ; تیلور و فرانسیس: لندن، بریتانیا، 2002. [ Google Scholar ]
گوتسگن، جی. مونتلو، دی. Goodchild، MF یک مدل جامع از عدم قطعیت در داده های مکانی. در ارزیابی دقت مکانی عدم قطعیت اطلاعات زمین در منابع طبیعی ; انتشارات Ann Arbor: چلسی، MI، ایالات متحده آمریکا، 1999; صص 175-182. [ Google Scholar ]
کامبر، ای جی. قانون، ANR؛ Lishman, JR مقایسه ای از نظریه های بیز، دمپستر-شفر و تایید برای مدیریت عدم قطعیت دانش در زمینه نظارت بر پوشش زمین، کامپیوترها. محیط زیست سیستم شهری 2004 ، 28 ، 311-327. [ Google Scholar ] [ CrossRef ]
دیویلر، آر. Beard, K. ارتباط و استفاده از اطلاعات کیفی داده های مکانی در GIS. در مبانی کیفیت داده های مکانی ; ISTE: لندن، انگلستان، 2006. [ Google Scholar ]
Goodchild، MF; کلارک، ک. کیفیت داده در مجموعه داده های عظیم. در کتابچه راهنمای مجموعه داده های عظیم ; Abello, J., Pardalos, PM, Resende, MGC, Eds. Kluwer Academic Publishers: Norwell, MA, USA, 2002; صص 643-659. [ Google Scholar ]
درکی، I. تجسم عدم قطعیت در داده های جغرافیایی . Shi, W., Fisher, P., Goodchild, MF, Eds. کیفیت داده های مکانی; تیلور و فرانسیس: لندن، انگلستان، 2002; صص 140-159. [ Google Scholar ]
MacEachren، AM تجسم اطلاعات نامطمئن. کارتوگر. چشم انداز 1992 ، 13 ، 10-19. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Bertin, J. گرافیک و پردازش اطلاعات گرافیکی ; والتر دو گرویتر: برلین، آلمان؛ نیویورک، نیویورک، ایالات متحده آمریکا، 1981. [ Google Scholar ]
MacEachren، AM; برویر، کالیفرنیا؛ Pickle، LW تجسم داده های جغرافیایی مرجع: نشان دهنده قابلیت اطمینان آمار سلامت. محیط زیست طرح. 1998 ، 30 ، 1547-1561. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کاردوس، جی. بنول، جی. مور، الف. تجسم عدم قطعیت برای داده‌های سرشماری ارجاع‌شده فضایی با استفاده از مجموعه‌های سلسله مراتبی. ترانس. GIS 2005 ، 9 ، 19-34. [ Google Scholar ] [ CrossRef ]
MacEachren، AM; رابینسون، ا. هاپر، اس. گاردنر، اس. موری، آر. گهگان، م. هتزلر، ای. تجسم عدم قطعیت اطلاعات مکانی: آنچه می دانیم و آنچه باید بدانیم. کارتوگر. Geogr. Inf. علمی 2005 ، 32 ، 139-160. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Pang, A. تجسم عدم قطعیت در داده های جغرافیایی- فضایی. در مجموعه مقالات کارگاه در مورد تقاطعات بین اطلاعات مکانی و فناوری اطلاعات، سانتا کروز، کالیفرنیا، ایالات متحده آمریکا، 20 سپتامبر 2001. [ Google Scholar ]
برودلی، ک. اوسوریو، RA; لوپس، AA بررسی عدم قطعیت در تجسم داده ها. در گسترش مرزهای تحلیل و تجسم بصری ؛ Wong، PC، Ed. Springer: لندن، انگلستان، 2012; صص 81-109. [ Google Scholar ]
پرسنی، ج. روپینسکی، تی. Hinrichs، K. تقسیم بندی حجم هدایت شده با آگاهی از عدم قطعیت. IEEE Trans. Vis. محاسبه کنید. نمودار. 2010 ، 16 ، 1358-1365. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
Ehlschlaeger، CR; شورتریج، AM; Goodchild، MF تجسم عدم قطعیت داده های فضایی با استفاده از انیمیشن. محاسبه کنید. Geosci. 1997 ، 23 ، 387-395. [ Google Scholar ] [ CrossRef ]
کاردوس، جی. مور، ا. Benwell, G. بیان عدم قطعیت ویژگی در داده های فضایی با استفاده از مناطق چشمک زن. در مجموعه مقالات هفتمین سمپوزیوم بین المللی ارزیابی دقت فضایی در منابع طبیعی و علوم محیطی، لیسبون، پرتغال، 5-7 ژوئیه 2006. صص 814-824. [ Google Scholar ]
فیشر، پی. تجسم عدم قطعیت در نقشه های خاک توسط انیمیشن. Cartographica 1993 ، 30 ، 20-27. [ Google Scholar ] [ CrossRef ]
Pebesma، EJ; دی یونگ، ک. بریگز، دی. تجسم تعاملی داده‌های مکانی و مکانی-زمانی نامشخص تحت سناریوهای مختلف: یک مثال کیفیت هوا. بین المللی جی. جئوگر. Inf. علمی 2007 ، 21 ، 515-527. [ Google Scholar ] [ CrossRef ]
فیشر، مدل‌های PF عدم قطعیت در داده‌های مکانی. در سیستم های اطلاعات جغرافیایی: اصول، تکنیک ها، مدیریت و کاربردها . Rhind، D.، Ed. جان وایلی و پسران: نیویورک، نیویورک، ایالات متحده آمریکا، 1999; جلد 1، ص 191–205. [ Google Scholar ]
Evans، BJ نمایش پویا از قابلیت اطمینان داده های مکانی: آیا برای کاربر مفید است؟ محاسبه کنید. Geosci. 1997 ، 23 ، 409-422. [ Google Scholar ] [ CrossRef ]
کلیبرن، دی سی؛ فدما، جی جی. میلر، جی آر. Slocum، TA طراحی و ارزیابی یک سیستم پشتیبانی تصمیم در یک برنامه کاربردی تعادل آب. محاسبه کنید. نمودار. 2002 ، 26 ، 931-949. [ Google Scholar ] [ CrossRef ]
سنارانته، اچ. گرهرز، ال. Pebesma، EJ; Schwering، A. قابلیت استفاده از روش های تجسم عدم قطعیت مکانی-زمانی. پل زدن علوم اطلاعات جغرافیایی. در یادداشت های سخنرانی در اطلاعات جغرافیایی و نقشه برداری ; Springer: برلین/هایدلبرگ، آلمان، 2012; صص 3-23. [ Google Scholar ]
کالوگروپولوس، ک. استاتوپولوس، ن. تساساریس، ا. Chalkias, C. بررسی استفاده از ژئوانفورماتیک برای اهداف سرشماری و بلوغ INSPIRE در مؤسسات آماری کشورهای اتحادیه اروپا و EFTA. ان GIS 2019 ، 25 ، 167-178. [ Google Scholar ]
بارتا، جی. Kocsis، S. استانداردسازی داده های جغرافیایی: دستورالعمل الهام بخش اروپایی. یورو جی. جئوگر. 2011 ، 2 ، 79-89. [ Google Scholar ]
Gallego، FJ اعتبار سنجی لایه های GIS در اتحادیه اروپا: سازگاری با داده های مرجع موجود. بین المللی جی دیجیت. زمین 2011 ، 4 ، 42-57. [ Google Scholar ] [ CrossRef ]
سازمان ملل متحد DESA. راهنمای زیرساخت های جغرافیایی در حمایت از فعالیت های سرشماری. In Studies in Methods (Ser. F) ; کمیسیون اروپا: بروکسل، بلژیک، 2013. [ Google Scholar ]
گاورونک، پ. Makuch، M. اندازه گیری TLS در طول آزمایش بار استاتیکی یک پل راه آهن. بین المللی J. Geo-Inf. 2019 ، 8 ، 44. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
گاورونک، پ. ماکوچ، م. میتکا، بی. گارگولا، تی. اندازه گیری جابجایی های عمودی پل راه آهن با استفاده از فناوری TLS در زمینه ارتقاء حمل و نقل ریلی لهستان. Sensors 2019 , 19 , 4275. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
Ślusarski، M. BDOT500 پایگاه داده اشیاء توپوگرافی فیزیکی – تجزیه و تحلیل کیفی پایه. Geomat. Landmanag. Landsc. 2015 ، 1 ، 69-75. [ Google Scholar ] [ CrossRef ]
Ślusarski، M. تجزیه و تحلیل خطر آسیب شبکه های زیرزمینی در زمینه کیفیت داده های مکانی. بین المللی چند رشته ای. علمی GeoConf. 2016 ، 3 ، 35-42. [ Google Scholar ]
Ślusarski، M. Siejka, M. مدل کیفیت داده های جمع آوری شده در پایگاه داده توپوگرافی. بین المللی چند رشته ای. علمی GeoConf. 2017 ، 17 ، 595-603. [ Google Scholar ]