خلاصه

اخیراً روند باز کردن داده ها تشدید شده است، به ویژه به لطف مشارکت بسیاری از مؤسسات که هنوز داده های خود را به اشتراک نگذارده اند. برخی از نهادها مدت‌ها قبل از اینکه روند داده‌های باز به سطح وسیع‌تری سوق داده شود، داده‌ها را در اختیار عموم قرار می‌دادند، اما بسیاری از مؤسسات اخیراً تنها به لطف تلاش سیستمی در سطح دولتی برای در دسترس قرار دادن مخازن داده‌ها در دسترس عموم، در این فرآیند شرکت کرده‌اند. بنابراین، بسیاری از منابع بالقوه جدید داده برای تحقیق در دسترس هستند، از جمله حوزه مدیریت آب. این مقاله وضعیت فعلی داده‌های موجود در جمهوری چک را تحلیل می‌کند – محتوا، ساختار، قالب، در دسترس بودن، هزینه‌ها و سایر شاخص‌هایی که بر قابلیت استفاده از این داده‌ها برای محققان مستقل در حوزه مدیریت آب تأثیر می‌گذارد. مطالعه موردی برای تعیین سطح دسترسی و قابلیت استفاده از داده‌ها در مخازن داده‌های باز و امکان به‌دست‌آوردن داده‌ها از دستگاه‌های IoT (اینترنت اشیا) مانند حسگرهای شبکه‌ای انجام شد که در آن داده‌های مورد نیاز یا از منابع موجود در دسترس نیست، بسیار پرهزینه است. ، یا در غیر این صورت برای تحقیق نامناسب است. هدف از تحقیق زیربنایی ارزیابی تأثیر/نسبت عوامل مختلف حوضه بر اساس شاخص‌های نظارت شده آلودگی آب در یک حوضه آبخیز مدل بود. چنین اطلاعاتی به پیشنهاد اقداماتی برای کاهش حجم آلودگی و در نتیجه افزایش امنیت از نظر آب آشامیدنی موجود برای پایتخت شهر پراگ کمک می کند. هدف از تحقیق زیربنایی ارزیابی تأثیر/نسبت عوامل مختلف حوضه بر اساس شاخص‌های نظارت شده آلودگی آب در یک حوضه آبخیز مدل بود. چنین اطلاعاتی به پیشنهاد اقداماتی برای کاهش حجم آلودگی و در نتیجه افزایش امنیت از نظر آب آشامیدنی موجود برای پایتخت شهر پراگ کمک می کند. هدف از تحقیق زیربنایی ارزیابی تأثیر/نسبت عوامل مختلف حوضه بر اساس شاخص‌های نظارت شده آلودگی آب در یک حوضه آبخیز مدل بود. چنین اطلاعاتی به پیشنهاد اقداماتی برای کاهش حجم آلودگی و در نتیجه افزایش امنیت از نظر آب آشامیدنی موجود برای پایتخت شهر پراگ کمک می کند.

کلید واژه ها:

GIS _ داده های باز ؛ اینترنت اشیا ؛ آلودگی پراکنده آب ؛ داده های مکانی ؛ پایش حوزه آبخیز ; تحلیل عاملی

1. معرفی

برای انجام یک فعالیت پژوهشی مؤثر، دسترسی به داده های مناسب ضروری است. مجموعه داده های زیادی در زمینه مدیریت آب وجود دارد. این می‌تواند مجموعه داده‌هایی برای جریان، رودخانه‌ها و خود توده‌های آبی بزرگتر، داده‌های مربوط به آب و هوا و بارندگی یا خاک در بستر رودخانه باشد. همانطور که توسط [ 1 ] بیان شد، حتی داده های مربوط به استفاده از کود در زمین های زراعی در نواحی اطراف مسیرهای آبی برای تحقیقات آلودگی آب ضروری است. بنابراین، طیف وسیعی از داده‌های ممکن ممکن است از طیف گسترده‌ای از ارائه‌دهندگان، که برخی به ظاهر ارتباطی با مدیریت آب ندارند، باشد.
فرآیند کار با داده های مکانی را می توان به چهار مرحله اصلی [ 2 ] تقسیم کرد: کشف، اکتساب، مدیریت و تجزیه و تحلیل. در مرحله اول، فرآیند کشف وجود دارد، جایی که دانشمندان باید از وجود یک منبع داده احتمالی بیاموزند و آن را پیدا کنند – چه در اینترنت باشد یا از طریق تماس با سازمانی که داده‌های مذکور را ارائه می‌دهد. در این مرحله، منابعی که داده های باز را جمع آوری می کنند بسیار مفید هستند. یکی از این منابع برای کشورهای عضو اتحادیه اروپا، ژئوپورتال های ملی مرتبط با دستورالعمل INSPIRE (زیرساخت اطلاعات فضایی در جامعه اروپا) است [ 3 ]]. گزینه دیگر یک کاتالوگ سراسری از داده های باز است. این جایگزین ها اغلب با هم وجود دارند، مانند مورد جمهوری چک، که در آن هر دو ژئوپورتال INSPIRE و کاتالوگ ملی داده های باز [ 4 ] به عنوان گزینه های اولیه برای کشف داده ها عمل می کنند.
ثانیاً، یک فرآیند جمع آوری داده وجود دارد. در سطح مالکیت معنوی، برخی از داده ها را می توان آزادانه برای هر کسی ارائه کرد. گاهی اوقات ممکن است یک فرآیند ثبت نام یا نیاز به توافقنامه مجوز و یک فرآیند پرداخت در صورتی که داده ها هزینه پولی داشته باشند وجود داشته باشد. الزامات مجوز عموماً برای جلوگیری از به اشتراک گذاری با اشخاص ثالث وجود دارد، اما در مواردی که شامل داده های حساس باشد نیز می توان از آنها استفاده کرد. در برخی موارد، مجموعه داده ها ممکن است به عنوان یک اقدام احتیاطی ایمنی به طور ناقص به اشتراک گذاشته شوند. این بدان معناست که نقاط داده برای مکان‌ها یا مناطق خاصی از بین خواهند رفت، به خصوص زمانی که صحبت از مناطق نظامی یا مناطقی است که زیرساخت‌های حیاتی کشور مانند نیروگاه‌های هسته‌ای، خطوط لوله نفت و غیره را شامل می‌شود. سپس فرآیند انتقال داده‌های واقعی از طریق یک تکنیک فنی وجود دارد. چشم انداز. برخی از داده ها ممکن است مستقیماً از طریق یک مرورگر وب ساده قابل دانلود باشند. برخی ممکن است به تکنیک های پیشرفته انتقال داده های مکانی نیاز داشته باشند. همچنین امکان به دست آوردن داده ها به صورت حضوری وجود دارد، در صورتی که در دسترس بودن انتشار آنلاین برای یک مجموعه داده خاص وجود نداشته باشد.
مرحله مدیریت داده شامل ذخیره سازی داده ها، به روز رسانی های دوره ای در صورت لزوم است و اگر داده ها در قالبی ارائه نشده اند که مستقیماً قابل اجرا باشد، باید تنظیماتی برای تبدیل داده ها به قالب مورد نیاز انجام شود. این تبدیل‌ها اغلب با استفاده از ابزارهای موجود به عنوان بخشی از نرم‌افزار GIS (سیستم اطلاعات جغرافیایی) انجام می‌شوند، اما در مواردی که برخی از فرمت‌های داده‌های خاص، ممکن است به نرم‌افزار اختصاصی نیاز داشته باشند. برای داده هایی که بعد مکانی به طور کامل از بین رفته است، راه حل به طور کلی ورودی دستی داده ها در داخل نرم افزار GIS است. آخرین مرحله تجزیه و تحلیل / پردازش داده ها شامل کار واقعی با خود داده ها برای اهدافی است که به دست آمده است.
داده های مکانی می توانند در قالب های مختلفی ارائه شوند. نوع قالب داده ها پیامدهای مهمی بر روی ارائه دهنده داده و کاربر نهایی دارد. فرمت های مختلف داده از انواع مختلفی از ذخیره سازی و انتقال داده ها استفاده می کنند. در سمت کاربر نهایی، تنوع فرمت داده‌های ممکن تا حد زیادی بر قابلیت استفاده حاصل از داده‌ها تأثیر می‌گذارد، زیرا هر کاربر به نرم‌افزارها و ابزارهای مختلفی برای پردازش داده‌ها دسترسی دارد و بسیاری از راه‌حل‌های نرم‌افزاری در کانون توجه تعداد کمی از قالب‌های داده قرار دارند. این مسائل قابلیت همکاری یکی از نارضایتی‌های رایج در طول تحقیقات مستقل واقعی است، زیرا با وادار کردن کاربران به استفاده از یک راه‌حل ثانویه برای تبدیل داده‌ها به قالبی که می‌توانند با آن کار کنند، هزینه‌های اضافی اغلب غیرضروری را معرفی می‌کنند.
بسیاری از فرمت‌های داده رایج بر اساس XML (زبان نشانه‌گذاری توسعه‌پذیر) هستند. استانداردها و مشخصات بسیاری از قالب‌های داده‌های مختلف توسط OGC (کنسرسیوم فضایی باز) که مرجع اصلی در برخورد با داده‌های مکانی است، مدیریت می‌شود. متداول ترین فرمت های داده های برداری استفاده شده عبارتند از [ 5 ]: GML (زبان نشانه گذاری جغرافیا)، KML (زبان نشانه گذاری سوراخ کلید)، GeoJSON (نشان گذاری شی جاوا اسکریپ)، ESRI Shapefile، فرمت اختصاصی شرکت ESRI (موسسه تحقیقات سیستم های محیطی)، و GPX (فرمت تبادل سیستم موقعیت یابی جهانی). بیشترین استفاده از فرمت های شطرنجی عبارتند از JPEG (گروه مشترک متخصصان عکاسی)، TIFF و GeoTIFF (فرمت فایل تصویر برچسب گذاری شده).
وقتی نوبت به جمع آوری داده می رسد، چندین رویکرد رایج وجود دارد. یکی از ساده‌ترین راه‌حل‌ها، ارائه مستقیم فایل‌های داده برای دانلود به شکل اصلی، با استفاده از FTP (پروتکل انتقال فایل) رایج است. گزینه دیگری برای اشتراک گذاری داده های مکانی سه سرویس وب زیر است: WMS (Web Map Service)، WFS (Web Feature Service) و WCS (Web Coverage Service). این خدمات استانداردهای خود را توسط OGC [ 6 ] حفظ می‌کنند و در ارائه دسترسی و تجسم به داده‌های مکانی ضروری هستند [ 7 ]]. WMS از HTTP (پروتکل انتقال ابرمتن) برای تبادل داده های جغرافیایی در قالب شطرنجی استفاده می کند. کاربر درخواستی برای داده ارسال می کند و WMS با یک تصویر پاسخ می دهد که معمولاً JPEG یا PNG (گرافیک شبکه قابل حمل) است. یکی از مهم ترین ویژگی های این سرویس سهولت در استفاده است. می توان از آن در راه حل های آنلاین با ژئوپورتال های مختلف و همچنین به عنوان منبع داده برای کاربران نهایی استفاده کرد. اکثر نرم‌افزارهای دسکتاپ GIS می‌توانند با استفاده از یک پیوند ساده کپی شده از وب‌سایت ارائه‌دهنده داده، یک اتصال WMS به پایگاه‌های داده برقرار کنند و یک لایه کامل از داده‌های مکانی را به ترکیب نقشه وارد کنند. با این حال، این سرویس یک نقطه ضعف حیاتی برای محققان دارد و آن این است که WMS داده های واقعی پشت تصویر را در اختیار کاربر قرار نمی دهد. بنابراین، هر کاربری می تواند لایه نقشه را به صورت کامل نمایش دهد یا اصلاً آن را نمایش ندهد. امکان پردازش و تجزیه و تحلیل داده ها وجود ندارد. پرس و جو امکان پذیر نیست و گزینه پردازش و تجزیه و تحلیل بیشتر داده ها تقریباً وجود ندارد. بنابراین WMS بیشتر برای عموم مناسب است و نه برای متخصصان تحقیق. WFS بر اساس همان اصول کلی کار می کند، اما به جای ارسال یک تصویر شطرنجی خام به گیرنده داده، داده های واقعی را معمولا در قالب GML ارسال می کند.8 ]. WCS پیچیده ترین سرویس از این سه سرویس است. این امکان پرس و جوی پیشرفته را فراهم می کند و بنابراین می تواند تنها بخشی از داده ها را ارسال کند. برخلاف WFS که فقط داده‌های خام GML را ارسال می‌کند، WCS داده‌ها را با ابرداده‌ها، توصیف‌ها و معناشناسی تقویت می‌کند تا پردازش و رندر سمت مشتری داده‌ها را بهبود بخشد. از بین این سه سرویس اصلی، WMS گسترده ترین است، اما کمترین کاربرد را برای اهداف تحقیقاتی و برنامه ریزی فضایی دارد [ 9 ].
منابع اصلی مجموعه داده‌ها برای اهداف تحقیقاتی آب معمولاً سازمان‌های دولتی هستند زیرا شرکت‌های خصوصی تمایلی به اشتراک‌گذاری آزادانه داده‌های خود ندارند. بسته به سطح پیچیدگی استراتژی و سیاست فناوری اطلاعات یک کشور خاص، فرآیند کشف داده‌ها به خودی خود می‌تواند بسیار خسته کننده باشد، همانطور که [ 10 ] اشاره کرد.]. اگر کشوری فاقد قدرت مرکزی قوی برای ایجاد و اجرای یک سیاست اشتراک‌گذاری داده باز واحد باشد، ناهمگونی رویکردهای به کار گرفته شده توسط موسسات مختلف احتمالاً باعث ایجاد چشم‌انداز داده‌های باز می‌شود که هدایت آن توسط کاربران نهایی بسیار دشوار است. یک جایگزین برای استفاده از منابع داده باز موجود، استفاده از راه‌حل‌های مبتنی بر دستگاه‌های شبکه‌شده اینترنت اشیا (IoT) با تجهیزات حسی مناسب است. تلاش های تحقیقاتی در مورد مدیریت آب مستلزم اندازه گیری بارش، دما و سرعت جریان است. همانطور که توسط [ 11 ] نشان داده شده است، چندین دستگاه را می توان در یک حوضه رودخانه راه اندازی کرد تا نه تنها خروجی های نهایی را در یک تلاقی، بلکه کل توسعه جریان آب را نیز ثبت کند.
مطالعه موردی ما در منطقه Vysočina (جنوب شرقی از شهر پراگ پایتخت چک) انجام شد. ما روی حوضه رودخانه Bořetický با چندین نهر کوچکتر که به آن منتهی می شوند تمرکز کرده ایم. این بخش کوچکی از حوضه آبخیز است که مخزن آب آشامیدنی Švihov در رودخانه Želivka را تامین می کند که منبع اصلی آب آشامیدنی پایتخت پراگ است. ما سطوح کیفیت آب را پایش کردیم و یک تحلیل عاملی آماری انجام دادیم تا مشخص کنیم کدام عوامل حوضه در شاخص‌های آلودگی نظارت شده نقش دارند. با این حال، در این مقاله، ما می‌خواهیم به طور عمده روی استفاده خود از داده‌های حسی و مخازن داده‌های باز تمرکز کنیم، به‌ویژه اینکه چه نوع داده‌هایی مورد نیاز است، از کجا آنها را به دست آورده‌ایم، چگونه و اگر مجبور بودیم این داده‌ها را تغییر دهیم. از این رو، این مقاله تنها توضیح مختصری از نحوه محاسبه مقادیر عامل حوضه ارائه می دهد که به عنوان ورودی برای تحلیل های آماری برای ارزیابی تأثیر بر شاخص های کیفیت آب عمل می کند. این تجربه عملی با یک پروژه تحقیقاتی مدل به ما کمک می‌کند تا در مورد سطوح کلی دسترسی و قابلیت استفاده از داده‌های باز در زمینه مدیریت آب در جمهوری چک نتیجه‌گیری کنیم.

2. مواد و روشها

فرآیند کلی تجزیه و تحلیل آلودگی آب های پراکنده با جمع آوری و آماده سازی داده ها آغاز می شود. به طور خاص، جمع آوری داده های پایه ضروری است. برای اندازه گیری ها و مشاهدات درجا، می توان از دستگاه های IoT استفاده کرد. مخازن داده‌های باز، مانند نقشه‌های هیدرولوژیکی، مدل‌های ارتفاعی، نقشه‌های خاک در صورت وجود برای یک منطقه خاص قابل دسترسی هستند. بر اساس داده های موجود، با توجه به فرمت داده ها و سازگاری نرم افزار، یک نرم افزار GIS برای انجام پردازش داده های مکانی انتخاب می شود. سپس خروجی ها با استفاده از مدل سازی آماری (رگرسیون چند عاملی) بیشتر تحلیل می شوند. در این بخش می‌خواهیم این تحقیقات کلی آلودگی منتشر را به تفصیل بیان کنیم تا مشخص کنیم و توجیه کنیم که چرا به مجموعه‌های داده خاصی نیاز داریم.

2.1. مدل ترسیم حوضه

برای اهداف مطالعه موردی ما، یک منطقه ریز حوضه با شبکه‌ای از پروفایل‌های نظارتی انتخاب شد تا به راحتی ورودی آلودگی مستقیم یک منطقه پرجمعیت را تعیین کند (تنها چند منبع نقطه کوچک). یک نرم افزار GIS برای ترسیم مرزهای حوضه آبریز برای هر پروفایل استفاده شد. ما از دو رویکرد اصلی استفاده کردیم: برای جریان‌های بزرگ‌تر (I-IV در مقیاس Strahler)، که در آن نقطه نمونه‌برداری در نزدیکی یک تلاقی بود، ما توانستیم از مرزهای آبخیز در دسترس عموم از DIBAVOD (پایگاه دیجیتالی داده‌های مدیریت آب) استفاده کنیم [ 12 ].]. برای جریان‌هایی که کوچک‌تر هستند یا در مواردی که محل نمونه‌برداری خیلی دور از محل تلاقی بود، باید مرزها را به صورت دستی (طبق خطوط کانتور) مشخص می‌کردیم. در طول تحقیق ما با دو برنامه GIS کار کردیم: ArcGIS که یک راه حل نرم افزار GIS بسیار برجسته است. و BNHelp، یک برنامه GIS که از HSLyers، نسخه اصلاح شده کتابخانه OpenLayers استفاده می کند. راه حل BNHelp همچنین یک کلاینت مبتنی بر وب برای کار از راه دور ارائه می دهد.
راه حل ممکن دیگر برای ترسیم حوضه استفاده از DEM (مدل ارتفاعی دیجیتال) است زیرا اکثر برنامه های GIS ابزارهای لازم (چه در نسخه پایه و چه به عنوان جعبه ابزار الحاقی) را برای ترسیم یک حوضه آبخیز سفارشی از یک DEM در اختیار دارند. حوضه آبریز داده شده در جمهوری چک، بهترین DEM رایگان موجود بخشی از مجموعه نقشه ArcČR 500 است [ 13]. با این حال، این DEM از یک نقشه پایه خط کانتور 50 متری ساخته شد. بنابراین، اندازه یک پیکسل 50 × 50 متر است که برای حوضچه های کوچک به اندازه کافی دقیق نیست. در مقایسه با ترسیم دستی، استفاده از این DEM خام سطح بالاتری از عدم دقت را ایجاد کرد. برای نتایج بهتر، یک DEM با وضوح بالاتر مورد نیاز است. دو مدل ممکن در دسترس است، نسل 4 و 5 DEM، هر دو از دپارتمان نقشه برداری و کاداستر چک [ 14 ]، اما هر دو گران هستند. حتی برای حوضه کوچک کوچکی که برای تحقیق ما انتخاب شد، قیمت حداقل 400 یورو برای مدل نسل 4 و 1250 یورو برای مدل نسل 5 خواهد بود.
نمونه ای از رویکرد دستی در شکل 1 نشان داده شده است – ترسیم مرزها/مناطق حوضه در برنامه BNHelp GIS برای دو پروفایل انتخاب شده در جریان Útěchovický، که برای گنجاندن در مجموعه داده مرزهای حوضه DIBAVOD بسیار کوچک است. مرزهای نمایه BP2 با یک خط قرمز ضخیم نمایش داده می شود، ناحیه نمایه BP5 با رنگ پر نارنجی نمایش داده می شود.

2.2. نظارت بر آب

چندین شاخص کلیدی آلودگی انتخاب شدند، مانند نیتروژن آمونیاکی، نیتروژن نیترات، فسفر فعال مولیبدات و COD Cr (روش دی کرومات پتاسیم نیاز به اکسیژن شیمیایی). این انتخاب مطابق با دانش تثبیت شده در مورد منابع اصلی آلودگی آب آلی و مغذی و اوتروفیکاسیون ناشی از آن بود [ 15 ، 16 ، 17 ]. نمونه‌های آب ماهانه از هر پروفیل آبی انتخابی به مدت سه سال گرفته شد. نمونه‌ها با استفاده از روش‌های لوله آزمایش موجود در ارتباط با روش‌های طیف‌سنجی عکس مطابق با [ 18 ] آنالیز شدند.]. بنابراین، داده‌های هواشناسی مانند دمای روزانه و مجموع بارندگی روزانه باید به میانگین‌های ماهانه دوباره محاسبه می‌شد تا با تناوب نمونه آب مطابقت داشته باشد. جریان آب با استفاده از یک قیاس هیدرولوژیکی محاسبه شد. اندازه گیری جریان مستقیم تنها در طول رویدادهای عمده بارش-رواناب انجام شد.
جدای از به دست آوردن این مجموعه داده ها از منابع رسمی (موسسه هواشناسی چک)، امکان استفاده از دستگاه های اینترنت اشیا تحت شبکه نیز وجود دارد. برای بارش، دما و جریان آب دستگاه‌های کاملاً عملیاتی در دسترس هستند. روش دیگر، یک دستگاه سفارشی را می توان با استفاده از یک کیت پایه با ترکیبی از حسگرهای مربوطه ساخت. این دستگاه‌های سفارشی به‌طور بالقوه می‌توانند ارزان‌تر از راه‌حل‌های موجود در بازار باشند، به‌ویژه زمانی که تعداد واحدهای مستقر شده را افزایش می‌دهند، اما برای راه‌اندازی و کالیبراسیون اولیه به تخصص و تلاش زیادی نیاز دارد. در مورد تحقیقاتی که بر روی عوامل آلودگی تمرکز نمی‌کند، بلکه فقط بر روی اندازه‌گیری حجم آلودگی تمرکز دارد، می‌توان از حسگر کدورت همانطور که توسط [ 19 ] پیشنهاد شده برای ایجاد یک دستگاه اندازه‌گیری همه‌جانبه استفاده کرد.
با توجه به اینکه تحقیق مدل ما در مقیاس بسیار کوچک بود، ما به داده هایی از چندین مکان نیاز نداشتیم. بنابراین، استفاده از حسگرهای شبکه برای اهداف ما غیر ضروری بود. ما تصمیم گرفتیم یک دستگاه اندازه گیری تک واحدی برای به دست آوردن اطلاعات آب و هوا، به ویژه یک ایستگاه هواشناسی بی سیم Conrad Electronics RW 53, WH 5300 از شرکت کنراد خریداری کنیم. قیمت این دستگاه تقریباً 80 یورو بود.
گزینه دیگر خرید این داده ها از موسسه هواشناسی چک است. مجموعه ای از داده ها را به صورت رایگان (از ایستگاه های اندازه گیری نزدیک شهرهای بزرگتر و در نقاط انتخاب شده) ارائه می دهد، اما برای داده ها در یک مکان سفارشی باید کمیسیون ویژه ای ترتیب داده شود. بر اساس داده‌های موجود از پایگاه داده قراردادهای در دسترس عموم، ما توانستیم مطمئن شویم که هم داده‌های بارش و هم داده‌های دما حداقل ۵۰ یورو برای هر سال هزینه دارند.

2.3. عوامل آلودگی

برای هر نمایه حوضه، ما همچنین یک پایگاه داده از عوامل انسانی را که به سه گروه موضوعی تفکیک شده اند، گردآوری کردیم: شاخص های سکونت انسانی، دسته های کاربری زمین، و تولید کشاورزی.
شاخص‌های اصلی سکونت انسانی، تراکم جمعیت، حجم تولید و تصفیه فاضلاب شهری بود. تعداد ساکنان ساکن در داخل یک حوضه محدود تحت هر پروفیل به صورت دستی محاسبه شد. فهرستی از نام شهرها و روستاها از نقشه پایه توپوگرافی برای هر نمایه داده شده تهیه شد. سپس از منابع داده ای در دسترس عموم برای تعیین تعداد ساکنان برای هر شهرک استفاده کردیم. منابع داده ای که ما استفاده کردیم، داده های رسمی جمعیت از اداره آمار چک و همچنین دفاتر شعب محلی آنها در ترکیب با PRVKÚK (طرح توسعه منطقه ای تامین آب و تصفیه فاضلاب) بود. خوشبختانه، هر دو منبع داده های به اندازه کافی دقیق و جدید را برای منطقه ای که مطالعه موردی ما به آن پرداخته بود، ارائه کردند. در بسیاری از مناطق دیگر چک،
گروه دوم عوامل، سطوح و درصد تمام دسته‌های کاربری اراضی در هر حوضه آبخیز مدل در نمایه نظارت بر کیفیت آب بودند. مخزن داده باز که ما برای این بخش استفاده کردیم LPIS (سیستم شناسایی قطعه زمین) بود که یک سیستم اطلاعاتی است که توسط وزارت کشاورزی اداره می شود. این شامل یک پایگاه داده از تمام بلوک های بسته ثبت شده با زمین کشاورزی است. دسته های متمایز از زمین های زراعی، علفزارهای دائمی، سایر فرهنگ های زمین های زراعی و مراتع وجود دارد. همچنین شامل چندین مجموعه داده کلیدی دیگر برای هر بسته مانند ارتفاع و گرادیان است. داده های ارائه شده به صورت رایگان قابل دانلود هستند و در لایه های .shp برای هر منطقه کاداستر در جمهوری چک ذخیره می شوند. از این رو، ابتدا باید یک تقاطع از مرزهای نمایه خود با نقشه قلمرو کاداستر (ارائه شده در مجموعه داده ArcČR) در داخل نرم افزار GIS خود ایجاد می کردیم تا تعیین کنیم کدام کاداسترها را باید از LPIS بارگیری کنیم. پس از درج و ادغام تمام لایه‌های LPIS و تقاطع آن با نمایه‌های خود، می‌توانیم نسبت تمام دسته‌های کاربری زمین را در مناطق انتخابی خود محاسبه کنیم. برای محاسبه نسبت جنگل‌ها در مناطق مدل، از همین رویکرد استفاده کردیم، با این تفاوت که داده‌های منبع، لایه GIS آزادانه CORINE (هماهنگی اطلاعات در مورد محیط زیست) پوشش زمین 2000 بود. برای محاسبه نسبت مناطق ساخته شده و سطح آب، باید آنها را به صورت دستی از روی نقشه توپوگرافی مشخص می کردیم. برای چندین شهرک بزرگتر،
در نهایت، ما نظارتی بر تولیدات کشاورزی در منطقه انجام دادیم. در طول هر چرخه تولید کشاورزی، ما تعیین کردیم که کدام محصولات در قطعات زمین زراعی در یک حوضه آبخیز مدل در مزارع عمده کشاورزی رشد می‌کنند، زیرا تغییرات در تنوع محصول بین سال‌ها می‌تواند آلودگی مواد مغذی حاصل را به‌ویژه برای جریان‌های کوچک آب تحت تأثیر قرار دهد.
ما تمام داده‌های به‌دست‌آمده را برای ارزیابی تأثیر عوامل مختلف طبیعی و انسانی در حوضه آبخیز مدل (جمعیت، دسته‌بندی‌های کاربری زمین، تولید کشاورزی، و داده‌های هواشناسی) بر روی شاخص‌های انتخابی کیفیت آب در پروفایل‌های پایش، تجزیه و تحلیل کردیم. نتایج مشخص این تجزیه و تحلیل قرار است در یک مقاله بعدی جداگانه منتشر شود، که بیشتر بر روی مقادیر واقعی داده های اندازه گیری شده، تجزیه و تحلیل آماری آنها و پیامدهای حاصل از مشاهدات/اندازه گیری های ما متمرکز خواهد بود.

3. نتایج

در جمهوری چک، بیشتر داده‌های باز از منابعی در بدنه‌های اداری دولت مانند وزارتخانه‌ها، مؤسسات تحقیقاتی زیر نظر وزارتخانه‌ها یا سازمان‌های مرتبط با نهادهای دولتی مختلف می‌آیند. تعداد زیادی از منابع داده و در نتیجه تکه تکه شدن داده های باز در جمهوری چک یک زمینه تاریخی دارد. حتی در اواسط دهه 2000، گزارش‌هایی درباره ویژگی غیرمتمرکز ارائه‌دهندگان داده‌ها وجود داشت که بر ضرورت وجود فهرست عمومی‌تر از داده‌های باز تأکید می‌کرد . توسط [ 21] که این سیستم مزایای خود را از نظر حفظ اعتبار داده ها از طریق به روز رسانی منظم دارد، زیرا هر ارائه دهنده فقط مسئول مدیریت بخش کوچک خود از چشم انداز کلی داده های باز است. با این حال، این به قیمت کمتر قابل کشف منابع داده است و محققان را وادار می کند تا بدانند کدام منابع داده وجود دارد و کجا به دنبال آنها بگردند. این امر یک سربار برای هر تلاش تحقیقاتی ایجاد می کند، زیرا قبل از تحقیق، آزمودنی ها باید یک فرآیند کشف جامع را برای یافتن همه منابع داده ممکن انجام دهند. برای این منظور، چندین وب‌سایت گردآوری منبع داده باز مبتنی بر کاربر پدید آمده‌اند که سعی دارند فهرست‌های به‌روز از مکان‌های داده را نگه دارند.
سایت رسمی جمع آوری داده های باز در جمهوری چک، کاتالوگ ملی داده های باز است. اخیراً (در طول سال 2015) تأسیس شده است و اکثر مؤسسات چک انتشار داده‌های باز خود را بلافاصله در این کاتالوگ اتخاذ نکردند. بنابراین، مقدار داده های موجود همچنان در حال افزایش است، زیرا سازمان های بیشتری در تلاش برای باز کردن داده ها شرکت می کنند، بنابراین وضعیت در حال بهبود است. با این حال، چندین مورد وجود دارد که باعث کاهش قابلیت استفاده از این کاتالوگ می شود. اولاً، شامل داده‌های مکانی و غیرمکانی بدون گزینه فیلتر کردن یک نوع یا دیگری است. این شامل فیلتر بر اساس فرمت فایل است، بنابراین داده‌ها در KML یا GeoJSON می‌توانند دارای ماهیت مکانی فرض شوند. اما بسیاری از فایل‌های داده‌های مکانی، به‌ویژه آنهایی که در قالب فایل .shp هستند، به‌صورت .ZIP ارائه می‌شوند. تمایز آنها از داده‌های .ZIP غیرمکانی را غیرممکن می‌کند. با این حال، همانطور که توسط [22 ]، داده‌های غیرمکانی را می‌توان با ویژگی‌های فضایی افزایش داد، بنابراین تمام داده‌های درون کاتالوگ به طور بالقوه ارزشمند هستند و نمی‌توان آن‌ها را در طول فرآیند کشف داده‌ها صرفاً بر اساس قالب داده دور انداخت. بنابراین، این واقعیت که داده‌های خام قابل خواندن توسط ماشین به همان شیوه‌ای منتشر می‌شوند که فایل‌های داده‌ای که با مدیریت شفاف مانند خریدهای عمومی، قراردادها، نگه‌دارنده‌ها و مشوق‌ها سروکار دارند، سیستم را به هم ریخته و قابلیت کشف مجموعه‌های داده مربوطه را کاهش می‌دهد.
دومین مشکل عمده در کاتالوگ ناشی از ناهمگونی کلی مجموعه داده ها و همچنین رویکردهای اتخاذ شده توسط ارائه دهندگان داده های فردی است. برخی از موسسات داده‌های سراسر کشور را به اشتراک می‌گذارند، برخی از مجموعه‌های داده بر اساس مناطق جدا شده‌اند، و برخی به ده‌ها هزار مجموعه داده جداگانه بر اساس شهرداری‌ها تقسیم می‌شوند (هر روستا دارای مجموعه داده‌های خاص خود است). این بدان معناست که یک مجموعه داده شامل اطلاعات مربوط به کل کشور را می توان به طور بالقوه در میان هزاران فایل دیگر که در یک مکان کوچک متمرکز شده اند دفن کرد.
یکی دیگر از منابع برجسته داده، ژئوپورتال INSPIRE است زیرا داده های بسیاری از سازمان ها در جمهوری چک را جمع آوری می کند. این بر اساس دستورالعمل اروپایی 2007/2/ES INSPIRE [ 3 ] است که هدف آن ایجاد زیرساخت داده های مکانی اروپایی (SDI) است که داده های استاندارد شده با کیفیت بالا را برای حمایت از سیاست های استراتژیک زیست محیطی ارائه می دهد. اکثر استانداردهایی که در INSPIRE استفاده می شوند در سری 19100 ISO (سازمان بین المللی استانداردسازی) قرار می گیرند که توسط کمیته فنی ISO مربوطه نگهداری می شود [ 23 ]] چک INSPIRE توسط CENIA (آژانس اطلاعات زیست محیطی چک) که بخشی از وزارت محیط زیست است مدیریت می شود. در وضعیت فعلی، ژئوپورتال برنامه نقشه وب خود را برای نمایش نقشه ها و لایه ها و همچنین WMS دارد که همان داده ها را ارائه می دهد. مجموعه داده‌های موجود در حال حاضر شامل نقشه ارتوفتو (فعالی و تاریخی)، مدل زمین دیجیتال، نقشه‌های نظامی، نقشه توپوگرافی، املاک، نقشه کاداستر زمین و ZABAGED (پایه بنیادی داده‌های جغرافیایی) است. مجموعه داده‌ها توسط ابرداده‌های غنی افزایش می‌یابند که امکان فیلتر کردن با استفاده از پارامترهای زیادی مانند منبع، چارچوب زمانی، موضوع، مکان، نوع سرویس و موارد دیگر را فراهم می‌کنند. در دسترس بودن ابرداده نقش کلیدی در فرآیند کشف داده ایفا می کند،
ZABAGED مجموعه ای از نقشه های پایه است که توسط اداره دولتی نقشه برداری زمین و کاداستر ارائه شده است. از جمله، شامل نقشه‌های مربوط به واحدهای سرزمینی، ساختمان‌ها و جاده‌ها، پوشش گیاهی و سطح زمین، زمین و نقاط ژئودتیک و شبکه‌های توزیع و خطوط لوله است. این بخش ژئوپورتال خود را با نقشه‌های ZABAGED در آن اجرا می‌کند، اما این نقشه‌ها در داخل ژئوپورتال INSPIRE و همچنین در فرم‌های WMS و WFS ارائه می‌شوند.
LPIS یک سیستم اطلاعات جغرافیایی شواهد زمین است که توسط وزارت کشاورزی اداره می شود و عمدتاً توسط کشاورزان برای وارد کردن داده های مربوط به کودها، آفت کش ها و سایر آماده سازی هایی که برای تولید کشاورزی استفاده می کنند (به منظور واجد شرایط بودن برای یارانه های دولتی یا اروپایی) استفاده می شود. LPIS یکی از پیشرفته‌ترین سیستم‌ها از نظر اشتراک‌گذاری داده است، زیرا گزینه‌های زیادی برای ارائه داده‌ها دارد. جدا از داشتن رابط وب GIS خود، داده ها به دو شکل WMS و WFS و همچنین دانلود مستقیم در فایل های .shp در دسترس هستند. LPIS به پرداخت‌های سیاست مشترک کشاورزی (CAP) مرتبط است و بنابراین در هر کشور اتحادیه اروپا (EU) اجرا می‌شود. جدای از قابلیت های مورد نیاز [ 24]، هر کشور عضو کنترل کاملی بر LPIS خود دارد که در نتیجه بین کشورها تفاوت هایی ایجاد می شود. LPIS چک دارای دسترسی عمومی گسترده ای است که به کاربران امکان می دهد بخش بزرگی از داده های موجود را مشاهده و دانلود کنند.
DIBAVOD مجموعه ای از نقشه ها است که توسط موسسه تحقیقات آب TGM گردآوری شده است. این مجموعه از نقشه‌ها عمدتاً حاوی داده‌های مربوط به جریان‌های آب و حوزه‌های آبخیز است و به عنوان خط پایه برای لایه‌های مرتبط با آب در ZABAGED عمل می‌کند. کل مجموعه DIBAVOD یا قطعات آن با فرمت .shp در سایت موسسه قابل دانلود می باشد.
VÚMOP (موسسه تحقیقاتی حفاظت از خاک و آب) مجموعه ای از نقشه ها را در مورد ساختار خاک، تراکم، آسیب پذیری فرسایش، ظرفیت آب و موارد دیگر ارائه می دهد. تا همین اواخر، کاربران باید به طور رسمی داده ها را درخواست می کردند و آنها را بر روی یک دیسک CD/DVD دریافت می کردند، اما موسسه در حال حاضر به سمت استفاده از روش WMS برای اشتراک گذاری برای مجموعه داده های بیشتری حرکت می کند.
مؤسسه آب و هواشناسی چک داده هایی را در مورد آب و هوا از جمله بارندگی ارائه می دهد. داده ها پس از پر کردن یک فرم کوتاه و یک توافق نامه مجوز برای دانلود در دسترس هستند. بیشتر داده‌ها در قالب‌های csv. xls هستند و بنابراین، پردازش داده‌ها برای تبدیل آنها به یک قالب مکانی مناسب ضروری است. در میان تمام داده‌های موجود برای تحقیق در بخش مدیریت آب، مجموعه داده‌های آب‌وهواشناسی مناسب‌ترین موردی است که با استفاده از دستگاه‌های اینترنت اشیا به‌دست می‌آید. سنسورهایی که دما، رطوبت و بارندگی را اندازه گیری می کنند در بازار موجود است.
اداره آمار چک اساساً داده های مربوط به تجارت، فعالیت های اقتصادی و صنعتی، جمعیت شناسی و دستمزدها و غیره را جمع آوری می کند. بسیاری از این مجموعه داده ها مستقیماً با مدیریت آب مرتبط نیستند، اما برخی از آنها بسیار مهم هستند (به عنوان مثال، تراکم جمعیت). با این حال، اداره آمار چک چنین داده هایی را به صورت مکانی در ازای پرداخت هزینه ارائه می کند. داده های رایگان فقط در فایل های xls. ارائه می شوند. علاوه بر این، بسیاری از داده‌های آماری عمدتاً در رابطه با مقامات محلی، کاداسترها، به عنوان آمار منطقه‌ای و غیره خلاصه شده و به عموم ارائه می‌شوند، بنابراین نیاز به تبدیل داده‌های دستی مضاعف: یک تبدیل از جداول به داده‌های مکانی و دوم یکپارچه‌سازی داده‌ها در چندین داده است. کاداسترها، شهرستان ها یا مناطق کوچکتر.
جدا از اینکه مجموعه داده‌های موجود و شکلی که دارند، یکی دیگر از جنبه‌های مهم، به‌ویژه وقتی صحبت از تحقیقات مستقل در مقیاس کوچک می‌شود، هزینه‌های مرتبط است. دسترسی به INSPIRE در جمهوری چک بدون هزینه است. هر کاربر ممکن است لایه های نقشه موجود را در Geo Portal آنلاین نمایش دهد یا از WMS برای نمایش تصاویر شطرنجی در نرم افزار GIS شخصی خود استفاده کند. علاوه بر این، کاربران می توانند در وب سایت ثبت نام کنند که به آنها امکان دسترسی به ویژگی های بیشتری مانند ایجاد و ذخیره ترکیبات نقشه خود را می دهد [ 25 ]]. با این حال، داده های خام واقعی در دسترس نیست. به عنوان بخشی از دستورالعمل های INSPIRE، چنین داده هایی به طور رایگان در اختیار سایر مؤسسات دولتی است که آن را درخواست می کنند، اما نه برای عموم. این موضوع حتی با سایر منابع داده رایج است. قاعده کلی این است که مؤسسات دولتی داده ها را بین خود به اشتراک می گذارند اما هنگام ارائه آنها به گیرندگان خارجی نیاز به پرداخت هزینه دارند. این مورد در مورد ZABAGED و سایر مجموعه‌های داده ارائه‌شده توسط دپارتمان نقشه‌برداری و کاداستر نیز صدق می‌کند، که فقط اجازه دانلود داده‌های آن‌ها را پس از پرداخت می‌دهد (بسته به مجموعه داده‌ها معمولاً پرداخت‌ها در هر کیلومتر مربع یا به ازای هر 5×5 کیلومتر مربع پرداخت می‌شود). به طور مشابه، VÚMOP بیشتر مجموعه داده های خود را در پشت یک دیوار پرداخت نیز قفل کرده است. داده های مؤسسه آب و هواشناسی چک دارای هزینه های مرتبط نیز هستند، اما موسسه همچنین گزینه های صدور مجوز را با تخفیف برای محققان و دانشجویان ارائه می دهد. چندین استثنا برای طرح‌های پرداخت عمومی وجود دارد: LPIS امکان دانلود نامحدود رایگان داده‌های منبع آنها را در قالب .shp از طریق یک رابط وب ساده می‌دهد و نقشه‌های DIBAVOD نیز برای دانلود رایگان در دسترس هستند.
برای مجموعه داده‌های خاص (در مورد ما دما، بارش و جریان آب) جایگزینی برای مخازن داده‌های باز موجود وجود دارد و آن استفاده از دستگاه‌های IoT برای اندازه‌گیری است. شبکه ای از حسگرها دارای مزیت ذاتی هزینه های نگهداری کم، دقت بیشتر داده ها به دلیل ماهیت محلی، و همچنین سرعت داده قابل تنظیم است. این مزایا با هزینه های اولیه بالاتر و کار و تخصص مورد نیاز برای راه اندازی و کالیبراسیون شبکه جبران می شود. در جمهوری چک چندین ارائه دهنده شبکه وجود دارد که خدمات تخصصی به حوزه اینترنت اشیا ارائه می دهند. Sigfox توسط شرکت SimpleCell Networks ارائه شده است. LoRaWAN (شبکه وسیع برد بلند) توسط شرکت Semtech ارائه شده است. با همکاری ارتباطات رادیویی چک سومین فناوری عمده موجود در بازار چک NB-IoT (IoT باند باند) است. بر اساس LPWA (منطقه گسترده کم مصرف)، ارائه شده توسط اپراتور تلفن همراه Vodafone. یک مشکل رایج در بین این ارائه دهندگان این است که آنها بیشتر بر روی پیاده سازی در داخل ساختمان ها تمرکز می کنند، یا وقتی صحبت از برنامه های کاربردی در فضای باز می شود، تاکید بر مناطق شهری است. یافتن راه حل های آماده برای نظارت بر ساختمان، نظارت بر اموال شرکت (به عنوان مثال مدیریت پارکینگ)، بهینه سازی تولید کارخانه یا خانه های هوشمند امکان پذیر است. تحقیقات انجام شده در حومه شهر احتمالاً نیازمند مذاکره در مورد یک راه حل سفارشی است، به ویژه با توجه به عدم دسترسی احتمالی پوشش شبکه در مناطق روستایی. یا وقتی صحبت از برنامه های کاربردی در فضای باز می شود، تأکید بر مناطق شهری است. یافتن راه حل های آماده برای نظارت بر ساختمان، نظارت بر اموال شرکت (به عنوان مثال مدیریت پارکینگ)، بهینه سازی تولید کارخانه یا خانه های هوشمند امکان پذیر است. تحقیقات انجام شده در حومه شهر احتمالاً نیازمند مذاکره در مورد یک راه حل سفارشی است، به ویژه با توجه به عدم دسترسی احتمالی پوشش شبکه در مناطق روستایی. یا وقتی صحبت از برنامه های کاربردی در فضای باز می شود، تأکید بر مناطق شهری است. یافتن راه حل های آماده برای نظارت بر ساختمان، نظارت بر اموال شرکت (به عنوان مثال مدیریت پارکینگ)، بهینه سازی تولید کارخانه یا خانه های هوشمند امکان پذیر است. تحقیقات انجام شده در حومه شهر احتمالاً نیازمند مذاکره در مورد یک راه حل سفارشی است، به ویژه با توجه به عدم دسترسی احتمالی پوشش شبکه در مناطق روستایی.

4. بحث

وضعیت فعلی دسترسی به داده ها برای اهداف پژوهشی از بسیاری جهات نامطلوب است. پرکاربردترین رویکرد برای به اشتراک گذاری داده ها WMS است که طبیعتاً برای استفاده در تحقیقات بعدی مناسب نیست. برخی از داده ها در قالب WFS یا مستقیماً برای دانلود در دسترس هستند، اما در بیشتر موارد هزینه چنین داده هایی برای یک بودجه تحقیقاتی در مقیاس کوچک معمولی بسیار بالا است. این مزیتی را به موضوعات تحقیقاتی بزرگتر و دارای بودجه خوب یا کسانی که به وزارتخانه ها یا بخش های مختلف مرتبط هستند می دهد که می توانند داده ها را به صورت رایگان به عنوان بخشی از پروژه های تعاونی، مطالعات با بودجه دولتی و غیره به دست آورند.
یکی از مسائل مهم همچنین ماهیت غیرمتمرکز ارائه دهندگان داده باز است، که در آن هر موسسه با توجه به دانش فردی خود مجموعه داده ایجاد می کند. فقدان قابل توجهی از تجمیع داده های باز موجود، به ویژه در بخش کشاورزی [ 26 ] وجود دارد. تلاش مستمری برای بهبودهای تکنولوژیکی برای مجموعه داده های موجود به عنوان بخشی از ابتکار INSPIRE وجود دارد – مانند ترکیب داده های مرتبط و افزایش خوانایی ماشین [ 27 ]]. بنابراین، با افزایش الزامات فنی و کیفیت در قسمت جلویی (INSPIRE Geoportal)، انتظار می‌رود که مؤسسات ارائه‌دهنده بک‌اند فردی در نهایت استانداردهای جدید را نیز اتخاذ کنند، که امیدواریم در آینده نزدیک منجر به همگنی بهتر داده‌های باز موجود شود.
جمهوری چک در حال حاضر از نظر محتوای واقعی داده ها در موقعیت خوبی قرار دارد. اکثر مجموعه داده هایی که برای تحقیق در مدیریت آب مهم هستند وجود دارند یا به طور فعال در حال توسعه هستند. بهبودهای احتمالی از نظر داده‌های غیر مکانی که در لایه‌های نقشه مناسب در سطح ارائه‌دهنده بازنگری می‌شوند، وجود دارد، بنابراین هزینه‌ها برای کاربران نهایی کاهش می‌یابد (با حذف نیاز به تیم‌های تحقیقاتی برای استخدام یک متخصص GIS برای پردازش دستی داده‌ها در قالب‌های قابل استفاده. ). در دسترس بودن پایگاه‌های اطلاعاتی باز با داده‌ها در قالب‌های مناسب نیز پیش‌نیاز کلیدی برای توسعه سیستم‌های پشتیبانی تصمیم‌گیری و اطلاعات در حوزه کشاورزی است.
مجموعه داده های جدید همچنین می تواند بر اساس سفارشی، با استفاده از دستگاه های IoT ایجاد شود. حجم بالای داده که از طیف وسیعی از حسگرهای شبکه ای به دست می آید، نویدبخش بهبود کلی در پوشش داده، تناوب و سطح جزئیات است. اما محدودیت‌هایی در مقیاس کلی که می‌توان از طریق آن اینترنت اشیا را به کار گرفت و همچنین هزینه‌های اولیه وجود دارد. پیشرفت‌های دیگر می‌تواند از حوزه سنجش از دور باشد، که ممکن است بتواند راه‌های جدیدی برای پایش کیفیت آب فراهم کند [ 28 ]. با این حال، مشخص نیست که آیا ظرفیت‌های نهادی کنونی، چه از نظر سخت‌افزار و چه از نظر نیروی انسانی، برای پردازش مؤثر چنین حجمی از داده‌ها به منظور ارائه آن‌ها به عموم مردم با هزینه‌های معقول یا رایگان کافی است یا خیر.

منابع

  1. Manuel, J. آلودگی مواد مغذی: تهدیدی مداوم برای آبراه ها. محیط زیست چشم انداز سلامتی 2014 ، 122 ، A304–A309. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  2. آکر، جی جی; Leptoukh, G. تجزیه و تحلیل آنلاین استفاده از داده های علوم زمین ناسا را ​​افزایش می دهد. Eos Trans. صبح. ژئوفیز. Union 2007 , 88 , 14. [ Google Scholar ] [ CrossRef ]
  3. دستورالعمل 2007/2/EC پارلمان اروپا. در دسترس آنلاین: https://eur-lex.europa.eu/legal-content/EN/ALL/?uri=CELEX%3A32007L0002 (در 30 سپتامبر 2020 قابل دسترسی است).
  4. پورتال داده باز جمهوری چک – کاتالوگ ملی داده های باز. در دسترس آنلاین: https://data.gov.cz (در 2 اکتبر 2020 قابل دسترسی است).
  5. پنگ، Z.-R. ژانگ، سی. نقش زبان نشانه گذاری جغرافیایی (GML)، گرافیک برداری مقیاس پذیر (SVG)، و ویژگی های خدمات وب (WFS) در توسعه سیستم های اطلاعات جغرافیایی اینترنتی (GIS). جی. جئوگر. سیستم 2004 ، 6 ، 95-116. [ Google Scholar ] [ CrossRef ]
  6. استانداردها و منابع OGC. در دسترس آنلاین: https://www.ogc.org/standards (در 30 سپتامبر 2020 قابل دسترسی است).
  7. وی، ی. Santhana-Vannan، S.-K.; Cook، RB داده های مکانی را از طریق سیستم WebGIS مبتنی بر استانداردهای OGC کشف، تجسم و ارائه می کند. در مجموعه مقالات هفدهمین کنفرانس بین المللی ژئوانفورماتیک، فیرفکس، VA، ایالات متحده آمریکا، 12 تا 14 اوت 2009. [ Google Scholar ]
  8. جونز، جی. کوهن، دبلیو. کسلر، سی. Scheider, S. در دسترس قرار دادن وب داده ها از طریق خدمات ویژگی های وب. لکت. یادداشت ها Geoinf. کارتوگر. 2014 ، 341-361. [ Google Scholar ] [ CrossRef ]
  9. Cada، V. سربا، او. فیالا، ر. Janecka، K. جدلیکا، ک. جزک، ج. میلدورف، تی. برنامه ریزی فضایی – میدان باز برای توصیف داده ها و خدمات وب. در مجموعه مقالات انجمن بین المللی فتوگرامتری و آرشیو سنجش از دور، 38; اولین کارگاه بین المللی در زمینه نقشه برداری وب فراگیر، پردازش جغرافیایی و خدمات، کومو، ایتالیا، 26-27 اوت 2010. [ Google Scholar ]
  10. عطارد، جی. اورلاندی، ف. اسکری، اس. Auer, S. مروری سیستماتیک از ابتکارات داده دولت باز. فرمانداری Inf. Q. 2015 ، 32 ، 399-418. [ Google Scholar ] [ CrossRef ]
  11. دونو، ا. توره، AD; مارتین، جی. ایفلی، J.-F. راپین، ال. میش، سی. باستین، سی. Pfister، L. نمونه اولیه یک شبکه LPWA برای پایش لحظه ای آب و هواشناسی و پخش سیل. لکت. یادداشت ها محاسبه. علمی 2019 ، 11803 ، 566–574. [ Google Scholar ]
  12. V.Ú.VTGMasaryk—بخش GIS—درباره DIBAVOD. در دسترس آنلاین: https://www.dibavod.cz (در 2 اکتبر 2020 قابل دسترسی است).
  13. Arc ČR – سیستم‌های اطلاعات جغرافیایی (GIS) – ARCDATA پراگ. در دسترس آنلاین: https://www.arcdata.cz/produkty/geograficka-data/arccr-500 (در 2 اکتبر 2020 قابل دسترسی است).
  14. ČÚZK – مقدمه. در دسترس آنلاین: https://www.cuzk.cz (در 2 اکتبر 2020 قابل دسترسی است).
  15. کارپنتر، اس آر. کاراکو، NF; Correll، DL؛ هاوارث، آر دبلیو؛ شارپلی، AN; اسمیت، VH آلودگی غیر نقطه ای آب های سطحی با فسفر و نیتروژن. Ecol. Appl. 1998 ، 8 ، 559-568. [ Google Scholar ] [ CrossRef ]
  16. السر، جی جی. براکن، MES; کلیلند، EE; گرونر، دی اس؛ هارپول، WS; هیلباند، اچ. Ngai، JT; Seabloom، EW; شورین، جی بی. اسمیت، JE تجزیه و تحلیل جهانی محدودیت نیتروژن و فسفر تولیدکنندگان اولیه در اکوسیستم های آب شیرین، دریایی و زمینی. Ecol. Lett. 2007 ، 10 ، 1135-1142. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  17. فوچیک، پ. هیدوک، تی. Peterková, J. کمیت کردن منابع آلودگی آب در حوضه کشاورزی کوچک زهکشی شده با کاشی. آب هوای خاک پاک 2014 ، 43 ، 698-709. [ Google Scholar ] [ CrossRef ]
  18. Horakova، M. و تجزیه و تحلیل جمعی آب . دانشگاه شیمی و فناوری: پراگ، جمهوری چک، 2003. [ Google Scholar ]
  19. دایگاوان، وی وی. Gaikwad، MA سیستم نظارت بر کیفیت آب بر اساس IOT. Adv. سیم. اوباش اشتراک. 2017 ، 10 ، 1107-1116. [ Google Scholar ]
  20. کوبیچک، پی. هوراکووا، بی. Horak, J. زیرساخت اطلاعات جغرافیایی در جمهوری چک. نقش کلیدی فراداده در مجموعه مقالات یازدهمین EC GI & GIS WORKSHOP، ESDI: Setting the Framework، Alghero، Sardinia، 29 ژوئن تا 1 ژوئیه 2005. صص 82-84. [ Google Scholar ]
  21. Řezník, T. اطلاعات جغرافیایی در عصر دستورالعمل INSPIRE: کشف، دانلود و استفاده برای تحقیقات جغرافیایی. جغرافیا 2013 ، 118 ، 77-93. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  22. دسی، ن. گاراو، جی. Recupero، DR; Pes، B. افزایش شفافیت داده های دولت باز با بعد فضایی. در مجموعه مقالات بیست و پنجمین کنفرانس بین المللی IEEE 2016 در زمینه فن آوری های توانمند: زیرساخت برای شرکت های مشارکتی (WETICE)، پاریس، فرانسه، 13 تا 15 ژوئن 2016؛ ص 247-249. [ Google Scholar ]
  23. ISO/TC 211. اطلاعات جغرافیایی/ژئوماتیک. در دسترس آنلاین: https://www.iso.org/committee/54904/x/catalogue/ (دسترسی در 30 سپتامبر 2020).
  24. راتونی، جی. ورالیایی، ال. هردون، ام. بهترین شیوه های کاربرد GIS در کشاورزی مجارستان. AGRIS آنلاین پاپ. اقتصاد آگاه کردن. 2010 ، 2 ، 55-62. [ Google Scholar ]
  25. پراشک، جی. والتا، جی. Hřebíček، J. ژئوپورتال ملی INSPIRE جمهوری چک. IFIP Adv. Inf. اشتراک. تکنولوژی 2013 ، 413 ، 425-438. [ Google Scholar ]
  26. وستروفسکی، وی. Tyrychtr، J. هالبیچ، سی. صحت داده های باز در بخش کشاورزی. در دیدگاه های کشاورزی XXIV ; CULS: پراگ، جمهوری چک، 2015; صص 528-535. [ Google Scholar ]
  27. Shade، S. لوتز، ام. فرصت ها و چالش ها برای استفاده از داده های پیوندی در الهام. در مجموعه مقالات کارگاه در مورد داده های مکانی و زمانی مرتبط، زوریخ، سوئیس، 14 تا 17 سپتامبر 2010. [ Google Scholar ]
  28. شفر، کارشناسی; شفر، KG; کیت، دی. Lunetta، RS; کانمی، آر. گولد، RW موانع به کارگیری سنجش از دور ماهواره ای برای مدیریت کیفیت آب. بین المللی J. Remote Sens. 2013 ، 34 ، 7534-7544. [ Google Scholar ] [ CrossRef ]
Ijgi 09 00591 g001 550
شکل 1. مرزهای پروفایل های BP2 و BP5 ساخته شده در برنامه سیستم اطلاعات جغرافیایی BNHelp (GIS).

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید