[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
برای داوران::
تماس با ما::
امکانات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
پایگاه های نمایه کننده







 
..
آمار سایت
تعداد مشاهده ی مقالات: 2585510

مقالات منتشر شده: 637
نرخ پذیرش: 73.71
نرخ رد: 17.8

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 191 روز
____
..
:: دوره 13، شماره 4 - ( 3-1403 ) ::
دوره 13 شماره 4 صفحات 81-67 برگشت به فهرست نسخه ها
ارائه چارچوب مفهومی و معماری زیرساخت دانش مکانی (SKI) با کاربست وب سرویس‌های مکانی
آرا تومانیان* ، مرتضی امیدی پور ، نجمه نیسانی سامانی ، علی منصوریان
چکیده:   (463 مشاهده)
با مطرح شدن پاردایم‌های کاربردپذیری و تعامل‌پذیری ماهیت و نحوه بکارگیری داده‌های جغرافیایی به سرعت در حال تغییر است. توسعه استانداردهای باز، مفاهیم سرویس‌گرایی، توسعه سامانه‌های اطلاعات جغرافیایی تحت وب و بکارگیری فرمت داده‌های جدید در قالب وب سرویس‌ها حاکی از آن است که پاردایم‌ جدیدی در علم اطلاعات جغرافیایی شکل گرفته است. توسعه فناوری‌های مرتبط با علوم کامپیوتر و فناوری اطلاعات از یک سو و استفاده از سرویس‌های مکانی در کنار مفاهیم زیرساخت داده مکانی(SDI) از دیگر سو موجب شده که چالش دسترسی و انتشار داده‌ مکانی تا حد زیادی رفع گردد. متاسفانه علی رغم این پیشرفت‌ها، استخراج دانش از مجموعه داده جغرافیایی به شکل موثر، کارا و در زمان مناسب همواره به عنوان چالشی بزرگ در جوامع اطلاعات جغرافیایی به قوت خود باقی مانده است. برای رفع این چالش‌ استفاده از روش‌های داده‌کاوی، یادگیری ماشین، هوش مصنوعی و به به طور کلی اکتشاف دانش از داده‌ جغرافیایی ضرورتی اجتناب ناپذیر است؛ با این وجود در بسیاری از سناریوها داده‌ جغرافیایی ماهیتی توزیع یافته دارد. برای استخراج دانش از این مجموعه داده‌ نیاز به روش‌های استخراج دانش توزیع یافته و زیرساختی فناورانه است که بتوان دانش مکانی را از منابع توزیع یافته استخراج کرد. به طور کلی در زیرساخت دانش مکانی (SKI) هدف ایجاد بستری است که بتوان دانش مکانی تولید کرد، به آن دسترسی داشت و دیگران را در آن سهیم ساخت. چنین زیرساختی دربرگیرنده مولفه‌هایی سازگار شامل نرم‌افزار، سخت افزار، داده، سرویس‌ها، روال‌ها و استانداردهایی است که در راستای کشف دانش در زیرساخت‌های داده مکانی و در حالتی توزیع یافته بکار گرفته می‌شود. در این نوشتار چارچوب مفهومی و معماری چنین زیرساختی با بکارگیری وب‌ سرویس‌های مکانی ارائه شده است.
شماره‌ی مقاله: 6
واژه‌های کلیدی: وب سرویس مکانی، داده‌کاوی، استخراج دانش، زیرساخت داده مکانی، زیرساخت دانش مکانی
متن کامل [PDF 928 kb]   (67 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سامانه های اطلاعات مکانی
دریافت: 1401/11/11
فهرست منابع
1. Toomanian, A. (2012) Methods to Improve and Evaluate Spatial Data Infrastructures. Lund University, Sweden. Available at: http://www.lunduniversity.lu.se/lup/publication/40d93fc-98ca-4f12-becd-a0e8d25c9048.
2. Li, D., Wang, S. and Li, D. (2016) Spatial data mining : theory and application. Available at: http://www.springer.com/us/book/9783662485361 (Accessed: 28 August 2017).
3. Talia, D. and Trunfio, P. (2013) Service-oriented distributed knowledge discovery. CRC Press. [DOI:10.1201/b12990]
4. Longley, P. A., Goodchild, M. F., Maguire, D. J., & Rhind, D. W. (2015). Geographic information science and systems. John Wiley & Sons.
5. Omidipoor, M., Toomanian, A., & Samani, N. N. (2018, June). Towards Spatial Knowledge Infrastructure (SKI): Technological Understanding. In Proceedings of the 21st AGILE International Conference on Geographic Information Science, Lund, Sweden (pp. 12-15).
6. Miller, H. J., & Han, J. (2009). Geographic data mining and knowledge discovery. CRC press. [DOI:10.1201/9781420073980]
7. Rajabifard, A., Feeney, M.-E. F. and Williamson, I. P. (2002) 'Future directions for SDI', International Journal of Applied Earth Observation and Geoinformation. Elsevier, 4(1), pp. 11-22. [DOI:10.1016/S0303-2434(02)00002-8]
8. Williamson, I. P., Rajabifard, A. and Feeney, M.-E. F. (2003) Developing spatial data infrastructures : from concept to reality. Taylor & Francis. [DOI:10.1201/9780203485774]
9. Mansourian, A., Rajabifard, A., Valadan-Zoje, M. and Williamson, I. (2006) 'using SDI and web-based system to facitilate disaster management', Computers & Geosciences, 32(3), pp. 303-315. doi: http://dx.doi.org/10.1016/j.cageo.2005.06.017. [DOI:10.1016/j.cageo.2005.06.017]
10. Kargupta, H. (2009) Next generation of data mining. CRC Press. [DOI:10.1201/9781420085877]
11. Li, S., Dragićević, S. and Veenendaal, B. (2011) Advances in web-based GIS, mapping services and applications. CRC Press/Balkema. [DOI:10.1201/b15452]
12. Yue, P. (2013) Semantic web-based intelligent geospatial web services‏, springer. Available at: http://link.springer.com/content/pdf/10.1007/978-1-4614-6809-7.pdf.
13. Li, S., Dragicevic, S., Castro, F. A., Sester, M., Winter, S., Coltekin, A., ... & Cheng, T. (2016). Geospatial big data handling theory and methods: A review and research challenges. ISPRS journal of Photogrammetry and Remote Sensing, 115, 119-133. [DOI:10.1016/j.isprsjprs.2015.10.012]
14. Dalkir, K. (2013). Knowledge management in theory and practice: Routledge. [DOI:10.4324/9780080547367]
15. Easterby-Smith, M., & Lyles, M. A. (Eds.). (2011). Handbook of organizational learning and knowledge management. John Wiley & Sons.
16. Rubenstein-Montano, B., Liebowitz, J., Buchwalter, J., McCaw, D., Newman, B., Rebeck, K., & Team, T. K. M. M. (2001). A systems thinking framework for knowledge management. Decision support systems, 31(1), 5-16. [DOI:10.1016/S0167-9236(00)00116-0]
17. Zhong, N. and Zhou, L. (1999) Methodologies for knowledge discovery and data mining : Third Pacific-Asia Conference, PAKDD-99, Beijing, China, April 26-28, 1999 : proceedings. Springer. [DOI:10.1007/3-540-48912-6]
18. Omidipoor, M., Toomanian, A., Neysani Samany, N., & Mansourian, A. (2020). Knowledge discovery web service for spatial data infrastructures. ISPRS International Journal of Geo-Information, 10(1), 12. [DOI:10.3390/ijgi10010012]
19. Alkathiri, M., Jhummarwala, A., & Potdar, M. B. (2019). Multi-dimensional geospatial data mining in a distributed environment using MapReduce. Journal of Big Data, 6(1), 82. [DOI:10.1186/s40537-019-0245-9]
20. Li, Z., Gui, Z., Hofer, B., Li, Y., Scheider, S., & Shekhar, S. (2020). Geospatial information processing technologies. Manual of digital earth, 191-227. [DOI:10.1007/978-981-32-9915-3_6]
21. Jo, J., & Lee, K. W. (2018). High-performance geospatial big data processing system based on MapReduce. ISPRS International Journal of Geo-Information, 7(10), 399. [DOI:10.3390/ijgi7100399]
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Toomanian A, Omidipoor M, Neysani Samany N, Mansourian A. Providing the conceptual framework and architecture of spatial knowledge infrastructure (SKI) with the application of spatial web services. JGST 2024; 13 (4) : 6
URL: http://jgst.issgeac.ir/article-1-1134-fa.html

تومانیان آرا، امیدی پور مرتضی، نیسانی سامانی نجمه، منصوریان علی. ارائه چارچوب مفهومی و معماری زیرساخت دانش مکانی (SKI) با کاربست وب سرویس‌های مکانی. علوم و فنون نقشه برداری. 1403; 13 (4) :67-81

URL: http://jgst.issgeac.ir/article-1-1134-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 13، شماره 4 - ( 3-1403 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology