fa ارائه چارچوب مفهومی و معماری زیرساخت دانش مکانی (SKI) با کاربست وب سرویس‌های مکانی سامانه های اطلاعات مکانی GIS پژوهشي Research <div style="text-align: justify;"><span style="font-size:12px;"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" times=""><span lang="FA"><span b="" nazanin="">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(</span></span><span dir="LTR">SDI</span><span lang="FA"><span b="" nazanin="">) 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 (</span></span>SKI<span lang="FA"><span b="" nazanin="">) 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.</span></span></span></span></span></span></div> <div style="text-align: justify;"><span style="font-size:12px;">Nowadays, extracting knowledge from voluminous and distributed spatial data is a vital need and ultimate goal of spatial data community. In this regard, a number of spatial data mining methods and algorithms have been developed, but there are a number of reasons these methods could not be cover spatial data community requirements. Like early years of GIS development, collecting data on a repository is still applied for knowledge extraction. In adaption, interoperability and usability are two important issues that have been neglected in traditional knowledge extraction methods. To respond the requirements from knowledge perspective a set of Web service-based geographical knowledge extraction is necessary. The services required a technological infrastructure or framework to extract useful knowledge from the different and geographically distributed data sources. In order to overcome this challenges, a general Spatial Knowledge Infrastructure (SKI) proposed to facilitate knowledge extraction in distributed scenarios. The SKI is a widespread interoperable framework through which geographical/spatial knowledge is created, organized, shared, managed and used in many domains. It creates a mechanism to make the necessary processes of geographic knowledge with the highest efficiency and usability. SKI&#39;s primary goal is to combine Spatial Data Infrastructure (SDI), Spatial Web Services (SWS) and Spatial Data Mining (SDM) concepts to facilitate geographical knowledge extraction as a collection of services. With a combination of SDI, SWS and SDM concepts this study presents the nature of SKI, including definition, levels, components, and architecture.</span></div> وب سرویس مکانی, داده‌کاوی, استخراج دانش, زیرساخت داده مکانی, زیرساخت دانش مکانی Spatial Knowledge Infrastructure, Spatial Data Mining , Spatial Data Infrastructure, Spatial Web Services (SWS) 67 81 http://jgst.issgeac.ir/browse.php?a_code=A-10-755-1&slc_lang=fa&sid=1 Ara Toomanian آرا تومانیان a.toomanian@ut.ac.ir 100319475328460010121 100319475328460010121 Yes University of Tehran دانشگاه تهران Morteza Omidipoor مرتضی امیدی پور omidipoor@ut.ac.ir 100319475328460010122 100319475328460010122 No University of Tehran دانشگاه تهران Najmeh Neysani Samany نجمه نیسانی سامانی nneysani@ut.ac.ir 100319475328460010123 100319475328460010123 No University of Tehran دانشگاه تهران Ali Mansourian علی منصوریان ali.mansourian@nateko.lu.se 100319475328460010124 100319475328460010124 No Lund University, Sweden. دانشگاه لوند، سوئد.