فرایند تعمیم نقشه، یک روش پیچیده به منظور تولید نقشههای کوچک مقیاس از نقشههای بزرگ مقیاس است که با حفظ ساختارها و ویژگیهای عوارض، منجر به تبدیل عوارض نقشه به صورت خوانا در مقیاس هدف میشود. شبکههای رودخانهای به دلیل ساختار شاخهای، سلسلهمراتبی و وابسته به توپولوژی، از چالشبرانگیزترین عوارض در فرآیند تعمیم به شمار میروند. اگرچه روشهای دادهمحور و یادگیری عمیق در سالهای اخیر برای تعمیم شبکههای رودخانهای مورد استفاده قرار گرفتهاند، بسیاری از آنها ساختار سلسلهمراتبی شبکه را بهصورت صریح مدل نکرده یا بدون در نظر گرفتن قیود کارتوگرافیک، منجر به حذف یا حفظ نامناسب شاخهها میشوند. در این پژوهش، یک چارچوب دومرحلهای برای تعمیم و سادهسازی شبکه رودخانهها ارائه شده است. در گام نخست، ساختار سلسلهمراتبی شبکه با ترکیب رتبهبندی هورتون–استرالر و تحلیل پیوستگی هندسیStrokeاستخراج میشود. در گام دوم، فرآیند انتخاب و حذف شاخهها با استفاده از یک مدل یادگیری عمیق عمیق مبتنی بر گراف با معماریGraphSAGEو در چارچوب دستورالعملهای سازمان نقشهبرداری انجام میگیرد. مدل پیشنهادی بر روی دادههای شبکه رودخانه استان اصفهان در مقیاس 1:25,000 اجرا و نتایج آن با نقشه مرجع 1:50,000 مقایسه شد. برای ارزیابی دقت، از ضریب انطباق هندسی (CLC) استفاده گردید که میزان همپوشانی طولی شبکه تعمیمیافته با نقشه مرجع را نشان میدهد. نتایج نشان داد که مقدارCLCبرابر با 96/0 است که بیانگر حفظ مناسب ساختار کلی شبکه و تطابق بالای خروجی مدل با تعمیم دستی کارتوگراف در مقیاس هدف میباشد.
