جنرالیزاسیون عوارض ارتفاعی در تولید نقشه های کوچک مقیاس مبتنی بر نقشه های پایه با استفاده از الگوریتم های موجود
Publish place: Human Geography Research، Vol: 48، Issue: 4
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 132
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHGR-48-4_005
تاریخ نمایه سازی: 18 مهر 1401
Abstract:
نقشه، تصویر کوچک شده و قراردادی تمام کره زمین یا بخشی از آن است که به روش هندسی، روی سطحی مستوی به نمایش درمی آید. با توجه به محدودیت فضای نقشه، انتخاب و طراحی عناصر نمایش اطلاعات زمین، نیازمند فرایندی انتخابی، متناسب با اهداف تهیه است تا به کاهش سیستماتیک اطلاعات جغرافیایی پردازد. نقشه، عوارض زمینی را در مقیاسی کوچک تر از شکل حقیقیاش به نمایش می گذارد. هرچه عدد مقیاس بزرگ تر باشد، جزئیات کمتری از عوارض قابل نمایش است. با تغییر عدد مقیاس باید ارتباط منطقی میان عوارض و ابعاد نقشه حفظ شود؛ بنابراین، عوارض باید به گونه ای حذف شوند که این رابطه منطقی از بین نرود. همچنین یک نقشه کامل در مقیاس جدید با توجه به نیازمندی های کاربران و اصول و قواعد کارتوگرافی حاصل شود. جنرالیزاسیون به عنوان یک فرایند کوچک سازی و تولید نقشه در مقیاس کوچک تر، همیشه مورد توجه بوده است. با توجه به مشکلات پیشروی روند تولید نقشه های کوچک مقیاس و نیاز صرف زمان و هزینه زیاد برای گویاسازی و گستره عملیات میدانی، امروزه این روش به عنوان یک راهکار اجرایی ضرورت یافته است. به طورکلی، جنرالیزاسیون در دو بخش عمده برای عوارض مسطحاتی و ارتفاعی انجام می شود. در این مقاله، به بررسی جنرالیزاسیون عوارض ارتفاعی به صورت اتوماتیک، شامل نقاط ارتفاعی و منحنی میزان ها پرداخته میشود. جنرالیزه منحنی میزان ها، به دو روش استفاده مستقیم از نقشه مبنا یا تولید DEM انجام میشود. سپس با توجه به عبور عوارض هیدرولوژیکی مانند آبریزها، منحنی ها تصحیح می شوند. در جنرالیزاسیون، نقاط ارتفاعی نیز نقاط براساس اهمیت و ارتفاع، انتخاب یا حذف می شوند. درنهایت، عوارض ارتفاعی نقشه هایی با مقیاس ۱۰۰.۰۰۰/۱، ۲۵۰.۰۰۰/۱ و ۵۰۰.۰۰۰/۱- که به روش اتوماتیک جنرالیزه شده اند- نمایش و تجزیه و تحلیل می شوند.
Keywords:
Authors
مهدی مدیری
دانشیار دانشگاه صنعتی مالک اشتر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :