مدیریت بهینه داده ها در آمایش سرزمین به وسیله ی تناظر یابی عوارض برداری خطی
Publish place: 1st National Conference on Civil Engineering & Architecture & Sustainable Development
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 643
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEASD01_223
تاریخ نمایه سازی: 15 بهمن 1393
Abstract:
تنوع مجموعه داده های مکانی درگذشته جهت انجام انالیزهای مکانی بسیاراندک بوده است ولی امروزه اغلب انالیزهای مکانی موفق نیازنمد به استفاده ازمجموعه داده های مکانی متنوع م یباشد که حتی برای یک منطقه ی یکسان جمع آوری و تهیه شده اند به گونه ای که امروزه اکثرارگان ها و سازمانها عموما قسمت اعظم سرمایه گذاری هایشان دراخذداده های مختلف ازجمله داده های مکانی می باشد و رشداگاهی درمورداهمیت اطلاعات مکانی منجر به افزایش تقاضای پیوسته برای داده های مکانی متفاوت شده است و درحالیکه مبادله و انتقال این مجموعه داده ها با استفاده ازترکیب آنها به ندرت اتفاق افتاده است وامکان دوباره کاری و تلاش های مجددی برای تهیه ی داده های یکسان وجود دارد عدم وجود استاندارد مشخص برای اشتراک گذاری و تولید داده یکی ازموانع موجود برای امایش سرزمین می باشد دراین راستا یکپارچه سازی این مجموعه داده ها و انتقال اطلاعات جمعیتی و اقتصادی و سایراطلاعات موردنیاز برای امایش سرزمین ازیک مجموعه داده به دیگری انجام میگیرد و باسوق دادن مدیریت جزیره ای به سوی تفکرسیستمی دستیابی به اهداف امایش سرزمین درنبود استانداردهای واحد برای اشتراک گذاری تسهیل گردیده و به وسیله ایجادهماهنگی بین مناطق ناهماهنگ به اجرای طرح های امازیش سرزمین پرداخته میشود
Keywords:
Authors
علی دهقانی تفتی
دانشجوی کارشناسی ارشد سیستم های اطلاعات جغرافیاییGIS دانشکده فنی دانشگاه تهران
رحیم علی عباسپور
عضو هیات علمی سیستم های اطلاعات جغرافیایی GIS دانشکده فنی دانشگاه تهران
آزاده نصیری دهج
دانش آموخته کارشناسی ارشد سیستم های اطلاعات جغرافیایی GIS دانشکده نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
صادق خضری
دانشجوی کارشناسی ارشد سنجش از دور و سیستم های اطلاعات جغرافیایی RS.GIS دانشگاه آزاد اسلامی واحد یزد
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 :