مناظر و سکونتگاه های انسانی در دوره های زمانی طولانی تکامل می یابند. بنابراین، تغییر زمین، به عنوان یکی از محرک‌های بحران اکولوژیکی در آنتروپوسن، نیاز به مطالعه با چشم‌انداز بلندمدت دارد. در طول دهه های گذشته، حجم قابل توجهی از تحقیقات در زمینه علم تغییر سرزمین انباشته شده است. با این حال، تجزیه و تحلیل کمی زمین فضایی تغییر زمین، با این حال، هنوز با چالش های بسیاری مواجه است. مربوط به روش‌شناسی یا دسترسی به داده‌ها باشد. این سرمقاله چندین مشارکت علمی را برای یک شماره ویژه با دسترسی آزاد در مورد سکونتگاه تاریخی و تجزیه و تحلیل منظر معرفی می کند. مقالات برجسته تمام مراحل فرآیند تحلیل در این زمینه را پوشش می دهند: از اکتشاف و کدگذاری جغرافیایی منابع داده و کسب و پردازش داده ها تا تجسم و کاربرد کافی اطلاعات جغرافیایی تاریخی بازیابی شده برای تولید دانش. داده‌های مورد استفاده در این تحقیق شامل نقشه‌های آرشیوی، نقشه‌های کاداستر و کلان، داده‌های جمع‌سپاری، LiDAR هوابرد و محصولات داده مبتنی بر ماهواره است. از منظر جغرافیایی، این موضوع مناطق شهری و روستایی در اروپای مرکزی و آمریکای شمالی و همچنین مناطقی که در معرض شهرنشینی بسیار پویا در شرق آسیا هستند را پوشش می‌دهد. با توجه به چالش‌های زیست‌محیطی جهانی، هم نیاز به مطالعات طولانی‌مدت در مورد تغییر زمین در تحقیقات سیستم زمین و هم پیشرفت فعلی در روش‌های هوش مصنوعی برای بازیابی، پردازش و یکپارچه‌سازی اطلاعات جغرافیایی تاریخی، به این زمینه تحقیقاتی دامن می‌زند. LiDAR هوابرد و محصولات داده مبتنی بر ماهواره. از منظر جغرافیایی، این موضوع مناطق شهری و روستایی در اروپای مرکزی و آمریکای شمالی و همچنین مناطقی که در معرض شهرنشینی بسیار پویا در شرق آسیا هستند را پوشش می‌دهد. با توجه به چالش‌های زیست‌محیطی جهانی، هم نیاز به مطالعات طولانی‌مدت در مورد تغییر زمین در تحقیقات سیستم زمین و هم پیشرفت فعلی در روش‌های هوش مصنوعی برای بازیابی، پردازش و یکپارچه‌سازی اطلاعات جغرافیایی تاریخی، به این زمینه تحقیقاتی دامن می‌زند. LiDAR هوابرد و محصولات داده مبتنی بر ماهواره. از منظر جغرافیایی، این موضوع مناطق شهری و روستایی در اروپای مرکزی و آمریکای شمالی و همچنین مناطقی که در معرض شهرنشینی بسیار پویا در شرق آسیا هستند را پوشش می‌دهد. با توجه به چالش‌های زیست‌محیطی جهانی، هم نیاز به مطالعات طولانی‌مدت در مورد تغییر زمین در تحقیقات سیستم زمین و هم پیشرفت فعلی در روش‌های هوش مصنوعی برای بازیابی، پردازش و یکپارچه‌سازی اطلاعات جغرافیایی تاریخی، به این زمینه تحقیقاتی دامن می‌زند.
کلید واژه ها:
علم تغییر سرزمین ; اطلاعات جغرافیایی تاریخی ; GIScience ; مدل سازی فضایی و زمانی
۱٫ مقدمه
سکونتگاه ها و تغییرات انسانی در مناظر را می توان به عنوان آثار قابل مشاهده فعالیت های انسانی در سطح زمین درک کرد. آنها به تدریج در طول دوره های زمانی طولانی تکامل یافته اند. شدت و سرعت فزاینده تغییرات به یکی از محرک های بحران اکولوژیکی، به ویژه در دوران آنتروپوسن تبدیل شده است. از این رو، در طول دهه‌های گذشته، حجم قابل توجهی از تحقیقات برای مطالعه توسعه مکانی و زمانی سکونتگاه‌ها و مناظر انباشته شده است. با این حال، چالش‌های مستمری وجود دارد که جامعه پژوهشی را از توسعه و اجرای رویکردهای کمی فضایی باز می‌دارد. این چالش ها از شناسایی راه های موثر برای پردازش و تبدیل مشابه، منابع داده غیرژئوکد شده و ناهمگن به مسائل روش شناختی در استخراج خودکار اطلاعات برای کاربردهای در مقیاس بزرگ برای تفسیر مجموعه داده های اغلب فازی و با کیفیت پایین. برخی از این چالش ها و مسائل حل نشده مربوط به تحلیل جغرافیایی سکونتگاه ها و مناظر تاریخی در یک شماره ویژه با دسترسی آزاد که توسط این سرمقاله معرفی شده است، پرداخته شده است. موضوع ویژه در ارتباط با سمپوزیوم بین المللی استفاده از زمین آغاز شد [۱] در درسدن آلمان در سال ۲۰۱۷ برگزار شد. در این سمپوزیوم دانش پژوهانی از حوزه های علوم فضایی، علوم اطلاعات، علوم کامپیوتر، مطالعات محیطی، جغرافیا، نقشه برداری، تاریخ، شهرسازی و معماری مورد بحث قرار گرفت. در جلسات موضوعی، مشارکت های دعوت شده متمرکز بر مبانی نظری علم تغییر سرزمین، هستی شناسی ها، بررسی این زمینه، مسائل روشی از جمله الگوریتم هایی برای اکتساب داده ها برای ادغام داده های چند زمانی و چند مقیاسی، برای تخمین عدم قطعیت در مدل سازی مکانی-زمانی و همچنین مسائل کاربردی گرا شامل خدمات اکوسیستم، گسترش شهری، جمعیت شناسی تاریخی، علوم انسانی دیجیتال و تجسم در مقیاس های زمانی و مکانی مختلف است. مشارکت‌های منتخب برای ارسال به این شماره ویژه با عنوان «تحلیل سکونتگاه و منظر تاریخی» دعوت شد. در ادامه، به معرفی و اظهار نظر در مورد کمک‌های گنجانده شده در این زمینه مطالعاتی هیجان‌انگیز می‌پردازیم و زمینه‌های مرتبط با مبانی تحلیلی زیربنای این تحقیق، چالش‌های ناشی از آن و جهت‌گیری‌های آتی را ارائه می‌کنیم.
۲٫ چالش ها و مشارکت ها
تجزیه و تحلیل سکونتگاه و منظر تاریخی با چندین چالش روش شناختی یا مرتبط با دسترسی به داده ها مواجه است. این شماره ویژه شامل هشت مقاله تحقیقاتی با دسترسی آزاد است که به جنبه های مختلف در طول زنجیره پردازش و تجزیه و تحلیل داده ها می پردازد. این شامل رویکردهایی برای (۱) اکتشاف داده و رمزگذاری جغرافیایی منابع داده تاریخی، (۲) کسب و استخراج داده از منابع آن، و همچنین (۳) تجسم کافی و کاربرد مناسب اطلاعات جغرافیایی تاریخی بازیابی شده است. در ادامه، خلاصه ای از مشارکت های علمی مختلف در این شماره ویژه با نگاهی به این مراحل مختلف ارائه می کنیم.
۲٫۱٫ کاوش داده ها و ژئوکدینگ
همانطور که در بالا توضیح داده شد، نقشه های تاریخی پرکاربردترین منبع داده برای تجزیه و تحلیل سکونتگاه های تاریخی و منظر هستند. با توجه به افزایش تعداد آرشیوهای موجود در دسترس عموم از نقشه های اسکن شده و پیشرفت در روش های تحلیل محاسباتی، این منابع ارزشمند اطلاعات جغرافیایی تاریخی در آینده اهمیت بیشتری پیدا خواهند کرد. اوهل و همکاران [ ۲] مجموعه ای از روش ها را برای داده کاوی سیستماتیک و بازیابی محتوا در مجموعه های بزرگ بایگانی نقشه های توپوگرافی تاریخی ارائه می دهد. اطلاعات اولیه در مورد پوشش مکانی-زمانی، محتوای نقشه تقریبی و دقت مکانی صفحات نقشه جغرافیایی مرجع در مقیاس‌های مختلف نقشه برای درک مسائل پارامترسازی و چالش‌های بالقوه در خودکارسازی فرآیند استخراج اطلاعات ضروری است. نویسندگان استدلال می‌کنند که چنین مراحل تحلیلی اولیه اغلب در ادبیات پردازش نقشه نادیده گرفته می‌شوند، اما فازهای مهمی را نشان می‌دهند که پایه و اساس هر تحلیل بیشتر را می‌سازد. بنابراین، نویسندگان نشان می‌دهند که چگونه می‌توان چنین تحلیل‌های اولیه را به‌طور سیستماتیک با استفاده از تکنیک‌های تحلیلی و کارتوگرافی سنتی، و همچنین ابزارهای داده‌کاوی بصری-تحلیلی انجام داد.
چالش و مرحله مقدماتی دیگر در تجزیه و تحلیل اطلاعات جغرافیایی تاریخی، geocoding است – فرآیند تبدیل اطلاعات مرجع فضایی نسبی به پیش‌بینی‌های تعریف‌شده و در نتیجه امکان تجزیه و تحلیل فضایی و ارجاع متقابل بر اساس نقشه‌ها. برای تسهیل این امر، کورا و همکاران. [ ۳] یک رویکرد کدگذاری جغرافیایی مشترک تاریخی ارائه می‌کند که به صراحت با ویژگی‌های مختلف داده‌های تاریخی از جمله تاریخ‌های فازی، عدم دقت، پراکندگی و سایر جنبه‌های عدم قطعیت سروکار دارد. برای این منظور، نویسندگان یک سیستم ژئوکدینگ را بر اساس یک مدل شی ژئوتاریخی صوتی ایجاد کردند که آنها بر روی نقشه‌های شهر پاریس برای قرن ۱۹ و ۲۰ آزمایش کردند. این رویکرد شامل هشت مرحله زیر است: اسکن نقشه تاریخی. ارجاع جغرافیایی اسکن ها با استفاده از نقاط کنترلی انتخاب شده با دست. برآورد اطلاعات زمانی و دقت مکانی نقشه با استفاده از دانش دامنه مورخان. استخراج نام خیابان ها و هندسه محورها از اسکن. استخراج اعداد ساختمان از اسکن؛ ایجاد اعداد ساختمان گمشده؛ عادی سازی برچسب ها از نقشه های تاریخی؛ و ایجاد اشیاء ژئوتاریخی. در نتیجه، درصد زیادی از آدرس ها در زمان نسبتاً کوتاهی جغرافیایی کدگذاری می شوند. علاوه بر این، چندین رابط کاربری برای geocoding کارآمد و ویرایش مشترک و برای تجسم نتایج بر روی نقشه‌های فعلی و تاریخی پیشنهاد شده‌اند. نویسندگان بیان می کنند که ژئوکدر پیشنهادی می تواند به مکان ها، زمان ها و انواع داده های دیگر منتقل شود.
مطالعه دیگری عناصر منظره انسانی را که در خارج از بافت شهری یافت می شود، نقشه برداری می کند. چو و همکاران [ ۴] رویکردی برای نقشه‌برداری دیوارهای مرجانی تاریخی ارائه می‌کند که قبلاً به عنوان دیوار باغ برای کاشت در جزایر پنگو در تنگه تایوان استفاده می‌شد. این دیوارهای کم ارتفاع برای محافظت از مزارع کشاورزی در برابر بادهای شدید ساخته شده اند. رویکرد تشخیص مبتنی بر مدل‌های ارتفاع دیجیتال با وضوح بالا (DEM) تولید شده با استفاده از فناوری تشخیص نور و محدوده (LiDAR) است و بر اساس پارامترهای توپوگرافی انتخاب شده مانند شیب، انحنا و باز بودن است. پس از اعمال تکنیک‌های فیلتر کلاسیک برای تشخیص لبه، بخش‌های خط کاندید با استفاده از تبدیل Hough استخراج می‌شوند. متعاقباً، قطعات خط مورد ارزیابی قرار گرفتند و دیوارهای پایین از طریق الگوریتم درخت تصمیم، به ویژه الگوریتم CART با استفاده از پارامترهای توپوگرافی شناسایی شدند. مقایسه با داده های مرجع نشان داد که دیوارها را می توان با دقت ۷۴٪ تشخیص داد. از این رو، رویکرد خودکار ارائه شده یک گزینه جذاب برای نقشه برداری عناصر منظر تاریخی ارائه می دهد. نویسندگان استدلال می کنند که شناسایی ویژگی های تاریخی به طور کلی می تواند گامی مهم در حفظ و احیای اموال تاریخی تلقی شود. آنها نشان می‌دهند که فناوری هواپیماهای بدون سرنشین نقش مهمی را در کارهای آینده ایفا خواهد کرد زیرا تولید ابرهای نقطه‌ای و استفاده از اطلاعات طیفی تصاویر به دست آمده را تسهیل می‌کند.
۲٫۲٫ اکتساب و پردازش داده ها
مراحل بعدی معمولاً به جمع آوری داده های تاریخی از منابع داده اصلی مانند نقشه های آرشیوی و پردازش آن برای حوزه های علمی مختلف می پردازد. کائم و همکاران [ ۵] از نقشه های آرشیوی قرن نوزدهم برای بررسی تغییرات تاریخی در واسط سرزمین وحشی-شهری (WUI) استفاده کرد، منطقه ای که در آن پوشش گیاهی و سازه های ساخته شده در هم می آمیزند که به عنوان عامل اصلی و کانون قرار گرفتن در معرض مشکلات متعدد زیست محیطی توصیف شده است. نویسندگان تغییر WUI را در کارپات‌های لهستانی بین سال‌های ۱۸۶۰ و ۲۰۱۳ ارزیابی می‌کنند. اطلاعات کاربری تاریخی زمین از طریق دیجیتال‌سازی روی صفحه از نقشه‌های بررسی نظامی دوم اتریش (در مقیاس ۱:۲۸۸۰۰) جمع‌آوری شده است. شکل نقشه کاداستر در مقیاس ۱:۲۸۸۰٫ دو منطقه مورد مطالعه دارای تاریخچه کاربری بسیار متفاوتی هستند. یکی افزایش تدریجی جنگل و رشد مسکن را در طول زمان تجربه کرد، در حالی که منطقه دوم به دلیل اسکان مجدد پس از جنگ، که باعث احیای سریع جنگل ها شد، در معرض شوک قرار گرفت. یافته ها نشان می دهد، که WUI در هر دو حوزه مورد مطالعه افزایش یافت (به ترتیب از ۴۱ به ۵۴٪ و از ۱۲ به ۳۳٪)، در حالی که علل و فرآیندهای رشد WUI بسیار متفاوت بود. در حالی که در یک منطقه مورد مطالعه، توسعه سکونتگاهی محرک اصلی افزایش WUI در طول زمان بود، این رشد مجدد جنگل در منطقه دیگر بود. آنها همچنین دریافتند که در حالی که WUI در حال رشد بود، WUI تاریخی موجود در سال ۱۸۶۰ در طول زمان نسبتاً پایدار بود. به عبارت دیگر، علیرغم تغییرات قابل توجهی که در کاربری زمین در منطقه رخ داد، اکثر WUIهای ۱۸۶۰ هنوز ۱۵۰ سال بعد WUI بودند. این امر اهمیت میراث تاریخی استفاده از زمین در منطقه را در الگوهای کاربری فعلی زمین نشان می دهد. با توجه به مشکلات زیست محیطی مرتبط با افزایش WUI و این واقعیت که مناطق جنگلی و سکونتگاهی در بسیاری از مناطق کوهستانی اروپا افزایش می یابد، نویسندگان نتیجه می گیرند که
مشارکت Hecht و همکاران. [ ۶] بررسی می کند که آیا و چگونه الگوهای تاریخی با وضوح بالا جمعیت و تراکم مسکن را می توان به طور خودکار با تجزیه و تحلیل داده های جغرافیایی چند زمانی که مورفولوژی محیط ساخته شده را توصیف می کند، تخمین زد. رویکرد آنها از داده‌های فعلی در مورد کاربری زمین، داده‌های سهام ساختمان‌های سه بعدی و همچنین اطلاعات کاربری تاریخی که از نقشه‌های توپوگرافی در مقیاس ۱:۲۵۰۰۰ از چندین نقطه در زمان به دست می‌آید، استفاده می‌کند. برای استخراج ردپای ساختمان از روش های پردازش تصویر مانند تقسیم بندی و فیلتر مورفولوژیکی استفاده می شود. روش های یادگیری ماشینی برای شناسایی انواع ساختمان ها استفاده می شود. علاوه بر این، برای نقشه‌برداری در مقیاس بزرگ از خانه‌ها و جمعیت، روش‌های پالایش داسیمتری با استفاده از ساختمان‌های فردی به عنوان متغیرهای فرعی به کار گرفته شد. رویکرد ارائه شده در یک منطقه مورد مطالعه در آلمان شامل ۱۰۷ شهرداری مختلف آزمایش شد. جمعیت تاریخی و الگوهای سکونتگاهی برای هفت نقطه مختلف در زمان (هر ۱۰ سال، از سال ۱۹۵۰ تا ۲۰۱۰) با وضوح مکانی ۱۰۰ متر ایجاد شد. مقایسه تخمین‌ها با داده‌های رسمی فعلی نشان‌دهنده دست کم‌گرفتن قابل‌قبول با افزایش عدم قطعیت در زمان پیش‌تر است. با این وجود، نویسندگان بر ارزش افزوده و اهمیت رویکرد برای حوزه‌های مختلف کاربردی تحقیق تأکید می‌کنند. مقایسه تخمین‌ها با داده‌های رسمی فعلی نشان‌دهنده دست کم‌گرفتن قابل‌قبول با افزایش عدم قطعیت در زمان پیش‌تر است. با این وجود، نویسندگان بر ارزش افزوده و اهمیت رویکرد برای حوزه‌های مختلف کاربردی تحقیق تأکید می‌کنند. مقایسه تخمین‌ها با داده‌های رسمی فعلی نشان‌دهنده دست کم‌گرفتن قابل‌قبول با افزایش عدم قطعیت در زمان پیش‌تر است. با این وجود، نویسندگان بر ارزش افزوده و اهمیت رویکرد برای حوزه‌های مختلف کاربردی تحقیق تأکید می‌کنند.
۲٫۳٫ تجسم و کاربرد
مرحله نهایی در امتداد زنجیره پردازش و تحلیل داده ها بر جنبه های مربوط به تجسم و کاربرد اطلاعات مکانی-زمانی بازیابی شده در تحلیل های تاریخی متمرکز است. به عنوان مثال، مطالعه Schiewe [ ۷] به پردازش بصری در سکونتگاه های تاریخی و تحلیل منظر می پردازد. برای این منظور، برای اولین بار یک نوع شناسی از وظایف که اغلب در ارتباط با تجزیه و تحلیل تغییرات شهری یا منظر انجام می شود، توسعه یافت. این مقاله ۱۳ وظیفه مختلف را توصیف می کند که می توان آنها را به سه بند خروجی مختلف اختصاص داد: “What”، “Where” و “When”. برای هر یک از وظایف، توصیه هایی برای تجسم تغییرات بین دو نقطه در زمان ارائه شده و مورد بحث قرار می گیرد. نویسنده استدلال می‌کند که این وظایف اساسی می‌توانند مبنای ارزشمندی برای گردش‌های کاری پیچیده‌تر در یک محیط تحلیل بصری فراهم کنند. پس از ارائه گزینه‌های تجسم وظیفه‌محور، نویسنده اهمیت پیش‌پردازش مناسب داده‌ها را با تأکید بر حفظ روابط فضایی مورد بحث قرار می‌دهد.
بوگوچکا و جانکه [ ۸] بر تغییر به عنوان یک ویژگی ذاتی منظر تمرکز کرده و تکنیک های تجسم مکانی-زمانی را از نظر توانایی آنها در ارائه یک نمای کلی کافی از تعاملات پویا بین عناصر چشم انداز ملموس و ناملموس مقایسه می کند. به ویژه، آنها علاقه مند به ارزیابی امکان سنجی مفهوم مکعب فضا-زمان و تجسم های مبتنی بر لغزنده در نمایش منظر هستند. قلعه سلطنتی در ورشو به عنوان مطالعه موردی برای این تحلیل استفاده می شود. منشور لندن برای تجسم میراث فرهنگی مبتنی بر رایانه به عنوان یک سند مرتبط برای دریافت درک عمیق‌تر از الزامات طراحی کاربر محور استفاده می‌شود. تست‌های معیار، بازخورد و ردیابی چشم برای بررسی مناسب بودن رویکردهای مختلف برای تجسم میراث فرهنگی اعمال می‌شوند. بر اساس بازخورد کارشناسان و شرکت کنندگان دامنه، مکعب فضا-زمان به عنوان یک تکنیک امیدوارکننده برای تجسم منظره موثر در یک دوره چند صد ساله شناخته شده است. با توجه به فرم و رنگ اشیاء منظره، آنها گزارش می دهند که کاربران در واقع بافت های واقعی تری را روی ساختمان ها ترجیح می دهند. به گفته نویسندگان، با توجه به اجرای سایر عملکردهای تعاملی که از درک محتویات مکعب های فضا-زمان پشتیبانی می کنند، به کار بیشتری نیاز است.
یک مثال جالب برای کاربرد و ارزش عملی اطلاعات جغرافیایی تاریخی توسط Xie و همکاران توضیح داده شده است. [ ۹]. در این مطالعه، نویسندگان تأثیر طرح‌های کاربری قبلی زمین را برای ارائه ورودی مبتنی بر شواهد برای ارزیابی تأثیر آگاهانه‌تر در برنامه‌ریزی کارشناسی ارشد آینده در شنژن و سایر شهرهای جهان، به‌ویژه در کشورهای در حال توسعه و نوظهور، ارزیابی می‌کنند. گسترش شهری در این مناطق طی چند دهه اخیر شتاب بیشتری گرفته است. بنابراین، نویسندگان از محصولات داده مبتنی بر ماهواره مانند لایه استقرار انسانی جهانی (GSHL) استفاده می‌کنند که داده‌های چند زمانی را در مناطق ساخته‌شده و جمعیت از سال ۱۹۷۵ با پوشش سراسری ارائه می‌کند. این مطالعه از روش‌ها و رویه‌های عمومی ارائه شده توسط دستورالعمل‌های ارزیابی تأثیر کمیسیون اروپا استفاده می‌کند. شدت ساخت و نقشه‌برداری جمعیت با استفاده از طبقه‌بندی‌های خاص زمان تکمیل شده توسط ارزیابی کمی غلظت‌های بالای شهری (hUCs) که بر اساس آستانه‌های زمانی خاص است، امکان شناسایی الگوهای توسعه سکونتگاهی و توصیف کمی از چند مرکزیت را در طول زمان فراهم می‌کند. با توجه به پوشش جهانی مجموعه داده‌های ثابت، نویسندگان پیشنهاد می‌کنند که روش‌شناسی را در گستره‌های جغرافیایی بزرگ‌تر آزمایش کنند و همچنین مطالعات مقایسه‌ای را در سایر مناطق جهان انجام دهند.
۳٫ نتیجه گیری
رویکردهای تحلیل اطلاعات جغرافیایی تاریخی، بینش بی‌سابقه‌ای را در مورد توسعه صریح فضایی مناظر و الگوهای سکونت انسانی ارائه می‌دهد. با این حال، با افزایش دامنه های مکانی و زمانی مطالعات، الزامات و چالش های جدیدی نیز وجود دارد. با انفجار داده‌های مکانی تاریخی موجود، مراحل پیش‌تحلیلی که قبلاً کمتر گزارش شده یا حتی نادیده گرفته شده‌اند، مانند کاوش داده‌ها و کدگذاری جغرافیایی، به یک حوزه تحقیقاتی کوچک تبدیل شده‌اند. این زمینه از طریق استفاده از تکنیک های داده کاوی بصری-تحلیلی یا روش های مشارکتی مانند جمع سپاری پیشرفت هایی داشته است. علاوه بر این، با افزایش مقدار منابع داده ناهمگن در مقیاس بزرگ، نیاز روزافزونی به اتوماسیون رویکردهای استخراج اطلاعات وجود دارد. یکی دیگر از جنبه های مهم، در نظر گرفتن و انتقال صریح عدم قطعیت های ذاتی داده های تاریخی به روشی است که استاندارد رایج در حوزه های مختلف تحقیقاتی است. این امر نه تنها بر تجسم داده ها و مدل سازی مکانی-زمانی، بلکه بر تمام تحقیقات کاربردی بعدی که از داده ها استفاده می کنند نیز تأثیر می گذارد. با توجه به چالش‌های زیست‌محیطی که در مقیاس جهانی با آن روبرو هستیم، هم نیاز به مطالعات طولانی‌مدت در مورد تغییر زمین در تحقیقات سیستم زمین و هم پیشرفت فعلی در روش‌های هوش مصنوعی برای بازیابی اطلاعات جغرافیایی تاریخی، در ارتباط با تعداد فزاینده‌های جغرافیایی قابل دسترس اسناد کدگذاری شده، به این زمینه تحقیقاتی دامن می زنند.
منابع
- سمپوزیوم بین المللی کاربری زمین (ILUS). ۲۰۱۷٫ در دسترس آنلاین: http://ilus2017.ioer.info/ (در ۳ مارس ۲۰۱۹ قابل دسترسی است).
- اوهل، جی. لیک، اس. چیانگ، ی.-ای. دوان، دبلیو. Knoblock، C. استخراج بایگانی نقشه: رویکردهای بصری-تحلیلی برای کاوش در مجموعه‌های بزرگ نقشه تاریخی. ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۷ ، ۱۴۸٫ [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
- کورا، آر. دومنیو، بی. عبادی، ن. کاستس، بی. پرت، جی. Gribaudi، M. Historical Collaborative Geocoding. ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۷ ، ۲۶۲٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- چو، اچ.-ج. هوانگ، M.-L. Tain، Y.-C.; یانگ، M.-S.; Höfle, B. تشخیص دیوار کم تاریخی از طریق تصاویر پارامتر توپوگرافی که از DEM با وضوح خوب مشتق شده است. ISPRS Int. J. Geo-Inf. ۲۰۱۷ ، ۶ ، ۳۴۶٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- کائم، د. رادلوف، وی. شواگرزیک، م. دوبوس، ام. Ostafin, K. تغییرات طولانی مدت رابط وحشی- شهری در کارپات های لهستانی. ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۷ ، ۱۳۷٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- هچت، ر. هرولد، اچ. بهنیش، م. Jehling، M. نقشه برداری از پویایی بلندمدت جمعیت و مسکن بر اساس تجزیه و تحلیل چند زمانی مورفولوژی های شهری. ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۸ ، ۲٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- Schiewe, J. رویکردهای تجسم گرا برای تحلیل تغییر منظر و شهری. ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۷ ، ۲۸۸٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- بوگوچکا، EP; Jahnke، M. امکان سنجی مکعب فضا-زمان در تجسم منظر فرهنگی زمانی. ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۷ ، ۲۰۹٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- Xie، X. هو، دبلیو. هرولد، اچ. ارزیابی اثرات پس از طرح های جامع-مورد شنژن در شکل دادن به یک ساختار شهری چند مرکزی. ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۷ ، ۲۵۲٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
بدون دیدگاه