المعالجة الرقمية للخرائط الموضوعية باستخدام تقانات الذكاء الاصطناعي
الشريط الجانبي للمقالة
محتوى المقالة الرئيسي
الملخص
تسعى الدراسة الى معالجة وتحسين وضوح بعض الخرائط الموضوعية التي تعاني من ضعف دقتها المكانية، وذلك من خلال الاستعانة ببعض تقانات الذكاء الاصطناعي والمتمثلة بتقنية (GIGA PIXEL AI) لزيادة عدد بكسلات الخريطة ولغة البايثون (OpenCV) لتحسين جودة الخريطة، من اجل الوصول الى دقة مكانية عالية وتحقيق نتائج اكثر فاعلية في عملية تحليل وتفسير وقراءة الخريطة، وتم انتخاب مجموعة من الخرائط الموضوعية المنشورة في المجلات الاكاديمية العراقية، واجراء بعض المعالجات الآلية عليها، من اجل تحسين دقتها المكانية، ووقع الاختيار على (4) خرائط لأجراء عمليات المعالجة، وتم استخراج بيانات البكسل باستخدام مكتبة mindonmap، وتوصلت الدراسة الى وجود عدد كبير من الخرائط ذات الدقة المكانية الضعيفة والتي تحتاج الى تحسين جودتها ومضاعفة دقتها بما يتناسب مع الخرائط الرقمية الحديثة .
المقاييس
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
المراجع
- Asmaa Zaid Al-Thuwaini, Fouad Abdel-Wahab Al-Omari, the role of geomorphological processes in shaping the slopes of the northern Hamrin anticline between Al-Fatha and the Kirkuk Road, published research, Tikrit University Journal of Human Sciences, Volume 31, Issue No. (4), 2024, p. 256.
- Najeeb Abdul Rahman Al-Zaidi, Saad Thamer Ibrahim Al-Hamdani, Quantitative Thematic Maps “Problems and Solutions:, 1st edition, Dar Al-Ebdaa for Printing and Publishing, Iraq, 2020, p. 19.
- Ammar Abdul Rahim, Building statistical analysis maps using geographic information systems for primary schools in the city of Al-Zubair, published research, Maysan Journal of Academic Studies, Volume 19, Issue 39, 2020, p. 55.
- Wissam Ali Kabtan, Determining geographical distribution trends in the city of Baqubah for the period (1987-2010), published research, Diyala Journal for Humanitarian Research, Volume, Issue 61, 2014, p. 553.
- Najeeb Abdul Rahman Mahmoud Al-Zaidi, Ahmed Muhammad Jihad Al-Kubaisi, Geospatial Artificial Intelligence, 1st edition, Dara Al-Ebdaa, 2023, p. 38.
- Drăguț, L., & Constantin, D. (2020). Artificial Intelligence and the Advancement of Geography: State of the Art and Future Perspectives. Journal of Settlements and Spatial Planning, 11(1), 61-70.
- Chen, Z., Zhang, L., & Xu, L. (2019). Object-based land-use change detection using machine learning algorithms and Landsat imagery. Remote Sensing, 11(2), 186.
- Mitchell, Tom M. Machine learning. McGraw-Hill Higher Education, 1997,p56.
- Boulton, C., & Leszczynski, A. (2019). Applications of artificial neural networks in geographical research: A systematic review. International Journal of Geographical Information Science, 33(5), 943-963.
- Arsanjani, J. J., Helbich, M., Bakillah, M., & Zipf, A. (2015). Towards mapping land-use patterns from volunteered geographic information with artificial neural networks. International Journal of Geographical Information Science, 29(12), 2264-2278.
- Goodchild, M. F. (2020). Twenty years of progress: GIScience in 2020. Journal of Spatial Information Science, 21, 3-20.
-LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep Learning. Nature, 521(7553), 436-444.
- Provost, F., & Fawcett, T. (2013). Data science and its relationship to big data and data-driven decision making. Big Data, 1(1), 51-59.
-Smith, J., & Johnson, A. (2021). Geospatial Artificial Intelligence Technology and Applications. International Journal of Geographic Information Science, 35(6), 1079-1101.