إنشاء معلومات موثوقة من خلال الاستفادة من العديد من المصادر
تتطلب هيئات رسم الخرائط الوطنية (NMAs) جمع البيانات وتحويلها برمجيًا والتحقق من صحتها من مصادر معلومات ومستشعرات متنوعة. تُعد البيانات التي تم استشعارها عن بُعد—الصور الجوية والبيانات المأخوذة من الأقمار الصناعية والمستشعرات الأخرى—محل أهمية بالغة لتحديد المعالم الجديدة والمتغيرة وجمعها وتحديثها على البيانات الأساسية. يتم ذلك باستخدام الأدوات التحليلية، والذكاء الاصطناعي (AI)، بشكل متزايد، والتعلم الشامل. يتم دمج البيانات والخدمات من جميع مستويات المؤسسات الحكومية وغيرها من المؤسسات بسهولة. يمكن بعد ذلك للموظفين الميدانيين التحقق من البيانات المجمعة وتصحيحها.
تجميع البيانات
اكتشاف التغيير والاستخراج
التحديد التلقائي
دمج البيانات المتباينة
العمليات الميدانية
اكتشاف واستخراج المعالم التي تم تغييرها
يُعد تحديد الأماكن التي تتغير فيها معالم العالم الحقيقي أمرًا أساسيًا للهيئات الوطنية لرسم الخرائط والجغرافيا المكانية (NMGAs) لتعيين التحديثات لعملائها. تخضع هذه العملية للأتمتة بشكل متزايد من خلال استخدام GeoAI والتعلم الشامل. تتم مقارنة الصور الجديدة بالصور القديمة، وذلك باستخدام GIS لتحليل الصور لاكتشاف التغيير بسرعة. تتم مقارنة هذه التغييرات ببيانات الخريطة الرقمية لتحديث المعالم بسرعة.
تحديد المعالم باستخدام GeoAI والتعلم العميق
يعمل الذكاء الاصطناعي والتعلم الشامل (DL) مع GIS أو GeoAI على أتمتة عملية اكتشاف التغيير وتحديد المعالم وتسريعهما. يُستخدم ArcGIS لتصنيف الصور وتسمية البيانات لتجربة نماذج الذكاء الاصطناعي. تحدد نتائج الاستدلال على نماذج الذكاء الاصطناعي المعالم المتغيرة التي يمكن استخراجها وتحليلها في ArcGIS. يمكن استخدام هذه المعالم بسرعة لتحديث بيانات خريطة الأساس الموثوق بها لدولتك.
الوصول إلى المعلومات من مؤسسات أخرى
تمتلك الحكومات الوطنية والإقليمية والمحلية وحكومات الولايات وغيرها من المؤسسات بيانات يمكن أن تستخدمها الهيئات الوطنية لرسم الخرائط والجغرافيا المكانية لتجميع التغييرات وتقليل التكرار في جمع البيانات. يتطلب دمج هذه المصادر من العديد من التنسيقات المختلفة أدوات التشغيل البيني للبيانات والبرامج النصية للمعالجة الجغرافية التي تقوم باستخراج وتحويل وتحميل (ETL) البيانات تلقائيًا لجمع البيانات بكفاءة.
جمع البيانات الميدانية والتحقق منها وتصحيحها
يُعد تخطيط مكان إرسال قوة العمل أمرًا أساسيًا لتحقيق التغيير بشكل فعال. يؤدي جمع التغييرات في الميدان باستخدام نظم GIS المؤسسية نفسها في المكتب إلى تجنب الأخطاء والعوائق بين مجموعات العمل. يؤدي تعيين مواقع الموظفين والانتقال إليها ومراقبتها والتقدم إلى تعزيز السلامة والكفاءة. توفر تطبيقات ArcGIS للعمليات الميدانية إمكانية التحقق ممن قام بالتجميع وما جمعه ووقت التجميع ومكانه.
جمع والتقاط
تحديث معالجة الصور الواسعة النطاق
تعالج مصلحة الخرائط في المملكة المتحدة التحدي المتمثل في نقل سير عمل معالجة الصور إلى السحابة من خلال الاستفادة من إمكانات ArcGIS Image.
جمع واستخلاص البيانات
تستخدم الهيئة العامة للمعلومات المدنية (PACI) في الكويت arcgis.learn
استخدمت الهيئة العامة للمعلومات المدنية (PACI) التعلم الآلي والتعلم العميق لتحديث بيانات GIS ودعم رؤية الكويت لعام 2035.
اقرأ المقال
جمع والتقاط
الذكاء الاصطناعي والتعلم الشامل
تعرف على كيفية استخدام نماذج التعلم الشامل لمجموعة متنوعة من حالات الاستخدام مثل، اكتشاف الكائنات الثنائية الأبعاد والثلاثية الأبعاد وتصنيفها.
جمع والتقاط
ArcGIS Field Maps
يجمع ArcGIS Field Maps بين وظائف ArcGIS Collector وArcGIS Tracker وArcGIS Explorer في تطبيق واحد لنظام الخرائط المحمولة الفعال.
جمع والتقاط
جمع البيانات باستخدام GeoAI والتعلم الشامل
يُحدث الذكاء الاصطناعي والتعلم الشامل ثورة في إنتاج الخرائط، مع تقليل الوقت والجهد وتحسين جودة البيانات.
اقرأ المقال
جمع والتقاط
تصنيفات الأراضي من خلال التعلم الآلي
في كوينزلاند، أستراليا، خضع نموذج تحويل البيانات المرئية إلى تجارب لتصنيف أنواع مختلفة من استخدامات الأراضي تلقائيًا.