التحليلات المكانية في نظم المعلومات الجغرافية [PDF]

Zitiervorschau

‫التحليالث املكانيت يف نظم املعلوماث اجلغرافيت‬ ‫تطبيقاث على برنامج ‪Arc GIS‬‬

‫دكتورة ‪ /‬رشا صابر نوفل‬ ‫قسم اجلغرافيا بكلية اآلداب جامعة املنوفية‬ ‫حقوق الطبع حمفوظة للمؤلف‬

‫‪2020 / 2019‬‬

‫التحليالث املكانيت يف نظم املعلوماث اجلغرافيت‬ ‫تطبيقاث على برنامج ‪Arc GIS‬‬

‫دكتورة ‪ /‬رشا صابر نوفل‬ ‫مدرس مادة بكلية اآلداب املنوفية‬

‫مجيع احلقوق حمفوظت للمؤلف‬ ‫ال يجوز نشر جزء من ىذا الكتاب أو طباعتو أو نقمو‬ ‫أو ترجمتو بأي طريقة دون موافقة المؤلف الخطية‬

‫‪2020 /2019‬‬

‫بسم اهلل الرمحن الرحيم‬ ‫أما أتيتم مم العلم إ ليال‬

‫ًال‬

‫صدق اهلل العظيم‬ ‫اآلية ‪ 85‬من سورة اإلسراء‬

‫إهــدإء‬ ‫إىل روح وإدلي أسكنه هللا فس يح جناته‬ ‫إىل أيم أطال هللا يف معرها‬ ‫إىل مثىل إلعىل إلس تاذ إدلكتور مجعة دإوإد‬ ‫إىل أبنايئ أسامء وأدمه‬

‫نبذة عن المؤلف‬ ‫االسم‪ :‬رشا صابر نوفل‪.‬‬ ‫تاريخ الميالد‪ 17 :‬نوفمبر ‪.1982‬‬ ‫محل الميالد‪ :‬سرس الميان ـ محافظة المنوفية ـ‬ ‫الحالة االجتماعية‪ :‬متزوجة ‪.‬‬

‫الوظيفة‪ :‬مدرس مادة بقسم الجغرافيا بكمية اآلداب جامعة المنوفية‪.‬‬ ‫‪[email protected] :Email‬‬ ‫المؤىالت العممية ‪:‬‬ ‫ درجة الميسانس في اآلداب من قسم الجغرافيا‪ ،‬شعبة خرائط ‪ ، 2002‬بتقدير عام جيد من كمية اآلداب ـ‬‫جامعة المنوفية‪.‬‬

‫‪ -‬درجة الماجستير في اآلداب ( جغرافيا ) بتقدير ممتاز من جامعة المنوفية ‪.2010‬‬

‫ درجة الدكتوراه في اآلداب ( جغرافيا ) بمرتبة الشرف األولى مع التوصية بالطبع والنشر من كمية‬‫اآلداب جامعة المنوفية ‪.2015‬‬

‫الدورات التدريبية ‪:‬‬ ‫دورات فى الحاسب اآللى‪:‬‬ ‫‪ ‬دورة ‪. ICDL‬‬ ‫‪ ‬دورة ‪. ICTP‬‬ ‫دورات فى نظم المعمومات الجغرافية واالستشعار عن بعد‪:‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫‪Fundamentals of Geographic Information Systems (Gis1).‬‬ ‫‪Advanced Geographic Information Systems (Gis2).‬‬ ‫‪Getting Started with GIS ( ForArc Gis 10) .‬‬ ‫‪Basics of Geography Coordinate Sestems (for Arc GIS10.1).‬‬ ‫‪Using Arc Map in Arc GIS Desktop 10 .‬‬ ‫‪Editing in ArcGIS Desktop 10.‬‬ ‫‪Arc GIS Data Interoperability Basics.‬‬ ‫‪Creating and Sharing Locator Packages (for Arc GIS 10.1).‬‬ ‫‪Field GIS : Collecting and Editing Data Using Arc Pad 10.‬‬

‫‪Fundamentals of Remote Sensing (Rs1) ‬‬

‫خامساًا‪ :‬المشاركات‪:‬‬ ‫‪ ‬المشاركة فى فاعميات مؤتمر سيناء بين الماضى والحاضر والمستقبل خالل الفترة من‬

‫‪2015 / 19-18‬‬

‫بكمية اآلداب جامعة المنوفية‪.‬‬ ‫‪ ‬المشاركة فى فاعميات أول مؤتمر لمجيوماتكس فى مصر برعاية المنظمة الدولية لمطيران المدنى خالل الفترة‬ ‫‪ 24-23‬ابريل ‪ 2017‬ببحث بعنوان استخدام تقنيات الجيوماتكس الحديثة فى البحث الجغرافى مقارنة‬ ‫بالطرق التقميدية بالتطبيق عمى الخصائص العمرانية بشياخة حسن عامر القماش" بمدينة شبين‬ ‫الكوم"(الدراسة الميدانية وتحميل البيانات) ‪.‬‬ ‫‪ ‬المشاركة بوحدة الجودة بالكمية ضمن فريقيا التنفيذى بمعيار ( الييكل التنظيمى )‪.‬‬ ‫‪ ‬المشاركة فى تحكيم مسابقة أنتل لمعموم واليندسة ‪ ISEF‬بإدارة منوف التعميمية ‪2017‬م‪.‬‬ ‫‪ ‬المشاركة فى مسابقة أنتل لمعموم واليندسة ‪ ISEF‬لجنة التحكيم ‪2018‬م‪.‬‬ ‫‪ ‬المشاركة فى مسابقة الباحث الصغير عمى مستوى محافظة المنوفية (إشراف بحثى) عام ‪ 2019‬م‪.‬‬ ‫‪ ‬المشاركة فى مؤتمر المدن الذكية‬

‫‪ Smart City‬والتنمية المستدامة عام ‪ 2019‬ببحث بعنوان استخدام‬

‫تقنيات الجيوماتكس واليواتف الذكية لرصد المشاكل البيئية بالتطبيق عمى مدينة منوف ‪.‬‬ ‫اإلنتاج العممى‪:‬‬ ‫‪ ‬بحث بعنوان العالقات المكانية لجزيرة وراق الحضر والقاىرة الكبرى اإلصدار رقم ‪ 105‬لشير ابريل ‪2016‬‬ ‫من مجمة بحوث كمية اآلداب جامعة المنوفية ‪.‬‬ ‫‪ ‬بحث بعنوان استخدام تقنيات الجيوماتكس الحديثة فى البحث الجغرافى مقارنة بالطرق‬

‫التقميدية بالتطبيق‬

‫عمى الخصائص العمرانية بشياخة حسن عامر القماش" بمدينة شبين الكوم"(الدراسة الميدانية وتحميل‬ ‫البيانات) ‪2017‬م‪.‬‬ ‫‪ ‬بحث بعنوان استخدام تقنيات الجيوماتكس واليواتف الذكية لرصد المشاكل البيئية بالتطبيق عمى مدينة منوف‬ ‫كتب لممؤلف‬ ‫‪- 1‬الرسم والتحميل ببرنامج )‪ ( (Arc GIS Desktop "10.3" Manual‬الجزء األول)؛ ‪2017‬م‪.‬‬ ‫‪- 2‬الرسم والتحميل ببرنامج )‪ ( (Arc GIS Desktop "10.3" Manual‬الجزء الثانى)؛ ‪2017‬م‪.‬‬ ‫‪- 3‬استخدام تقنية نظم المعمومات الجغرافية واليواتف الذكية فى الدراسة الميدانية ‪Cloud Manual GIS‬‬ ‫‪ 2017& Mobile Data Collection Manual‬م‬ ‫‪- 4‬تحميل الصورة الفضائية ببرنامج )"‪ (ENVI Classic 5" Manual‬الجزء األول‪2017 ،‬م‪.‬‬ ‫‪- 5‬السمسمة األولى ‪ Arc Tool box‬صندوق أدوات التحميل المكانى ‪ Spatial Analyst Tools‬الجزء‬ ‫األول؛ ‪2017‬م‪.‬‬

‫‪- 6‬دليل استخدام ‪2018 / 2017 ARCGIS PRO‬م‪.‬‬ ‫‪- 7‬المرئيات الفضائية حكاية نيضة عممية حديثة ‪ 2018‬م‪.‬‬ ‫‪ - 8‬تحميل الشبكات فى نظم المعمومات الجغرافية بالتطبيق ببرنامج ‪Arc GIS‬إصدار ‪10.5‬؛ ‪. 2018‬‬ ‫‪ - 9‬نظم المعمومات الجغرافية "مشروع تطبيقي" ؛ دكتور دمحم ربيع قطوش و دكتورة رشا نوفل ‪.2019‬‬ ‫‪- 10‬تقنية الميدار ثورة معموماتية ‪.2019‬‬ ‫‪ - 11‬نظم المعمومات الجغرافية عمم حائر بين العموم ‪2020 /2019‬م‪.‬‬ ‫ىذه الكتب متوفرة عمى شبكة اإلنترنت (الصفحة الرسمية لمدكتورة رشا نوفل)‬

‫د‪ /‬رشا نوفل @‪Dr.RashaNofal‬‬

‫‪#https://www.facebook.com/pg/Dr.RashaNofal/videos/?ref=page_internal.‬‬

‫الفهارس‬ ‫املوضوع‬ ‫الفصل األول‪ :‬التحميل المكاني مفيوم ولغة‪:‬‬ ‫مقدمة في التحميل المكاني‪.‬‬

‫تعريف التحميل المكاني‪.‬‬

‫رقم الصفحة‬ ‫‪24 :3‬‬ ‫‪3‬‬ ‫‪4‬‬

‫لغة التحميل المكاني‪:‬‬

‫‪6‬‬

‫الفئات الست لمتحميل المكاني‪:‬‬

‫‪6‬‬

‫الفئة األولى‪:‬‬

‫‪ .1‬فيم مكان وجود األشياء (خرائط الموقع)‪.‬‬

‫‪7‬‬ ‫‪8‬‬

‫‪-2‬فيم مكان االختالفات واألنماط في القيم (خرائط التوزيعات)‪.‬‬

‫‪8‬‬

‫‪ .3‬فيم أين ومتى تتغير األشياء‪.‬‬

‫‪8‬‬

‫الفئة الثانية‪:‬‬

‫‪ .4‬حساب السمات اليندسية الفردية ‪Calculating individual feature‬‬

‫‪9‬‬ ‫‪9‬‬

‫‪.geometries‬‬

‫‪ .5‬حساب ىندسة وتوزيعات مجموعات ‪ feature‬الميزة‪.‬‬ ‫الفئة الثالثة‪:‬‬

‫‪9‬‬ ‫‪10‬‬

‫‪ .6‬تحديد ما ىو قريب (تحديد القرب)‪.‬‬

‫‪10‬‬

‫‪ .7‬تحديد وتمخيص ما ىو داخل المنطقة (المناطق)‪.‬‬

‫‪11‬‬

‫‪ .8‬تحديد ما ىو األقرب‪.‬‬

‫‪11‬‬

‫‪ .9‬تحديد ما ىو مرئي من موقع معين‪.‬‬

‫‪12‬‬

‫‪ .10‬تحديد العالقات المتداخمة في المكان والزمان‪.‬‬

‫‪12‬‬

‫الفئة الرابعة‪ : :‬العثور عمى أفضل المواقع والمسارات‬

‫‪13‬‬

‫‪ -11‬العثور عمى أفضل المواقع التي تمبي مجموعة من المعايير‪.‬‬

‫‪14‬‬

‫‪ -12‬العثور عمى أفضل تخصيص لمموارد بالمناطق الجغرافية‪.‬‬

‫‪14‬‬

‫‪ -13‬العثور عمى أفضل مسار أو تدفق عبر شبكة‪.‬‬

‫‪ -14‬العثور عمى أفضل طريق أو مسار أو ممر عبر تضاريس مفتوحة ‪-15 .‬‬

‫‪15‬‬ ‫‪15‬‬

‫العثور عمى أفضل مواقع عمى أساس العرض والطمب وشبكة السفر‪.‬‬

‫الفئة‬

‫الخامسة‪:‬‬

‫‪16‬‬ ‫‪16‬‬

‫‪ -16‬أين توجد النقاط الساخنة اليامة " الشذوذ ‪ ،‬والقيم المتطرفة" ؟‬

‫‪16‬‬

‫‪ .17‬ما ىي االتجاىات المكانية المحمية واإلقميمية والعالمية؟‬

‫‪17‬‬

‫‪ .18‬ما ىي الميزات أو البكسل المتشابية ‪ ،‬وكيف يمكن تجميعيا ؟‬

‫‪18‬‬

‫‪ .19‬ىل األنماط المكانية تتغير بمرور الوقت؟‬ ‫الفئة السادسة و‬

‫األخيرة‪:‬‬

‫‪18‬‬ ‫‪18‬‬ ‫‪18‬‬

‫‪ .20‬إعطاء حالة النجاح ‪ ،‬والتنبؤ بمواقع مماثمة‪.‬‬

‫‪19‬‬

‫‪ .21‬إيجاد العوامل التي تفسر األنماط المكانية المرصودة واجراء التنبؤ‪.‬‬

‫‪20‬‬

‫‪ .22‬تحريف السطوح المستمرة واالتجاىات المتقطعة‪.‬‬

‫‪20‬‬

‫‪ .23‬توقع كيف وأين تتفاعل األشياء مكانياًا‪.‬‬

‫‪21‬‬

‫‪ .24‬التنبؤ كيف وأين تؤثر األشياء عمى نشر الموجة‪.‬‬

‫‪21‬‬

‫‪ .25‬التنبؤ بأماكن تحرك الظواىر ‪ ،‬وتدفقيا ‪،‬أو انتشارىا‪.‬‬

‫‪22‬‬

‫‪ .26‬التنبؤ ماذا لو‪.‬‬

‫‪22‬‬ ‫‪22‬‬

‫الخطوات السبع لمتحميل المكاني الناجح‪:‬‬

‫‪23‬‬

‫فوائد التحميل المكاني ‪:‬‬

‫‪23‬‬

‫الفصل الثاني‪ :‬استكشاف البيانات ‪Data Exploration‬‬

‫‪26‬‬

‫سمات البيانات ‪: Data Attributes‬‬

‫‪27‬‬

‫الموقع (‪ X‬و ‪ Y‬و ‪.)Z‬‬

‫‪27‬‬

‫‪.Vector‬‬

‫‪28‬‬

‫‪.Raster‬‬

‫‪29‬‬

‫‪.(TIN) Triangulated Irregular Network‬‬

‫‪31‬‬ ‫‪33‬‬

‫البيانات المجدولة ‪.Tabular‬‬

‫‪33‬‬

‫أنواع السمات ‪: attributes‬‬

‫‪33‬‬

‫خصائص الحقل ‪. Field properties‬‬

‫‪37‬‬

‫ربط السمات وانشاء العالقات ‪. Attribute joins and relates‬‬

‫‪38‬‬

‫االستعالم ‪ Querying‬واالستفسار و"االختيار" ‪ Selecting‬عمى بيانات ‪.Vector‬‬

‫‪41‬‬

‫استعالمات التعريف ‪. Definition queries‬‬ ‫نسخ واستخراج البيانات المحددة‪:‬‬

‫‪52‬‬

‫خطوات تصدير‪" features‬الميزات "المحددة إلى طبقة جديدة‪.‬‬

‫‪56‬‬

‫‪ Querying‬و ‪ Selecting‬في البيانات ‪:Raster‬‬

‫استخراج البيانات ‪.Raster‬‬ ‫تمخيص وتفسير البيانات‪.‬‬

‫اإلحصاء ‪.Statistics‬‬

‫‪57‬‬ ‫‪59‬‬ ‫‪59‬‬ ‫‪66‬‬ ‫‪68‬‬

‫الرسوم البيانية ‪. Graphs‬‬

‫‪69‬‬

‫الفصل الثالث ‪ :‬التحميل المكاني لمبيانات ‪ Vector‬و ‪Raster‬‬

‫‪121-78‬‬

‫أساسيات التحميل المكاني ‪:‬‬

‫‪78‬‬

‫أوالًا‪ :‬طرق تحميل البيانات ‪:Vector‬‬

‫‪78‬‬

‫‪ :Extraction -1‬االستخراج‬

‫‪78‬‬

‫‪. clip‬‬

‫‪79‬‬

‫‪.Split‬‬

‫‪79‬‬

‫‪.Select‬‬

‫‪80‬‬

‫‪.Erase‬‬

‫‪81‬‬

‫‪ -2‬التراكب ‪: Overlay‬‬

‫‪82‬‬

‫‪.Identity‬‬

‫‪82‬‬

‫‪.Intersect‬‬

‫‪88‬‬

‫‪.Symmetrical Difference‬‬

‫‪89‬‬

‫‪.Union‬‬

‫‪90‬‬

‫‪.Update‬‬

‫‪90‬‬

‫‪: Eliminate -3‬‬

‫‪91‬‬

‫‪.Proximity‬‬

‫‪91‬‬

‫‪.Buffer‬‬

‫‪92‬‬

‫‪.Near‬‬

‫‪93‬‬

‫‪.Point Distance‬‬

‫‪93‬‬

‫‪ Statistics -4‬اإلحصاء‪:‬‬

‫‪93‬‬

‫‪.Frequency‬‬

‫‪93‬‬

‫‪.Summary Statistics‬‬

‫‪94‬‬

‫ثانياًا‪ :‬طرق تحميل البيانات ‪:Raster‬‬

‫‪95‬‬

‫تحميل المدى ‪: Analysis Extent‬‬

‫‪94‬‬

‫‪.Masks‬‬

‫‪95‬‬

‫‪ Cell Size‬حجم الخمية‪.‬‬

‫‪95‬‬

‫تحميل السطوح ‪: Surface Analysis‬‬

‫‪96‬‬

‫‪ : Slope‬الميل أو االنحدار ‪.‬‬

‫‪96‬‬

‫‪. Aspect‬‬

‫‪97‬‬

‫‪. Contour‬‬

‫‪98‬‬

‫‪.Hill Shade‬‬

‫‪99‬‬

‫‪.View shed‬‬

‫‪100‬‬

‫الوظائف المحمية واإلحصاءات‪:‬‬

‫‪102‬‬

‫وظائف محمية عمى ‪ Raster‬واحدة‪.‬‬

‫‪103‬‬

‫وظائف محمية عمى ‪ Raster‬المتعددة ‪.‬‬

‫‪104‬‬

‫اإلحصائيات المحمية‪:‬‬

‫‪105‬‬

‫وظائف الجوار واإلحصاء‪.‬‬

‫‪107‬‬

‫تبسيط البيانات ‪. Data Simplification‬‬

‫‪108‬‬

‫‪:Distance‬‬

‫‪111‬‬

‫التخصيص والمسافة ‪.‬‬

‫‪112‬‬

‫التكمفة الموزونة‪:‬‬

‫‪114‬‬

‫أقصر مسار‪.‬‬

‫‪114‬‬

‫تعميم البيانات‪:‬‬

‫‪115‬‬

115

Dissolve

116

Eliminate

116

Simplify Line

117

Smooth Line

117

:Raster ‫تعميم البيانات‬

118

.Aggregate

118

.Boundary Clean

119

.Expand

119

.Filtering

120

.Nibble

121

:Region Group

121

.Shrink

121

.Thin

122

:‫ اإلحصاء المكاني‬:‫الفصل الرابع‬

123

:‫مقدمة في اإلحصاء المكاني‬

124

ArcGIS ‫نظرة عامة عمى أدوات اإلحصاء المكاني في برنامج‬

124

Distributions :‫مجموعة أدوات قياس التوزيع الجغرافي‬

124 125

Measuring Geographic

126

: Analyzing Patterns:‫مجموعة أدوات تحميل األنماط‬

127

.‫ متوسط أقرب جار‬Average Nearest Neighbor

127

.‫ الترابط التمقائي المكاني‬Spatial Autocorrelation

127 128

.)Morans I( Spatial Autocorrelation ‫االرتباط التمقائي المكاني‬ .(Getis-Ord General G) High/Low Clustering

128

.)Ripleys K ‫تحميل الكتمة المكانية المتعددة المسافات (وظيفة‬

128

: Mapping Clusters ‫مجموعة أدوات‬

.Hot

129

.Similarity Search

129

.Grouping Analysis

129 129

Spot Analysis

.luster

and Outlier Analysis

129

Relationships .

130

The Modeling Spatial ‫مجموعة أدوات نمذجة العالقات المكانية‬

131 131 131 132

.Ordinary

Least Squares .

OLS

‫ االنحدار الجغرافي‬:Geographically Weighted Regression

:Exploratory Regression

133

:Arc GIS ‫قياس التوزيعات الجغرافية باستخدام أدوات‬

134

:‫ قياس المركزية الجغرافية‬:‫أوالًا‬

135 138

.Central Feature ‫أداة‬

140

.Mean Center ‫أداة‬

142

.Median Center ‫أداة‬

142

:Directional ‫ والتوزيع اإلتجاىى‬Standard Distance ‫المسافة المعيارية‬ :(Standard Deviational Ellipse) Directional Distribution

145 178-148 148 149 150

.Arc GIS ‫ تحميل األنماط باستخدام أدوات‬:‫الفصل الخامس‬ .‫مجموعة أدوات تحميل األنماط‬

. null hypothesis:‫فيم الفرضية الفارغة‬

.P ‫قيم‬

150

.‫ واالنحراف المعيارر‬Z ‫درجات‬

152

. Average Nearest Neighbor ‫أداة‬

156 160 163 163

.‫ لتحميل األنماط‬Spatial Autocorrelation ‫استخدام االرتباط المكاني‬

.Multi-Distance Spatial Cluster Analysis ‫استخدام أداة‬ :Mapping Clusters ‫مجموعة أدوات‬

.Similarity Search ‫أداة‬

168

.Grouping Analysis ‫أداة‬

174

.Hot Spot Analysis ‫أداة التحميل‬

178

." Cluster and Outlier Analysis ‫إيجاد القيم المتطرفة "أداة‬

221 -181

:Arc GIS ‫ فى‬Utilities ‫أدوات نمذجة العالقات المكانية و‬: ‫الفصل السادس‬

182 182

. Regression Analysis‫أدوات تحميل االنحدار‬

:‫أساسيات تحميل االنحدار‬

184

.Ordinary Least Squares (OLS) ‫االنحدار الخطى مع أداة‬

200

.Exploratory Regression ‫أداة‬

205 210

. Geographically Weighted H Regression ‫أداة‬ : Utilities ‫مجموعة ادوات‬

212 .The Calculate Distance Band from Neighbor Count tool- 1 217 221 223

.The Collect Events ‫أداة‬- 2

.The Export Feature Attribute to ASCII ‫أداة‬- 3 .‫المراجع والمصادر‬

‫تقديم‬ ‫بسم‬

‫ميحرلا نمحرلا هللا والصالة والسالم عمى أشرف الخمق سيدنا دمحم ملسو هيلع هللا ىلص أما بعد ؛ جاء ىذا‬

‫الكتاب بعنوان التحميالت المكانية فى نظم المعمومات الجغرافية بالتطبيق عمى برنامج ‪Arc GIS‬‬ ‫؛ فيعتبر التحميل المكاني جوىر نظم المعمومات الجغرافية الذر يساعد عمى إيجاد الحمول‬ ‫لممشكالت المتعمقة بالمكان والتي تتراوح بين االستفسارات الجغرافية المكانية البسيطة و‬ ‫التحميالت المكانية المعقدة ؛ عرض الكتاب التحميالت المكانية لنظم المعمومات الجغرافية فى‬ ‫ستة فصول وجاء التطبيق عمى برنامج ‪ Arc GIS‬؛ ففي الفصل األول تناولت مفيوم التحميل‬ ‫المكاني ولغتو ؛ بينما جاء الفصل الثاني ليتناول استكشاف البيانات ‪Data Exploration‬‬ ‫والفصل الثالث يعرض التحميل المكاني لمبيانات‬

‫‪ Vector‬و ‪ Raster‬من خالل معرفة‬

‫أساسيات التحميل المكاني وطرق تحميل البيانات ‪ Vector‬و‬

‫‪ Raster‬في حين أن الفصل‬

‫الخامس جاء ليدرس تحميل األنماط باستخدام أدوات ‪ Arc GIS‬والفصل السادس مجموعة‬ ‫أدوات نمذجة العالقات المكانية ومجموعة أدوات ‪ Utilities‬فى ‪.Arc GIS‬‬ ‫وىذا الكتاب ما ىو إال صدقة جارية لعل هللا سبحانو وتعالى يقبميا منى وتكون سنداًا لي يوم ال‬ ‫ينفع فيو ماالًا وال بنون ؛ راجية من هللا عز وجل منكم الدعاء لي‬ ‫وهللا ولى التوفيق‪.‬‬ ‫د‪ /‬رشا نوفل‬

‫انفصم األول‬ ‫انتحهيم املكاني مفهىو ونغة‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫مقدمة في التحميل المكاني‬ ‫بدأت المعرفة بالجغرافيا تتزايد وبالتالي معرفتنا بالتحميالت المكانية ازدادت‬ ‫بمجرد أن أصبح العامة عمى عمم بالمحيط الجغرافي الخاص ييم عن طريق‬ ‫استخدام ىم التميفونات المحمولة فى كافة نواحي حياتيم‪.‬‬ ‫تعتبر معرفتنا بالتحميل المكاني متأصمة داخل كالً منا ؛ ففي بداية حياتنا‬ ‫ف‬ ‫ونحن فى عمر سنتان يبدأ إدراكنا بالمكان الذي نحن فيو سواء فى غرفة‬ ‫النوم أو خالفو لتأتى المرحمة الثانية من معرفتنا عن طريق قدرتنا عمى‬ ‫التحرك من غرفة إلى أخرى تم تزداد معرفتنا بالمحيط الجغرافي لتمتد المعرفة‬ ‫إلمكانية الذىاب من المنزل إلى المدرسة؟ ففي ىذه المراحل لم نكن بحاجة‬ ‫إلى دراسة ومعرفة التحميل المكاني‬

‫؛ لتأتى الخطوة الثالثة في التطور‬

‫المعرفي بالمحيط الجغرافي من خالل فيم العالقات واألنماط المكانية من‬ ‫خالل النظر إلى العالم من حولنا وطرح األسئمة ومحاولة فيمو‬

‫ا وتفسيرىا‬

‫وكيف تؤثر عمى أفعالنا‪.‬‬ ‫ولقد مر كل منا بيذه المراحل في فيمنا لمتحميل المكاني وفي تطور إدراكنا‬ ‫بالمكان ‪ .‬فمعظم الناس عمى دراية جيدة بفيم مكان وجودىم ‪ ،‬والكثير منيم‬ ‫جيدون في التحرك من مكان إلى آخر ‪ ،‬لكن المرحمة األخيرة من التطوير‬ ‫المعرفى ىى المرحمة األصعب وىى تحديات العالم اآلن حيث ال يقتصر‬ ‫األمر عمى تحديد المكان الذي نتواجد فيو أو كيفية الوصول إلى مكان آخر؛‬

‫‪-3-‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫بل عادة ما يكون السؤال أكبر بكثير فيصل الوضع إلى تحديا ت تحتاج إلى‬ ‫معالجة‪.‬‬ ‫تعريف التحميل المكاني‪:‬‬ ‫ىناك العديد من تعريفات التحميل المكاني ‪،‬‬

‫فيمكن ببساطة وضع تعريف‬

‫حيث يسيل لمجميع فيمو عمى أن التحميل المكاني ىو كيف نفيم عالمنا‬ ‫وامكانية تحديد أماكن األشياء ‪ ،‬وكيفية ارتباطيا ‪ ،‬واإلجراءات التي يجب‬ ‫اتخاذىا لموصول إلى المكان المطموب وبتحقيق االشتراطات واألىداف‬ ‫المطموبة‪ .‬سواء أنت تتحدث عن الطفل الصغير الذي يقف في المطبخ‬ ‫متخصصا في نظم المعمومات‬ ‫ينظر حوله ويتساءل أين اذىب بعد ذلك أو‬ ‫ً‬ ‫الجغرافية لتحميل تداعيات المكان لموصول إلى معرفة جديدة لممشيد ‪.‬‬ ‫عندما ننظر إلى الخريطة فأول ما يخطر عمى أذىاننا بشكل طبيعي ىو‬ ‫ف‬ ‫تحويل تمك الخريطة إلى معمومات عن طريق إيجاد األنماط ‪ ،‬وتقييم‬ ‫االتجاىات ‪ ،‬أو اتخاذ الق اررات‬

‫و ىذا يعتبر‬

‫التحميل‬ ‫تحميل مكاني ‪ ،‬ف‬

‫المكاني ىو قدرة متنوعة وشاممة تشمل التحميل البصري البسيط لمخرائط‬ ‫والصور ‪ ،‬والتحميل الحسابي لؤلنماط الجغرافية ‪ ،‬وايجاد الطرق المثمى ‪،‬‬ ‫اختيار المواقع ‪ ،‬والنمذجة التنبؤية المتقدمة‪.‬‬ ‫عمى مدى العقود األخيرة الماضية ‪ ،‬قدرتنا عمى حل المشاكل المكانية‬ ‫ف‬ ‫المعقدة نمت بشكل كبير مع تطور التقنيات التي تشمل أنظمة تحديد المواقع‬ ‫‪-4-‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫العالمية ‪ ،‬وأجيزة االستشعار ‪ ،‬أنظمة المالحة ‪،‬‬

‫واألهم من ذلك ‪ ،‬نظم‬

‫المعمومات الجغرافية ا لتى ساعدت عمى توفر الكثير من البيانات بشكل‬ ‫مترابط عمى الخريطة ‪،‬‬

‫طريقة عرض البيانات عمى‬

‫مع إمكانية تغيير‬

‫الخريطة عمى األساس الذى تراه ‪ . GIS‬مع توافر أدوات التحميل المكاني‬ ‫لمساعدتنا عمى اكتشاف الموقع الجغرافي وتحديده وفيم الظواىر بشكل‬ ‫أفضل وتحديد اإلجراءات التي يجب اتخاذىا‪.‬‬ ‫اآلن بعد أن أصبح لدينا تعريف عممى لمتحميل المكاني ‪ ،‬فالسؤال اآلن كيف‬ ‫نفكر في حل المشاكل المرتبطة بالمكان؟ ‪ ،‬وكيف يمكن أن نفسر ىذه‬ ‫المفاىيم لآلخرين؟ قبل اإلجابة عمى ىذين السؤالين ‪ ،‬جرب‬

‫أن تغمض‬

‫عينيك والتفكير في أي شيء لمدة دقيقة واحدة ؛ وحاول التفكير فيو دون‬ ‫استخدام الكممات " دون استخدام لغة " ستجد أن األفكار تتكون من كممات‬ ‫المغة ىي‬ ‫غير معمن عنيا ‪ ،‬حتى أبسط األفكار تكون صعبة بدون لغة ‪ ،‬ف‬ ‫أيضا إلى التفكير والمنطق‬ ‫المفتاح ليس فقط لمتواصل والكالم ‪ ،‬ولكن ً‬ ‫بتطبيق ىذه الفكرة عمى التحميل المكاني‬

‫كيف يمكن أن نفكر مكانياً ‪،‬‬ ‫ف‬

‫وكيف يمكن أن نفسر مفاىيم التحميل المكاني لآلخرين؟‬ ‫توافر المفردات ولغة للتحميل المكاني أيضاَا‪.‬‬

‫‪-5-‬‬

‫و‬

‫لذلك فال بد من‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫لغة التحميل المكاني‪:‬‬ ‫ىناك أعد اد ال حصر ليا من األسئمة المكانية التي تحتاج إلى إجابة ‪ ،‬فمن‬ ‫المفيد إنشاء لغة مشتركة لتساعدنا بشكل أفضل عمى تعمم وفيم و‬

‫إمكانية‬

‫التواصل إلى العالم من حولنا لذلك فالتحميل المكاني ىو جزء حاسم من حل‬ ‫المشاكل؛ يتضمن تصنيف التحميل المكاني ست فئات فرعية يمكن تصنيفيا‬ ‫وتجميعيا من خالل أسئمة تحميمية ذات صمة بيذه الفئات‪.‬‬ ‫الفئات الست لمتحميل المكاني‪:‬‬ ‫• فيم أين تقع األشياء‪.‬‬ ‫• قياس الحجم والشكل والتوزيع‪.‬‬ ‫• تحديد كيفية ارتباط األماكن‪.‬‬ ‫• العثور عمى أفضل المواقع والمسارات‪.‬‬ ‫• اكتشاف وقياس األنماط‪.‬‬ ‫• التنبؤ‪.‬‬ ‫حيث تعكس كل فئة من ىذه الفئات مجموعة من األسئمة التي ليا صمة‬ ‫التشمل ‪ 26‬سؤال ؛ كما تعتبر المفردات الالزمة لمتحدث بمغة التحميل‬ ‫المكاني ؛ واحدة من أفضل الطرق لتعمم لغة جديدة من خالل االرتباط‬ ‫والممارسة‪.‬‬

‫‪-6-‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫فيعتبر الترميز الجغرافي لمبيانات الخاصة بك ‪ ،‬ووضعيا عمى خريطة ‪،‬‬ ‫برموز تساعدك عمى تصور وفيم البيانات الخاصة بك ضمن تصنيف‬ ‫التحميل المكاني ‪.‬‬ ‫الفئة األولى ‪ :‬تحتوي عمى ثالثة أنواع من األسئمة هى ‪:‬‬ ‫‪ .1‬فيم مكان وجود األشياء (خرائط الموقع)‪.‬‬ ‫‪ .2‬فيم مكان االختالفات واألنماط في القيم (خرائط التوزيعات)‪.‬‬ ‫‪ .3‬فيم أين ومتى تتغير األشياء‪.‬‬ ‫‪ .1‬فهم مكان وجود األشياء (خرائط الموقع)‪:‬‬ ‫من أبسط األسئمة التي يمكننا اإلجابة عمييا من خالل التحميل المكاني ىو‬ ‫‪ ،‬أين تقع األشياء؟ ىذا يمكن توضيحو بشكل مبسط بالخرائط البسيطة أو‬ ‫عن طريق خريطة أكثر تطو اًر‬

‫والتى تظير مواقف السيارات واألحداث‬

‫المتحركة في الوقت الحقيقي‪.‬‬ ‫فالخريطة ىي التصور ‪ ،‬والعقل البشري ىو الذى يقوم بالتحميل‪ .‬ومع ذلك ‪،‬‬ ‫عادة ما تكون ىناك حاجة أكبر وراء السؤال ليصبح ما نريده ليس فقط‬ ‫معرفة مكان وجود األشياء ؛مما يدفع إلى الحاجة إلى مزيداً من التحميالت‪.‬‬ ‫‪-2‬فهم مكان االختالفات واألنماط في القيم (خرائط التوزيعات) ‪:‬‬ ‫وراء كل موقع عادة ما يوجد العديد من المتغيرات اإلضافية فتنتج خرائط‬ ‫التوزيعات من األساليب المختمفة المتبعة في ‪symbology‬؛ (المون والحجم‬ ‫وكثافة النقاط والمخططات) ؛ وتتيح لنا التحميل وكذلك فيم االختالفات‬ ‫‪-7-‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫مع رسم خرائط التوزيعات يمكن تصور االرتفاعات واالنخفاضات‬ ‫المكانية‪ .‬ف‬ ‫وتوزيعيا كما يمكن إجراء ىذه التحميالت المقارنة باستخدام الخرائط التحميمية‬ ‫التاريخية والحالية وحتى في الوقت الحقيقى‪.‬‬ ‫‪ .3‬فهم أين ومتى تتغير األشياء‪:‬‬ ‫إن العالم يتغير باستمرار؛ فرسم خرائط الظروف المتغيرة في مكان ما مع‬ ‫مرور الوقت ‪ ،‬يمكن أن تساعدنا عمى توقع الظروف المستقبمية وتنفيذ‬ ‫السياسات التي يكون ليا تأثير إيجابي عمى بيئتنا‪.‬‬ ‫قياس الحجم والشكل ‪ ،‬وتوزيع التوقعات ‪:‬‬ ‫إن قياس الحجم والشكل شرط شائع في عمميات التحميل المكاني فقد ترغب‬ ‫في معرفة حجم ظاىرة ما ‪ ،‬أو تريد وصف ظاىرة أخرى من حيث‬ ‫خصائصيا اليندسية ‪ ،‬مثل المساحة ‪ ،‬المحيط ‪ ،‬الطول ‪ ،‬االرتفاع ‪،‬‬ ‫والحجم‪.‬‬ ‫عندما يكون ىناك ظاىرات متعددة ‪ ،‬فإن مجموعة الظاىرات تأخذ‬ ‫الخصائص اإلضافية‪ ،‬بما في ذلك المدى ‪ ،‬الميل المركزي ‪ ،‬وغيرىا من‬ ‫الخصائص التي تحدد مجتمعة توزيع مجموعة البيانات بأكمميا‪.‬‬ ‫فتعتبر عممية قياس ووصف هذه الخصائص الفئة الثانية من أنواع أسئمة‬ ‫التحميل المكاني‪.‬‬

‫‪-8-‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫الفئة الثانية ‪ :‬وتضم نوعان من األسئمة‬ ‫‪ .4‬حساب السمات اليندسية الفردية ‪Calculating individual‬‬ ‫‪.feature geometries‬‬ ‫‪ .5‬حساب ىندسة وتوزيعات مجموعات ‪ feature‬الميزة‪.‬‬ ‫‪ -4‬حساب هندسة السمات الفردية ‪:‬‬ ‫التحميل المكاني ال يتعمق فقط بفيم مواقع األشياء (الميزات) ‪ ،‬بل ىو أيضا‬ ‫يبحث حول الخصائص المكانية ليذه الميزات‪ .‬عمى سبيل المثال‪ :‬معرفة‬ ‫حجم المدينة ؟ كم من الوقت المستغرق لموصول إلييا؟ ما ىو ارتفاع جبل‬ ‫ما ؟ وتعتبر عممية حساب ىذه الخصائص ‪ ،‬رغم أنيا بسيطة شكل من‬ ‫أشكال التحميل المكاني‪ .‬وكذلك حساب ارتفاعات المباني من صور األقمار‬ ‫الصناعية وحساب حجم البحيرات‪ ،‬وحساب ميل المسارات كميا أمثمة عمى‬ ‫التحميل المكاني‪.‬‬ ‫‪ -5‬حساب األشكال الهندسية والتوزيعات لمجموعات الميزات‪:‬‬ ‫عمى الرغم من أن الميزات الفردية ليا خصائصيا اليندسية الخاصة (الحجم‬ ‫والشكل) ‪ ،‬إال أن ىناك مجموعة من الميزات تأخذ خصائص إضافية مثل‬ ‫المدى والتوزيع ؛ فقياس تمك الخصائص اليندسية يمكن أن تؤدي في كثير‬ ‫من األحيان إلى فيم أكثر تفصيالً لممكان‪.‬‬

‫‪-9-‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫الفئة الثالثة ‪ :‬تحديد كيفية ارتباط األماكن‪:‬‬ ‫إن اإلجابة عمى األسئمة المكانية في كثير من األحيان ال يتطمب فقط فيم‬ ‫السياق (فيم أين) ‪ ،‬ولكن أيضا ال بد من فيم العالقات بين الميزات؛ مثل‬ ‫كيف ترتبط الكائنات مع بعضيا البعض في الفضاء؟وكيف ترتبط في الوقت‬ ‫المناسب؟ وتشمل ىذه العالقات في المكان والزمان مثل القرب ‪ ،‬التقاطع ‪،‬‬ ‫التداخل ‪ ،‬الرؤية ‪،‬وسيولة الوصول ؛ وتحديد كيفية ارتباط األماكن يتضمن‬ ‫مجموعة من األسئمة التي تساعد في وصف وقياس العالقات بين اثنين أو‬ ‫أكثر من المميزات‪.‬‬ ‫‪ .6‬تحديد ما ىو قريب‪.‬‬ ‫‪ .7‬تحديد وتمخيص ما ىو داخل المنطقة (المناطق)‪.‬‬ ‫‪ .8‬تحديد ما ىو األقرب‪.‬‬ ‫‪ .9‬تحديد ما ىو مرئي من موقع معين‪.‬‬ ‫‪ .10‬تحديد العالقات المتداخمة في المكان والزمان‪.‬‬ ‫‪ -6‬تحديد ما هو قريب "تحديد القرب"‪:‬‬ ‫فيم العالقة المكانية لممسافة أو القرب ىي عممية تحميل مكاني شائعة‬ ‫؛فيمكن قياس المسافات بسيولة وبالتالي ويمكن اختيار الميزات عمى أساس‬ ‫خصائص المسافة‪.‬‬

‫‪- 10 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫‪ -7‬تحديد وتمخيص ما هو داخل المنطقة (التداخل)‪:‬‬ ‫غالبا ما ننظر إلى الخريطة ونطمب ‪ ،‬معرفة مدى توافر الخدمات داخل‬ ‫ً‬

‫منطقة معينة مثل معرفة كم عدد المتاجر في المدينة؟ كم ميالً من خطوط‬ ‫الغاز عبر المدينة؟ كم فدان من مزرعتي في منطقة الطوفان ؟ فيوفر‬ ‫التجميع المكاني آلية لحساب وتمخيص البيانات عمى المناطق الجغرافية‪ .‬قد‬ ‫تكون عممية بسيطة مثل "عدد النقاط داخل المضمعات" ‪ ،‬أو قد تتطمب‬ ‫تحميل متقدم لتراكب وتقسيم وتعيين المتغيرات بالتناسب عبر المضمعات‪.‬‬ ‫‪ -8‬تحديد ما هو األقرب‪:‬‬ ‫كيف يمكنك تحديد ما ىو األقرب؟ فقد نحتاج قياس المسافات والتى تكون‬ ‫عمى ىيئة خط مستقيم وربما نريد أوقات القيادة عمى طول طريق ما ؛ فيناك‬ ‫مجموعات مختمفة من المعايير واألدوات التحميمية لتحديد ما األقرب في‬ ‫المكان أو الزمان‪.‬‬

‫شكل (‪ )1‬توضيح ما ىو األقرب‪.‬‬

‫‪- 11 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫‪ -9‬تحديد ما هو مرئي من موقع معين‪:‬‬ ‫فمثالً لمعرفة ىل تستطيع رؤية الشاطىء من غرفتك في الفندق؟ و تريد‬ ‫معرفة ذلك قبل الذىاب إلى الفندق الختيار ما ىو مناسب؟ فالعالقة بين‬ ‫األماكن تمتمك قابمية التداخل إال أننا نمتمك القدرة عمى حساب خطوط الرؤية‬ ‫ووجيات النظر ‪ ،‬مع األخذ بعين االعتبار التضاريس ‪ ،‬والمبانى داخل البيئة‬ ‫‪ ،‬فيناك العديد من أنواع تحميالت الرؤية ثالثية األبعاد التي يمكن أن‬ ‫تساعدنا عمى فيم العالم ومساعدتنا عمى اتخاذ ق اررات أفضل‪.‬‬

‫شكل (‪ )2‬تحديد ما ىو مرئى من موقع معين‪.‬‬ ‫‪ -10‬تحديد العالقات المتداخمة في المكان والزمان ‪:‬‬ ‫العالقت مثل " ىل ىي‬ ‫ا‬ ‫يمكن أن يكون لميزتين أو أكثر مجموعة متنوعة من‬ ‫قريبة ‪ ،‬قريبة و مرئية ‪ ،‬يمكن الوصول إلييا ؟ إلخ " ومع ذلك ‪ ،‬فإن العالم‬ ‫‪- 12 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫إضافة‬ ‫المواقع والخصائص والعالقات قد تتغير مع مرور الوقت؛ ف‬ ‫ليس ثابتًا ف‬ ‫الوقت إلى التحميل يضيف بعد آخر لجميع العالقات‪.‬‬ ‫الفئة الرابعة ‪ :‬العثور عمى أفضل المواقع والمسارات ‪:‬‬ ‫ىناك نوع أخر شائع من التحميل المكاني ‪ ،‬و ىو إيجاد أفضل موقع ؛ حيث‬ ‫يمكنك أن تبحث عن أفضل طريق لمسفر ‪ ،‬وأفضل طريق لركوب دراجة ‪،‬‬ ‫أفضل ممر إلنشاء خط أنابيب ‪ ،‬أو أفضل موقع إلنشاء متجر جديد ؛ حيث‬ ‫يتم إدخال متغيرات متعددة أو مجموعة من المعايير التخاذ القرار‪.‬‬ ‫وإليجاد أفضل المواقع والمسارات‬

‫ىناك مجموعة من الق اررات‬

‫يمكن أن‬

‫تساعدك في الوصول باستخدام البيانات المكانية الخاصة بك مثل ‪:‬‬ ‫‪ -11‬العثور عمى أفضل المواقع التي تمبي مجموعة من المعايير‪.‬‬ ‫‪ -12‬العثور عمى أفضل تخصيص لمموارد بالمناطق الجغرافية‪.‬‬ ‫‪ -13‬العثور عمى أفضل مسار أو تدفق عبر شبكة‪.‬‬ ‫‪ -14‬العثور عمى أفضل طريق أو مسار أو ممر عبر تضاريس مفتوحة ‪.‬‬ ‫‪ -15‬العثور عمى أفضل مواقع عمى أساس العرض والطمب وشبكة السفر‪.‬‬

‫‪- 13 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫‪ -11‬العثور عمى أفضل المواقع التي تمبي مجموعة من المعايير‪:‬‬ ‫فالسؤال اآلن ما الذي يجعل الموقع "أفضل موقع"؟ عمى األرجح ‪،‬أن تجتمع‬ ‫مجموعة من المتطمبات ‪ ،‬بالنظر إلى ىدف معين " المراد تحقيقو من جراء‬ ‫إختيار الموقع" ؛ فمثالً أفضل مكان إلنشاء متجر جديد لديو متطمبات مثل‬ ‫الكثافة السكانية ‪،‬إمكانية الوصول ‪ ،‬والدخل المتاح‪ .‬إذا كنت تستطيع وصف‬ ‫الخصائص والمعايير المطموبة ‪ ،‬يمكن استخدام عممية التراكب المكاني‬ ‫لمجمع بين جميع المدخالت لممساعدة في تحديد األولويات وتحديد أفضل‬ ‫موقع ‪.‬‬ ‫‪ -12‬إيجاد أفضل تخصيص لمموارد لممناطق الجغرافية‪:‬‬ ‫غالبا ما‬ ‫عند تطمب تخصيص وموازنة لمموارد داخل المناطق الجغرافية ً‬

‫تواجينا مشكمة إعادة التقسيم بيدف تحديد المناطق الجغرافية ذات القدرة‬

‫المماثمة‪.‬‬

‫شكل (‪ )3‬يوضح إيجاد أفضل تخصيص لمموارد لممناطق الجغرافية‪.‬‬ ‫‪- 14 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫فال بد من معرفة اإلجابة عن التساؤالت مثل أين يجب وضع حدود مناطق‬ ‫البيع بحيث تكون الفرص متوازنة مع موظفي المبيعات؟ بناءا"عمى ذلك يتم‬ ‫تعيين وانشاء مناطق من خالل مجموعة تحميالت مكانية " االختيار والقرب‪،‬‬ ‫واعادة تقسيم الموارد"‪.‬‬ ‫‪ -13‬العثور عمى أفضل مسار أو تدفق عبر شبكة‪:‬‬ ‫فمثالً لمعرفة ما ىو أفضل طريق لمسفر من بمد إلى بمد أخرى ؟ ما ىو‬ ‫أفضل مسار لممشي في مدينة‬

‫ما؟ كيف تتدفق الماء‬

‫الصرف الصحي؟ فى كل مثل ىذه الحاالت‬

‫من خالل نظام‬

‫تحتاج إلى تحميل لحساب‬

‫قد يكون ىناك تكاليف وقيود‬ ‫المسارات األمثل عمى طول الشبكات الخطية ؛ ف‬ ‫وحواجز لمتدفق ‪،‬ولكن المبادئ األساسية ىي نمذجة التدفق عمى طول نظام‬ ‫من الميزات " الظاىرات الخطية المتصمة"‪.‬‬ ‫‪-14‬العثور عمى أفضل مسار أو ممر عبر التضاريس المفتوحة‪:‬‬ ‫دائما‬ ‫الكائنات المتحركة (المركبات ‪ ،‬الحيوانات ‪ ،‬األشخاص) ليست مقيدة ً‬ ‫لمسفر عمى طول الشبكات‪ .‬فالسفينة في المحيط يمكن أن تذىب في كثير‬

‫من االتجاىات ‪ ،‬بدال من سيارة في الشارع التي يجب أن تتبع قيود الطريق‪.‬‬ ‫فى حين أن المتجول عمى األقدام يمكن أن يتحرك في أي اتجاه من خالل‬ ‫دائما عمى الطريق‪ .‬ومع ذلك ‪ ،‬في كل ىذه الحاالت ‪،‬‬ ‫حديقة وال يبقى ً‬ ‫ىناك مجموعة من المعايير كالتكاليف والعقبات والمقاومات التي يمكن‬ ‫استخداميا لفيم التدفق عبر المناطق الجغرافية المستمرة‪.‬‬ ‫‪- 15 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫‪ -15‬العثور عمى أفضل مواقع بالنظر إلى العرض والطمب وشبكة السفر‪:‬‬ ‫غالبا ما يسيل تحديد موقع موارد جديدة من خالل فيم العالقات بين العرض‬ ‫والطمب وتقييم أعداد ال حصر ليا من طرق السفر الممكنة بين ىذه األصول‬ ‫والوجيات‪.‬‬ ‫فتكون نماذج تخصيص الموقع عمى أساس تقييم سمسمة من مراكز العرض‬ ‫الحالية أو المخطط ليا مقابل مجموعة من نقاط الطمب فعند تحديد المواقع‬ ‫المثمى الالزمة لتمبية العرض والطمب يمكن أن يستند التحميل إلى تقميل‬ ‫تكاليف السفر الكمية أو عن طريق إيجاد الحل األكثر إنصافاً حيث الجميع‬ ‫يجب أن يسافر مسافة مقبولة ‪ ،‬حتى لو زادت إجمالي تكاليف السفر‪.‬‬ ‫الفئة الخامسة ‪ :‬وتضم مجموعة أسئمة هى ‪:‬‬ ‫‪ -16‬أين توجد النقاط الساخنة اليامة " الشذوذ ‪ ،‬والقيم المتطرفة" ؟‬ ‫‪ .17‬ما ىي االتجاىات المكانية المحمية واإلقميمية والعالمية؟‬ ‫‪ .18‬ما ىي الميزات أو البكسل المتشابية ‪ ،‬وكيف يمكن تجميعيا ؟‬ ‫‪ .19‬ىل األنماط المكانية تتغير بمرور الوقت؟‬ ‫‪ -16‬أين توجد النقاط الساخنة الهامة " الشذوذ ‪ ،‬والقيم المتطرفة" ؟‬ ‫حيث يعد تصور األنماط المكانية جزء ميم من التحميل المكاني ‪ ،‬ولكن في‬ ‫كثير من األحيان يحتاج التحميل إلى تجاوز التصور البسيط وتحديد األنماط‬ ‫التي نراىا أو ال نراىا‪.‬‬

‫‪- 16 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫فعند النظر إلى الخريطة نالحظ وجود مجموعات من القيم العالية والقيم‬ ‫المنخفضة أي المناطق التي تبرز مختمفة عن جيرانيا‪ .‬فيمكننا استخدام‬ ‫تقنيات التحميل المكاني ‪ ،‬بما في ذلك اإلحصاءات المكانية ‪ ،‬لتحديد النقاط‬ ‫الساخنة ‪ ،‬البقع الباردة ‪ ،‬وتحديد تمك المناطق المتطرفة ميم التخاذ الق اررات‬ ‫بناءاً عمى ىذه األنماط الممحوظة‪.‬‬

‫شكل (‪ )4‬المناطق الساخنة والمناطق الباردة‪.‬‬ ‫‪ -17‬ما هي االتجاهات المكانية المحمية واإلقميمية والعالمية؟‬ ‫عند البحث عن االتجاىات المكانية سواء كانت المحمية أو اإلقميمية أو‬ ‫العالمية فكيف تختار مقياس مناسب لتحميمك؟ ىذه واحدة من أىم مكونات‬ ‫التحميل المكانى ‪ ،‬فاألشياء األقرب ترتبط أكثر من األشياء البعيدة‬ ‫(قانون‪ Tobler’s‬توبمر األول فى الجغرافيا)‪ .‬ويمكن أن تساعد البيانات‬ ‫المتاحة في تحديد الحجم الذي تتناقص فيو العالقات‪.‬‬

‫‪- 17 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫شكل (‪ )5‬معرفة اإلتجاىات المكانية المحمية واإلقميمية والعالمية‪.‬‬ ‫‪ -18‬ما هي الميزات أو البكسل المتشابهة ‪ ،‬وكيف يمكن تجميعها ؟‬ ‫يمكننا استخدام ىذه التقنيات لمعثور عمى أماكن متشابية الخصائص و‬ ‫القائمة عمى مجموعة من قيم السمات وانشاء مجموعات أو تصنيفات‬ ‫تساعدنا عمى فيم بياناتنا في طرق جديدة‪.‬‬ ‫‪ -19‬هل األنماط المكانية تتغير بمرور الوقت؟‬ ‫عمى الرغم من أن األنماط المكانية التي نكتشفيا ونحددىا ىي قيمة من تمقاء‬ ‫نفسيا ‪ ،‬وفي كثير من األحيان يتم الحصول عمى رؤى إضافية عن طريق‬ ‫التحميل المكاني تساعد صناع القرار‪.‬‬ ‫الفئة السادسة و األخيرة‪:‬‬ ‫تتضمن ىذه الفئة من التصنيف األسئمة التي تستخدم تقنيات النمذجة لسيولة‬ ‫وفيم التنبؤات ؛ حيث يمكن استخدام التقنيات لمتنبؤ وقيم البيانات بين نقاط‬ ‫العينة ‪ ،‬والعثور عمى العوامل المتعمقة الظواىر والمعقدة ‪ ،‬وعمل تنبؤات في‬ ‫‪- 18 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫المستقبل أو عبر مناطق جغرافية جديدة‪ .‬والعديد من المتخصصين يعتمد‬ ‫عمى نيج النمذجة أيضا لمتنبؤ بكيفية تفاعل الكائنات وتدفقيا وتفريقيا‪.‬‬ ‫‪ .20‬إعطاء حالة النجاح ‪ ،‬والتنبؤ بمواقع مماثمة‪.‬‬ ‫‪ .21‬إيجاد العوامل التي تفسر األنماط المكانية المرصودة واجراء التنبؤ‪.‬‬ ‫‪ .22‬تحريف السطوح المستمرة واالتجاىات المتقطعة‪.‬‬ ‫‪ .23‬توقع كيف وأين تتفاعل األشياء مكانياً‪.‬‬ ‫‪ .24‬التنبؤ كيف وأين تؤثر األشياء عمى نشر الموجة‪.‬‬ ‫‪ .25‬التنبؤ بأماكن تحرك الظواىر ‪ ،‬وتدفقيا ‪،‬أو انتشارىا‪.‬‬ ‫‪ .26‬التنبؤ ماذا لو‪.‬‬ ‫‪ -20‬إعطاء حالة النجاح ‪ ،‬والتنبؤ بمواقع مماثمة‪:‬‬ ‫نحن غالباً نريد تكرار النجاح وتجنب الفشل‪ .‬فإعطاء مجموعة المواقع‬ ‫الناجحة ‪ ،‬يمكننا أن نجد مواقع أخرى مماثمة مع توفر الخصائص التي من‬ ‫المحتمل أن تنجح ؛ ويمكننا تقييم أي المواقع أكثر عرضة لمفشل؛ فتقييم‬ ‫التشابو مفيد فى عممية صنع التوقعات وقياس األداء‪.‬‬

‫‪- 19 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫شكل (‪ )6‬معرفة مواقع النجاح والتنبؤ بمواقع مماثمة‪.‬‬ ‫‪ -21‬إيجاد العوامل التي تفسر األنماط المكانية المرئية والتنبؤات‪:‬‬ ‫عندما نحاول أن نفيم العوامل المتعمقة بالنمط المرصود ‪،‬غالبا ما يكون من‬ ‫الضروري استكشاف عدد من المتغيرات واختبار أىميتيا ثم تحميل مجموعات‬ ‫مختمفة حتى نتمكن من استخدام ىذه النماذج لمتنبؤ بنفس الظواىر في‬ ‫عادة‬ ‫مناطق أخرى أو أوقات أخرى ويشار إلى ىذه األنواع من التحميالت ً‬

‫باسم تحميل االنحدار وتشمل مجموعة متنوعة من االنحدار المكاني والتي‬ ‫توفر الثقة اإلحصائية في صنع التنبؤات ‪ ،‬وفيم عالمنا ‪ ،‬حتى نتمكن من‬

‫تنفيذ السياسات الفعالة‪.‬‬ ‫‪ -22‬تحريف السطوح المستمرة واالتجاهات المتقطعة‪:‬‬ ‫عندما يكون لدينا بيانات نموذجية و ال تغطييا‬

‫مجال االىتمام بالكامل؛‬

‫فالتحميل المكاني التنبؤي يمكن استخدامو‬

‫لمتنبؤ أو االستيفاء بين نقاط‬

‫البيانات المنفصمة إلنشاء سطح مستمر؛‬

‫فيناك مجموعة متنوعة‬

‫‪- 20 -‬‬

‫من‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫تقنيات االستيفاء يمكن استخداميا لتقدير القيم بين نقاط العينة‪ .‬وطريقة‬ ‫‪ geo statistical‬ىى األكثر استخداماً فى الوقت الحالى ‪.‬‬ ‫‪ -23‬توقع كيف وأين تتفاعل األشياء مكانياً‬

‫‪(attraction and‬‬

‫)‪. decay‬‬ ‫غالبا ما تستخدم المبادئ المادية والجغرافية كأساس لمنمذجة والتحميل‬ ‫التنبؤي؛ عمى سبيل المثال عند التفكير فى إنشاء متجر لمبيع بالتجزئة ؛‬ ‫فكمما كان المتجر أكبر كان ذلك أفضل فى األسعار وأكثر جاذبية لمعمالء‬ ‫فيكون قادر عمى جذب العمالء من المناطق البعيدة أكثر من المتاجر‬ ‫الصغيرة وىذا ما يسمى بقوة الجاذبية ؛ وتستخدم ىذه النماذج التنبؤية مفيوم‬ ‫الكتمة والجاذبية لمتنبؤ بسموك العرض والطمب الختيار موقع البيع بالتجزئة‬ ‫ولمجاالت التطبيق األخرى المشابية‪.‬‬ ‫‪ -24‬التنبؤ كيف وأين األشياء التى تؤثر عمى انتشار الموجة‪.‬‬ ‫يمكن تعريف الموجة في الفيزياء بأنيا اضطراب أو تذبذب ينتقل عبره‬ ‫الفضاء والمادة يرافقو نقل الطاقة ‪ ،‬وتشمل األشكال األكثر شيوعا‬

‫لمموجة‬

‫الضوء والصوت و الموجات الكيرومغناطيسية ‪ ،‬لكن متى نفكر في انتشار‬ ‫يمكن لؤلشياء المادية تعطيل أو تغيير أو منع انتشار الموجة مثل‬ ‫األمواج؟ ف‬ ‫عكس شجرة ألشعة الشمس‪ ،‬و يمكن أن تؤثر التغيرات في درجات الح اررة‬ ‫تنتقل الموجات بطرق يمكن التنبؤ بيا عبر الفضاء والوقت ‪،‬‬ ‫في المحيط ؛ ف‬

‫‪- 21 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫مما يجع ل م ن الم مكن استخدام تقنيات التحميل المكاني لتصميم العديد من‬ ‫ىذه التفاعالت‪.‬‬ ‫‪ -25‬التنبؤ أين ستتحرك أو تتدفق أو تنتشر الظواهر‪:‬‬ ‫العديد من الظواىر الجغرافية لدييا القدرة عمى الحركة‬

‫و التدفق أو‬

‫االنتشار مثل الحرائق وتفشي األمراض والتموث الكيميائي ‪ ،‬فعممية التنبؤ‬ ‫بكيف تتحرك ىذه الظواىر من حيث المكان والزمان ىو نوع ميم من‬ ‫التحميالت المكاني ة الذي يتضمن نمذجة النظم المعقدة والتفاعالت‬ ‫واالستجابات‪.‬‬ ‫‪ .26‬التنبؤ ماذا لو؟‬ ‫تستخدم النماذج لمتنبؤ بالنتائج ‪ ،‬ومساعدتنا في فيم عالمنا ‪ ،‬ومساعدة‬ ‫المخططين عمى اتخاذ الق اررات‪ .‬وتعتبر القدرة عمى اختبار وتقييم اإلمكانات‬ ‫واإلجراءات واآلثار المترتبة عمييا واحدة من جوانب النمذجة األكثر قيمة‪.‬‬ ‫فباستخدام ماذا لو و تك اررية النيج ‪ ،‬يمكن تقييم العديد من السيناريوىات‬ ‫المختمفة قبل اتخاذ القرار‪.‬‬ ‫الخطوات السبع لمتحميل المكاني الناجح‪:‬‬ ‫ىناك مجموعة من األسئمة الجمع بينيا يأخذنا من تعمم لغة التحميل المكاني‬ ‫لفيم عممية التحميل المكاني؛ فالتحميل المكاني الناجح يتطمب سبعة خطوات‬ ‫"النيج الذي يبدأ بطرح األسئمة وينتيي مع اتخاذ قرار" فالتحميل المكاني ال‬

‫‪- 22 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫يقوم فقط بتشغيل أداة أو نموذج ‪ ،‬بل ىو سير عمل ؛ فالخطوات السبع‬ ‫لنجاح التحميل المكاني ىى‪:‬‬ ‫‪ .1‬طرح األسئمة‪ :‬وتشمل صياغة الفرضيات واألسئمة المكانية‪.‬‬ ‫‪ .2‬استكشاف البيانات‪ :‬فحص جودة البيانات لتحديد مستوى التحميل‬ ‫والتفسير الذي يمكن دعمو‪.‬‬ ‫‪ .3‬التحميل والنمذجة‪ :‬تقسيم المشكمة إلى المكونات القابمة لمحل التي يمكن‬ ‫أن تكون عمى غرار تحديد وتقييم األسئمة المكانية‪.‬‬ ‫‪ .4‬تفسير النتائج‪ :‬تقييم وتحميل النتائج في سياق السؤال المطروح و قيود‬ ‫البيانات ‪ ،‬الدقة ‪ ،‬واآلثار األخرى‪.‬‬ ‫‪ .5‬تكرار حسب الضرورة‪ :‬التحميل المكاني مستمر وتكرار العممية التي غالبا‬ ‫ما تؤدي إلى مزيد من األسئمة والتحسينات‪.‬‬ ‫‪ .6‬تقديم النتائج‪ :‬فأفضل المعمومات و التحميل يصبح قيمتة متزايدة عندما‬ ‫يمكن تقديمو بفعالية ومشاركتو مع جميور أكبر‪.‬‬ ‫‪ .7‬اتخاذ قرار‪ :‬التحميل المكاني ونظم المعمومات الجغرافية تستخدم لدعم‬ ‫عممية صنع القرار‪.‬‬ ‫فوائد التحميل المكاني ‪:‬‬ ‫عند صياغة حمول التحميل المكاني من الميم أن نضع في االعتبار ليس‬ ‫أيضا الفوائد التي تنتج عن التحميل‬ ‫فقط األىداف التي يجب تحقيقو ا ولكن ً‬

‫الغرض من التحميل المكاني ىو استخدام بياناتنا وزيادة‬ ‫المكاني الناجح ؛ ف‬ ‫‪- 23 -‬‬

‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫قد يكون لكل مشكمة ىدف مختمف ‪ ،‬ولكن‬ ‫ال اررات‪ .‬ف‬ ‫الفيم التخاذ أفضل ق‬ ‫دائما عمى حل مشكمة العالم الحقيقي الكامنة‪.‬‬ ‫يجب أن يكون التركيز ً‬ ‫فالتحميل المكانى يساعدنا عمى ‪:‬‬ ‫ تحقيق األىداف المرجوة من المشروع المدروس‪.‬‬‫ تحسين النتائج‪.‬‬‫ خفض التكاليف من خالل تجنب التكاليف الباىظة‪.‬‬‫ زيادة الكفاءة واإلنتاجية ‪.‬‬‫ زيادة اإليرادات وضمانيا‪.‬‬‫ حماية الموظفين والمواطنين (الصحة والسالمة)‪.‬‬‫ تحسين خدمة العمالء وتعزيز رضا العمالء‪.‬‬‫‪ -‬تعزيز الميزة التنافسية‪.‬‬

‫‪- 24 -‬‬

‫الفصل الثانى‬ ‫استكشاف البيانات‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫استكشاف البيانات ‪Data Exploration:‬‬ ‫إن أىم ما يميز نظم المعمومات الجغرافية )‪ (GIS‬ويجعميا فريدة من‬ ‫نوعيا ىي القدرة عمى ربط البيانات بالموقع المكاني وقدرتيا عمى االستعالم‬ ‫وتمخيص ىذه البيانات عمى أساس متطمبات تحميل محددة وظيفياً ‪.‬كما يوفر‬ ‫نظام المعمومات الجغرافية أد وات متطورة لتقديم تقارير‬

‫عن نتائج قواعد‬

‫البيانات ؛و قد تكون التقارير لمجموعة بيانات كاممة أو لجزء من مجموعة‬ ‫البيانات ؛ كما يمكن أن تتخذ "تقارير البيانات" ىذه ممخصات جدولية من‬ ‫الرسوم البيانية والخرائط‪.‬‬ ‫فيما يمى يتم عرض أنواع البيانات المختمفة وتحديد كيفية استخداميا‬ ‫واالستعالم من المعمومات داخل قاعدة البيانات‪ .‬باإلضافة إلى ذلك ‪ ،‬أنواع‬ ‫التقارير ‪.‬‬ ‫وسوف نبدأ بدراسة استكشاف البيانات من خالل الموضوعات التالية‪:‬‬ ‫‪- 1‬سمات البيانات ‪Data attributes:‬‬ ‫‪- 2‬االستعالم ‪ Querying‬عن بيانات ‪vector‬وتحديدىا‪.‬‬ ‫‪- 3‬االستعالم ‪ Querying‬عن البيانات ‪ raster‬واختيارىا‪.‬‬ ‫‪- 4‬تمخيص وتفسير البيانات‪.‬‬

‫‪- 26 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫تتميز نظم المعمومات الجغرافية‬

‫بتوفر مجموعة من األدوات‬

‫المستخدمة‬

‫لجمع وتخزين وتحميل وعرض البيانات الجغرافية؛ والكثير من الجيد في نظم‬ ‫المعمومات الجغرافية يركز عمى الميام المتعمقة بالقدرة عمى تمثيل ووصف‬ ‫ظاىرات العالم الحقيقي في بيئة رقمية‪.‬‬ ‫سمات البيانات ‪: Data Attributes‬‬ ‫الموقع (‪ X‬و ‪ Y‬و ‪:)Z‬‬ ‫ُيعد التحميل المكاني من األمور األساسية لفيم المكان حيث ُيعطى لسطح‬

‫األرض ظاىرة أو مجموعة من الظاىرات الموجودة ؛ فغالباً ما يتم التحميل‬ ‫تعقيدا‬ ‫المكاني عمى الظاىرات ثنائية االبعاد ؛كما يمكن إجراء تحميالت أكثر ً‬ ‫أيضا مراعاة‬ ‫عمى البيانات ثالثية األبعاد ؛ كما يمكن لمجموعات البيانات ً‬

‫البعد الرابع أال وىو الوقت‬

‫لتحميل مجموعة بيانات متعددة‬

‫فى الفترة‬

‫الزمنية‪.‬‬ ‫ويتم تخزين البيانات في‬

‫نظم المعمومات الجغرافية‬

‫أساسية ‪:‬‬ ‫ ‪Vector.‬‬‫ ‪Raster.‬‬‫‪triangular irregular network (TIN). -‬‬

‫‪- 27 -‬‬

‫بأربعة تنسيقات‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫ باإلضافة إلى استخدام جداول البيانات والتي يمكن أن ربطيا‬‫بالبيانات المكانية‪.‬‬ ‫‪:vector‬‬ ‫يتم إنشاء بيانات ‪ vector‬عمى شكل نقاط ‪ .Points‬حيث يتم تحديد موقع‬ ‫ىذه النقاط عن طريق نقاط اإلحداثيات ) ‪ ) z ، y ، x‬؛ فمتحديد موقع نقطة‬ ‫من خالل تحديد إحداثي النقطة ( ‪ ) y ، x‬كما يمكن أن يمثل اإلحداثي ‪z‬‬ ‫قيمة إضافية لمنقطة لتوضيح إرتفاع ىذه النقطة‪.‬‬ ‫كما يمكن إنشاء البيانات المكانية ‪ vector‬أيضاً عمى هيئة خطوط ‪Lines‬‬ ‫ومضمعات ‪ Polygons‬كما موضح بالشكل التالى (‪.)7‬‬

‫شكل (‪ )7‬تمثيل البيانات ‪vector‬‬ ‫وترتبط سمات النقاط والخطوط والمضمعات بكل‬

‫‪ feature‬ويمكن تخزينيا‬

‫داخل مجموعة البيانات المكانيةأو في جدول سمات مستقل مرتبط بالظاىرات‬ ‫المكانية من خالل معرف فريد‪.‬‬ ‫‪- 28 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫من أمثمة البيانات التى يتم تمثيميا بشكل‬

‫‪ vector‬الظاىرات النقطية مثل‬

‫مواقع أخذ العينات ‪،‬الظاىرات الخطية مثل الطرق والمضمعات‬

‫كالتى تمثل‬

‫المناطق السكنية واالستخدامات الزراعية وغيرىا‪.‬‬ ‫هناك مجموعة من المزايا التى تتميز بها البيانات ‪ vector‬منها ‪:‬‬ ‫‪- 1‬يمكن تخزين البيانات بكفاءة عالية الدقة‪.‬‬ ‫‪- 2‬أنيا تتطمب حوالي ‪ ٪ 10‬من مساحة التخزين الالزمة لتخزين نفس‬ ‫البيانات في شكل ‪.raster‬‬ ‫‪- 3‬ىناك أنواع معينة من التحميل الطوبولوجي تكون أكثر فعالية مع ىذا‬ ‫النوع من البيانات ‪ ،‬وقد تكون ممكنة فقط مع البيانات ‪.vector‬‬ ‫‪- 4‬مرونة أكبر في تخزين ومعالجة سمات البيانات‪.‬‬ ‫‪:Raster‬‬ ‫في نموذج البيانات ‪ Raster‬يتم تمثيل البيانات بسطح مقسم إلى شبكة من‬ ‫عادة الزاوية‬ ‫الخاليا ذات الحجم المنتظم ؛ فالـ ‪ Raster‬ىي شبكة ليا أصل ( ً‬

‫اليسرر) حيث يتم تعريف كل بكسل وموقعو بواسطة ىذا األصل ومقدار‬ ‫اإلزاحة عنو ‪.‬‬

‫فالـ ‪ Raster‬عبارة عن شبكة من المربعات تسمى خاليا الشبكة‪ .‬حيث بكل‬ ‫خمية يخزن السمة أو القيمة المتعمقة بجزء من سطح األرض ؛‬

‫ونموذج‬

‫البيانات النقطية ‪ Raster‬مناسب بشكل مثالي لتخزين المعمومات المتعمقة‬ ‫بالظاىرات المستمرة (الظاىرات غير المنفصمة من الناحية المكانية) مثل‬ ‫‪- 29 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪ Raster‬الصور‬

‫بيانات درجة الح اررة أو االرتفاع ومن أمثمة البيانات‬ ‫الجوية وصور األقمار الصناعية ‪.‬‬

‫شكل (‪ ) 8‬تمثيل لمبيانات ‪Raster‬‬ ‫كما أن لكل خمية في الشبكة عرض وارتفاع محددان و أحجام الخمية تتراوح‬ ‫بين بضعة سنتيمترات أو متر إلى كيمومتر مربع‬ ‫دقة تمثيل البيانات ‪ resolution‬؛‬

‫فيحدد حجم الخمية مدر‬

‫و يشار إلى حجم الخمية باسم دقة‬

‫البيانات" البكسل" فإذا كانت أحجام الخمية‬

‫متر ‪ ،‬تبمغ دقة‬ ‫‪ً 25 × 25‬ا‬

‫متر‪ .‬وترتبط كل خمية بقيمة تقابل السمة التي يتم‬ ‫مجموعة البيانات ‪ً 25‬ا‬ ‫عرضيا (عمى سبيل المثال ‪ ،‬سقوط األمطار تحتوي مجموعة البيانات عمى‬ ‫كمية األمطار مرتبطة بكل خمية ولتمثيل استخدام األراضي سمات مثل‬ ‫المناطق الحضرية والزراعية والغابات المرتبطة بالخمية)‪.‬‬

‫ويمكن أن تكون‬

‫صحيحا أو ‪ floating‬و في بعض الحاالت‬ ‫الخمية موجبة أو سالبة أو عدداً‬ ‫ً‬ ‫‪ ،‬يمكن أن تكون قيم ‪ NODATA‬تستخدم لتمثيل عدم وجود بيانات‬ ‫(الشكل‪.)9‬‬

‫‪- 30 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫شكل (‪ )9‬نموذج تمثيل البيانات‪Raster‬‬ ‫هناك عدد من مزايا لمبيانات والنماذج ‪ Raster‬منها‪:‬‬ ‫‪- 1‬نموذج بسيط لمبيانات‪.‬‬ ‫‪ - 2‬وظائف التحميل المكاني المتعددة غالباً ما تكون أبسط وأسرع ‪.‬‬ ‫‪- 3‬فعال لمبيانات ذات التغير المكاني العالي ‪.‬‬ ‫‪ - 4‬سيولة االندماج مع بيانات األقمار الصناعية وبيانات االستشعار‬ ‫عن ُبعد‪.‬‬

‫‪- 31 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪Network‬‬

‫‪Irregular‬‬

‫يعد نموذج بيانات الشبكة المثمثة‬

‫‪Triangulated‬‬

‫)‪:(TIN‬‬

‫مثاليا لتمثيل األسطح ‪ ،‬مثل‬ ‫)‪(TIN‬‬ ‫ً‬

‫التضاريس حيث يتم تمثيل البيانات في شكل سمسمة من المثمثات غير‬

‫المتداخمة المرسومة بينيا نقاط متباعدة بشكل غير منتظم (الشكل ‪ .)10‬ففي‬ ‫حالة نموذج التضاريس يمثل كل مثمث مساحة من منحدر ثابت أو متدرج‬ ‫يمكن لـ ‪TINs‬‬ ‫نظر لقدرتيا عمى تعيين بيانات متباعدة بشكل غير منتظم ‪ ،‬ف‬ ‫ًا‬ ‫تمثيل نموذج السطوح التي تختمف بشكل حاد في بعض المناطق بشكل‬

‫أكثر دقة من البيانات ‪. rasters‬‬

‫شكل ( ‪ )10‬مثال تمثيل سطح تضاريس ( ‪.)TIN‬‬

‫‪- 32 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫البيانات المجدولة ‪:Tabular‬‬ ‫تُستخدم البيانات المجدولة لتخزين السمات‬

‫‪ attributes‬أو المعمومات‬

‫الوصفية الخاصة بالبيانات المكانية؛ فعادة يتم تخزين المعمومات في صفوف‬ ‫وأعمدة (الحقول) في قاعدة البيانات‪ .‬وقد يتم تخزين السمات في الجدول مع‬ ‫المعمومات المكانية أو يمكن أن توجد في جداول منفصمة يمكن ربطيا فيما‬ ‫بعد‪ ،‬وتستخدم حزم برامج نظم المعمومات الجغرافية جد‬

‫اول البيانات في‬

‫مجموعة متنوعة من التنسيقات بما في ذلك‪ :‬ممفات نصية محددة ‪ ،‬ممفات‪d‬‬ ‫‪ ،BASE‬ممفات ‪ ، Microsoft Excel‬ممفات ‪Microsoft Access‬‬ ‫باإلضافة إلى ذلك ‪ ،‬يمكن استيراد الجداول من مجموعة متنوعة من قواعد‬ ‫البيانات األخرر "حزم برامج اإلدارة مثل‪." (Oracle).‬‬ ‫أنواع السمات ‪: attributes‬‬ ‫مما سبق يتضح لنا أن سمات البيانات " ‪ " attributes‬تصف خصائص‬ ‫الميزات المكانية "‪ " features‬ومع ذلك يمكن تصنيف البيانات حسب نوع‬ ‫البيانات‪.‬‬

‫‪- 33 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫فتختمف أنواع البيانات بين حزم برامج نظم المعمومات الجغرافية المختمفة ‪،‬‬ ‫لكن أنواع البيانات النموذجية تشمل الحرف ‪ ، character,‬العدد الصحيح‬ ‫‪single. double and string ، decimal, float, ، integer,‬‬ ‫وفى الجدول التالى يوضح تفاصيل أنواع البيانات النموذجية لدعم نظام‬ ‫المعمومات الجغرافية ‪.‬‬ ‫جدول ( ‪ )1‬أنواع البيانات التى تدعم داخل برامج‬ ‫نظم المعمومات الجغرافية "جداول البيانات"‬ ‫‪Name‬‬

‫التطبيقات‬

‫‪Text‬‬

‫مناسبة لتخزين األسماء أو الطبقات أو غيرىا من النصوص‬

‫‪Date‬‬

‫التواريخ واألوقات‪.‬‬

‫‪Short integer‬‬

‫سمات رقمية بدون قيم كسرية سيكون مفيد لتخزين قيم األكواد‪.‬‬

‫‪Long integer‬‬

‫سمات رقمية بدون قيم كسرية مع النطاقات المسموح بيا‪.‬‬

‫‪precision‬‬

‫‪ Single‬سمات رقمية بقيم كسرية داخل النطاقات المسموح بيا‬

‫)‪floating point (Float‬‬ ‫‪precision‬‬

‫‪ Double‬سمات رقمية بقيم كسرية داخل النطاقات المسموح بيا‬

‫‪floating point‬‬ ‫‪BLOB‬‬

‫الصور أو غيرىا من ممفات الوسائط المتعددة‬

‫‪GUID‬‬

‫تطبيقات مخصصة تتطمب معرفات عالمية‬

‫‪- 34 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫يتضح أنو يمكن تخزين الحقول الرقمية في مجموعة متنوعة من أنواع‬ ‫البيانات الرقمية ‪ ،‬عمى سبيل المثال‪ :‬عدد صحيح قصير ؛عدد صحيح‬ ‫كل نوع يختمف في‬ ‫طويل؛ )‪ (Float‬بدقة مفردة‪ (Float) ،‬بدقة مزدوجة ‪ .‬ف‬ ‫الحجم والطريقة المستخدمة لتخزين قيم البيانات الرقمية ؛‬ ‫لتخزين الرموز األبجدية الرقمية (مثل أسماء النباتات)‪.‬‬

‫‪ Text‬تستخدم‬ ‫‪ Date‬لتخزين نوع‬

‫بيانات التواريخ واألوقات والصور ورمز البرمجة و ‪ BLOB‬لتخزين ممفات‬ ‫الوسائط المتعددة ‪.‬‬ ‫ومن أنواع البيانات المختمفة ما يمى‪:‬‬ ‫‪ Nominal data‬تصف البيانات االسمية فئات مختمفة من البيانات (مثل‬ ‫أنواع استخدام األراضي أو الغطاء النباتي)‪.‬ويمكن أن تكون البيانات االسمية‬ ‫عددية (مثل أرقام اليواتف أو القيم العددية المخصصة ليا فئات استخدام‬ ‫األراضي) ولكن ال يوجد ترتيب ضمني بين الطبقات‪.‬‬ ‫تيبا بين الفئات ‪ ،‬عمى سبيل‬ ‫‪ Ordinal data‬تتضمن البيانات العادية تر ً‬ ‫المثال ‪ ،‬قد تكون أحجام والتى تقسم إلى فئات عالية أو متوسطة أو‬ ‫منخفضة‪.‬‬ ‫‪ Interval data‬وىى البيانات التى تمثل الكميات " وجود قياسات بين‬ ‫القيم " مثل بيانات االرتفاع ‪ ،‬كميات سقوط األمطار ‪ ،‬أودرجات الح اررة‪.‬‬

‫‪- 35 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪ : Ratio data‬وىي التى تمثل نسبة البيانات‪.‬‬ ‫‪ : Cyclic data‬وتمثل البيانات الحمقية مثل قياسات السمات التي تمثل‬ ‫االتجاىات أو الظاىرات الدائرية ‪ ،‬عمى سبيل المثال ‪ ،‬في بيانات االتجاه‬ ‫صفر ‪ °‬و ‪ ° 360‬متساوية‪.‬‬ ‫جداول السمات وهيكل البيانات‬

‫‪Attribute tables and data‬‬

‫‪structures‬‬ ‫وعادة ما يقوم جدول معين بتخزين‬ ‫يتم تخزين السمات داخل جداول البيانات‬ ‫ً‬

‫مجموعة من السمات لمجموعة من الميزات‬

‫‪ features‬المتشابية في‬

‫الطبيعة‪.‬‬ ‫يشار إلى تنظيم جدول البيانات باسم‬

‫‪ structures data‬؛ ويتم تنظيم‬

‫جداول البيانات عمى شكل صفوف وأعمدة‪ .‬وفى (الشكل ‪ ) 11‬يوضح مثال‬ ‫عمى كيفية عرض جدول البيانات‪ .‬داخل واجية برنامج ‪ ArcMap‬؛ حيث‬ ‫يمكن عرض جداول البيانات وتحريرىا واالستعالم داخميا باإلضافة إلى ذلك‬ ‫أيضا الوصول إلى البيانات المجدولة المتعمقة بميزة معينة عن طريق‬ ‫يمكن ً‬

‫يحتوي ‪Arc Map‬‬ ‫التحديد ‪ selection‬بالنقر عمى الظاىرة داخل الخريطة ف‬ ‫عمى أداة إلجراء استعالم عن البيانات؛ باإلضافة إلى أداة لمـ ‪. .selection‬‬

‫‪- 36 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫شكل رقم ( ‪ )11‬عناصر جداول البيانات‪.‬‬ ‫خصائص الحقل ‪: Field properties‬‬ ‫عند إنشاء جدول جديد أو ‪ ، feature class‬يمكن تحديد عدد الحقول التي‬ ‫سيتم تضمينيا في جدول البيانات خالل مربع حوار الخصائص‪ .‬فى (الشكل‬ ‫‪ )12‬مثال ىذا النوع من مربعا لحوار داخل واجية‬

‫‪.ArcMap‬كما يمكن‬

‫أيضا تحديد إعدادات الحقول ‪ ،‬مثل نوع الحقل والحد األقصى لحجم البيانات‬ ‫التي يمكن تخزينيا في الحقل‪.‬‬

‫‪- 37 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫شكل (‪ )12‬يوضح مربع حوار خصائص الحقل‬ ‫ربط السمات وانشاء العالقات ‪: Attribute joins and relates‬‬ ‫يمكن تخزين السمات في ممفات حيث يتم احتواء جميع البيانات في جدول‬ ‫كبير واحد أو كقاعدة بيانات عالئقية يتم تخزين البيانات في قاعدة البيانات‬ ‫العالئقية في جداول متعددة قد تكون ىذه الجداول مرتبطة يبعضيا البعض‬ ‫من خالل معرفات " مرتبط بين الجداول" أو مفاتيح فريدة‪.‬‬ ‫قواعد البيانات العالئقية مفيدة ألنيا تزيد من كفاءة كل من إدارة ومعالجة‬ ‫البيانات ؛ باإلضافة إلى سيولة تبادل البيانات ‪.‬‬ ‫‪- 38 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫هناك أربعة أنواع من العالقات الممكنة بين السجالت داخل جداول قواعد‬ ‫البيانات‪:‬‬ ‫عالقة واحد لواحد ‪:‬‬ ‫حيث يرتبط سجل واحد في الجدول األول بسجل واحد فقط في الجدول الثانى‬ ‫عمى سبيل المثال ‪ ،‬يمكن أن تكون البيانات عبارة عن جدول يحتور عمى‬ ‫سمسمة من محطات أخذ عينات نوعية المياه وىناك نفس عدد سجالت‬ ‫المحطات في جدول آخر مع وجود عالقة من خالل معرف محطة مشتركة‬ ‫مع كال الجدولين‪.‬‬ ‫عالقة واحد إلى كثير ‪:‬‬ ‫حيث يرتبط سجل واحد في الجدول بالعديد من السجالت في جدول آخر ؛‬ ‫عمى سبيل المثال جدول يحتور عمى خصائص المباني الموجودة فى شارع‬ ‫ما وجدول أخر يحتور عمى بيانات فى نفس الشارع ويوجد معرف واحد‬ ‫لمشارع وليكن (‪.)STREET_ID‬‬ ‫عالقة كثير إلى واحد ‪:‬‬ ‫حيث تكون العديد من السجالت في جدول مرتبطة بسجل واحد في جدول‬ ‫آخر‪.‬‬

‫‪- 39 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫عالقة كثير إلى كثير ‪:‬‬ ‫حيث ترتبط العديد من السجالت في جدول بالعديد من السجالت في جدول‬ ‫آخر؛ عمى سبيل المثال ‪ ،‬يمكن زراعة العديد من أنواع الخضروات في‬ ‫مزرعة واحدة وىذه األنواع قد تزرع في أكثر من مزرعة‪.‬‬ ‫والجدير بالذكر أنو يمكن ربط جداول السمات بالطبقات المكانية من خالل‬ ‫الربط ‪ join‬و وظائف الربط ‪. relate functions‬‬ ‫‪join‬‬ ‫حيث يتم الربط بين الحقول من جدول إلى آخر من خالل عالقة قائمة عمى‬ ‫وعادة ما يتم استخدام صمة‬ ‫السمة كوجود معرف مشترك في كال الجدولين‪.‬‬ ‫ً‬ ‫إلرفاق سمات إضافية لطبقة البيانات المكانية كما يمكن ربط البيانات في‬

‫الطبقة أو عرضيا فى الجدول‪.‬‬ ‫وفى ىذه الحالة ال بد من أن يكون نوع البيانات واحد؛ عمى سبيل المثال‬ ‫يتم ربط السالسل بالسالسل والحقول الرقمية إلى أرقام رقمية أخرر‪.‬‬

‫وىنا‬

‫تكون وظيفة الصمة مناسبة عندما تقوم بربط الجداول‬ ‫إذا قمت بالتعديل ‪ ،‬فاحرص عمى أن‬ ‫ف‬ ‫الوجودة فى الجدول األساسى فقط‬

‫يكون التعديل تم عمى األعمدة‬

‫؛فال يمكن تعديل أو تحرير البيانات‬

‫الموجودة في األعمدة الممحقة؛ فإذا تم إضافة حقول جديدة فيكون تمت‬ ‫إضافتيا إلى الجدول األساسى دون أي تغيير عمى جداول الصمة‪.‬‬ ‫‪- 40 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪: Relate‬‬ ‫كما ذكر أعاله ‪ ،‬يتم استخدام الصالت إلقامة العالقات بين البيانات‪ .‬ويمكن‬ ‫استخدام الدالة المتعمقة إلنشاء عالقة سواء عالقات من نوع واحد لكثير أو‬ ‫كثير لكثير ألن العالقة ىنا تكون ثنائية االتجاه عمى سبيل المثال عند إنشاء‬ ‫سيطمب منك إدخال‬ ‫عالقة بين الحقول والجداول الموجودة بشكل منفصل ُ‬

‫اسم مرتبط‪ ،‬ىذا يؤدر إلى زيادة الوقت الالزم لموصول إلى البيانات‬ ‫ومعالجتوا‪.‬‬ ‫االستعالم ‪ Querying‬و االستفسار‬

‫و "االختيار" ‪ Selecting‬عمى‬

‫بيانات ‪:Vector‬‬ ‫أساسيا في استرداد‬ ‫أمر‬ ‫ُيعد االستعالم عن بيانات نظم المعمومات الجغرافية ًا‬ ‫ً‬ ‫البيانات ذات الصمة واكتشاف عالقات مكانية جديدة ؛ يكون االستعالم مفيد‬ ‫في الحد من مجموعات البيانات المعقدة وتحويميا إلى أشكال أبسط أي أنيا‬ ‫تسيل تفسير أو تحميل أكثر تعقيدا ‪.‬‬ ‫لغة االستعالم الييكمية )‪ (SQL‬ىي الواجية التي تستخدم التعبيرات المنطقية‬ ‫الستخراج السجالت المطابقة ويختمف بناء جممة استعالمات ‪ SQL‬بين‬ ‫حزم البرامج المختمفة ‪.‬‬

‫‪- 41 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫أما بالنسبة لإلختيار ( ‪ (Selection‬فهناك طريقتان الختيار لمبيانات ىما‬ ‫؛ االختيارات غير المكانية ؛ واالستفسارات المكانية‪.‬‬ ‫‪ " :Select by attribute‬إختيار حسب السمة"‬ ‫االختيار بالسمات ىي عبارة عن أسئمة حول السمات (أو الخصائص غير‬ ‫المكانية) لمبيانات ‪ ،‬عمى سبيل المثال ‪ ،‬كم عدد الطرق في طبقة النقل ؟‬ ‫ألن الصفات ىي المعمومات الفعمية المرتبطة بالظاىرات ‪ ،features‬والقيم‬ ‫غالبا ما تكون أكثر اإلجابات ذات الصمة‬ ‫المخزنة في جداول ‪ً attribute‬‬ ‫عمى األسئمة التي أثيرت في تحميل نظم المعمومات الجغرافية‪.‬‬

‫وفيما يمي يوضح مثال ‪ Select by attribute‬في ‪ ArcMap‬يوضح‬ ‫المثال كيفية اختيار نوع طريق معين من مجموعة بيانات الطرق‪.‬‬ ‫خطوات التحديد حسب السمات ‪: Select By Attributes‬‬ ‫من شريط القوائم في ‪ ، ArcMap‬انقر فوق ‪ selection‬واختر " ‪Select‬‬ ‫‪ ، " By Attributes‬انقر فوق القائمة المنسدلة الطبقة‬ ‫الطبقة التي تحتوي عمى الميزات التي تريد تحديدىا (الشكل‬

‫‪ Layers‬واختر‬ ‫( انقر عمى‬

‫مزدوجا أو اكتب في مربع‬ ‫نقر‬ ‫القائمة ‪ Method‬واختر طريقة التحديد انقر ًا‬ ‫ً‬ ‫الحوار اسم حقل السمة المطموب انقر فوق زر عامل تشغيل إلضافتو إلى‬ ‫تعبير( ‪ SQL‬عمى سبيل المثال = أو > انقر فوق الزر ‪Get Uniqe‬‬ ‫‪- 42 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫مزدوجا فوق قيمة إلضافتيا‬ ‫نقر‬ ‫‪ Values‬لعرض قيم الحقل المحدد انقر ًا‬ ‫ً‬

‫يدويا والتي تبحث عنيا )الحظ أنو‬ ‫إلى تعبير ‪ SQL‬أو اكتب القيمة المحددة ً‬ ‫بناء عمى نوع بيانات الحقل الذي تقوم باالستعالم عنو يكون بناء الجممة‬ ‫ً‬ ‫مختمف)‪.‬‬

‫شكل رقم (‪ )13‬مربع ‪ Select By Attributes‬داخل برنامج ‪.Arcmap‬‬

‫‪- 43 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫سيتم عرض عدد‪" features‬الميزات "المحددة في الركن األيسر السفمي من‬ ‫‪ArcMap‬؛ وفى نفس الوقت تكون الميزات المرتبطة بالسمات المحددة‬ ‫ظاىرة في نافذة الخريطة‪.‬‬ ‫العوامل المنطقية ‪: Boolean Operators‬‬ ‫يتم استخدام عوامل التشغيل المنطقية لضبط شروط المعايير ‪ ،‬وتشمل‬ ‫العوامل المنطقية ما يمي‪:‬‬ ‫(=) يساوي‬ ‫(>) أكبر من‬ ‫( =) أكبر من أو يساوي‬ ‫( 12.0) ،‬‬ ‫‪ -‬اضغط ‪.OK‬‬

‫شكل (‪ )18‬صندوق حوار‪ Definition Query‬ببرنامج ‪.Arcmap‬‬ ‫ انقر فوق "‪ " Apply‬لتنشيط االستعالم‪.‬‬‫‪ -‬لعرض كل الميزات مرة أخرر ‪ ،‬احذف االستعالم‪.‬‬

‫‪- 54 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫عرض مجموعات االختيار‪:‬‬ ‫بمجرد استخدام استعالم إلنشاء مجموعة‬

‫‪ ، selection‬يصبح من‬

‫ٍ‬ ‫عندئذ عرض المجموعة المنشأة حديثًا داخل مجموعة فرعية من‬ ‫المفيد‬

‫البيانات‪ .‬فالميزات المحددة حسب السمة أو الموقع تظير مظممة (بالمون‬ ‫السماوي) في نافذة الخريطة كما ىو موضح بالشكل ‪.19‬‬

‫شكل (‪) 19‬عرض مجموعة التحديد في نافذة الخريطة‪.‬‬ ‫أيضا عرض وتحميل البيانات غير المكانية المحددة في ممف‬ ‫من الممكن ً‬

‫‪ attribute table‬حيث يتم تمييز ىذه السجالت في جدول‬ ‫أيضا عرض الممف لمسجالت المحددة‪.‬‬ ‫‪ table‬؛ و يمكنك ً‬

‫‪- 55 -‬‬

‫‪attribute‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫خطوات عرض مجموعة محددة في ‪:attribute table‬‬ ‫انقر بزر الماوس األيمن فوق الطبقة في جدول المحتويات واختر ‪Open‬‬ ‫‪ Attribute Table‬انقر فوق الزر المحدد في أسفل جدول السمات لعرض‬ ‫فقط الميزات المحددة (السجالت) (الشكل‪.)20‬‬

‫شكل (‪ )20‬عرض مجموعة محددة فى جدول السمات ‪.attribute table‬‬ ‫نسخ واستخراج البيانات المحددة‪:‬‬ ‫إلجراء تحميالت أكثر تفصيالً عمى جزء من مجموعة البيانات ‪ ،‬قد يكون من‬ ‫المفيد عزل مجموعة فرعية من البيانات من مجموعة البيانات األصمية؛‬ ‫ويتحقق ذلك من خالل استخراج (أو تصدير) الميزات ‪ features‬المحددة‬ ‫غالبا‬ ‫لطبقة جديدة أو سمات ‪ attributes‬لجدول جديد‪ .‬كما أنو من المفيد ً‬ ‫نسخ البيانات المحددة إلى طبقة أو جدول آخر موجود من أجل دمج‬

‫مجموعة فرعية من الممف األصمي مع مجموعة أخرر من البيانات‪.‬‬ ‫‪- 56 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫خطوات تصدير السمات المحددة إلى جدول جديد‪:‬‬ ‫ افتح ‪ attribute table‬لمـ ‪ feature class‬التي سوف تستفسر‬‫عنيا‪.‬‬ ‫ قم بإنشاء مجموعة مختارة من السجالت في جدول ‪ ،‬إما عن طريق‬‫يدويا أو باستخدام وظيفة تحديد حسب السمات‬ ‫تحديد الميزات ً‬

‫‪.Select by Attributes‬‬ ‫‪ -‬انقر فوق‬

‫‪ Options‬واختر‬

‫‪.Export‬‬

‫ انقر عمى القائمة المنسدلة ‪ Export‬واختر السجالت المحددة ‪.‬‬‫‪ -‬انقر فوق الزر‬

‫‪ Browse‬وانتقل إلى المجمد الحالي أو قاعدة‬

‫البيانات الجغرافية التي ترغب في التصدير إليىا‪.‬‬ ‫ اختر نوع الجدول الذي ترغب في تصديره من القائمة المنسدلة‬‫‪" Save as type‬حفظ بنوع "قائمة (مثل جدول قاعدة البيانات‬ ‫الجغرافية ‪ ،‬قاعدة بيانات ‪ ،‬ممف نصي) ‪" geodatabase table,‬‬ ‫"‪.dbase, text file‬‬ ‫اسما لمجدول الجديد المراد إنشاؤه وانقر فوق‬ ‫ اكتب ً‬‫انقر فوق ‪. OK‬‬

‫‪ ،Save‬ثم‬

‫ يمكن بعد ذلك عرض الجدول الذي تم إنشاؤه حديثًا وتحميل البيانات‬‫في برامج أخرر مثل ‪ MS Excel‬أو ‪ Access‬ىذا مفيد لتمخيص‬ ‫وتفسير جداول البيانات‪.‬‬ ‫‪- 57 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫خطوات تصدير‪" features‬الميزات "المحددة إلى طبقة جديدة‪:‬‬ ‫ إنشاء مجموعة مختارة "‪" selection‬من الميزات‪.‬‬‫‪ -‬في منطقة جدول المحتويات" ‪ ، "table of contents‬انقر بزر‬

‫الماوس األيمن فوق الطبقة مع ‪ features‬المحددة واختر ‪Data‬‬ ‫ومنيا اختار‪. Export Data‬‬ ‫ حدد نظام اإلحداثيات المرغوب باستخدام أزرار االختيار‪.‬‬‫ انقر فوق الزر ‪ Browse‬وانتقل إلى قاعدة البيانات الجغرافية أو‬‫المجمد المطموب ‪.‬‬ ‫ اختر نوع الميزة التي ترغب في تصديرىا إلييا من القائمة المنسدلة‬‫‪" Save as type‬حفظ بنوع‬

‫"القائمة (عمى سبيل المثال ‪،‬‬

‫‪ geodatabase featureclass‬أو‪. shapefile‬‬ ‫اسما لمطبقة الجديدة المراد إنشاؤىا ‪ ،‬ثم انقر فوق " ‪، "save‬‬ ‫ )اكتب ً‬‫ثم " ‪" ok‬يمكن بعد ذلك إضافة المميزات التي تم إنشاؤىا حديثًا إلى‬ ‫‪ ArcMap‬إلجراء تحميالت عمييا‪.‬‬ ‫خطوات نسخ الميزات من طبقة إلى طبقة أخرى موجودة ‪:‬‬ ‫ ابدء التحرير ‪ Editing‬في ‪ ArcMap‬بالنقر فوق ‪ Editor‬واختيار‬‫‪ Start Editing‬؛ تأكد من أنو تم تعيين الطبقة الصحيحة كطبقة‬ ‫مستيدفة‪.‬‬ ‫ قم بإنشاء مجموعة من الميزات من الطبقة المصدر" األصمية" ‪.‬‬‫‪- 58 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫ انقر فوق الزر "‪ " Copy‬عمى شريط األدوات ‪.‬‬‫ انقر فوق الزر "‪ " Paste‬عمى شريط األدوات‪.‬‬‫ سيتم نسخ الميزة المحددة من الطبقة المصدر إلى الطبقة المستيدفة‬‫انقر عمى ‪ Editor‬واختر ‪ Save Edits‬ثم ‪.Stop Editing‬‬ ‫‪ Querying‬و ‪ Selecting‬فى البيانات ‪:Raster‬‬ ‫كما ىو الحال مع طبقات‬

‫‪ ، vector‬يمكن االستعالم عن البيانات‬

‫‪ Raster‬بواسطة السمة‬

‫" ‪ "attribute‬أو الموقع المكاني الستخراج‬

‫مجموعات فرعية من المعمومات واجراء تحميالت أكثر تركي از‪.‬‬ ‫‪- 1‬استخراج البيانات ‪:Raster‬‬ ‫‪:Select by Attribute‬‬ ‫تحتوي بعض مجموعات البيانات‬

‫‪ Raster‬عمى جداول السما‬

‫ت‬

‫‪ attribute tables‬كما ىو الحال في صورة القمر الصناعي التى تم‬ ‫تصنيفيا إلنشاء تعريف نقطي الستخدام ات األراضي ‪ ،‬فيكون جدول‬ ‫السم ات لمطبقة ‪ Raster‬موجود فيمكن لممستخدمين تحديد خاليا من‬ ‫خطوط المسح باستخدام مربع الحوار‬

‫‪، Select by Attribute‬‬

‫باستخدام مماثل الطريقة التي تستخدم لمبيانات‬

‫‪- 59 -‬‬

‫‪ .vector‬في البيانات‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪ ، Raster‬قد تكون ىذه الوظيفة مفيدة في التحديد وتمخيص المنطقة‬ ‫التي تغطييا تمك البيانات (شكل ‪.) 21‬‬

‫شكل ( ‪ )21‬االختيار بواسطة سمات ‪.Raster‬‬ ‫خطوات التحديد حسب السمات ‪: selecting by attributes‬‬ ‫ من جدول ‪ attribute table‬لمطبقة ‪ raster‬المفتوحة ‪.‬انقر فوق‬‫"‪ " Options‬واختر "‪. selecting by attributes‬‬ ‫ في النافذة "‪ ، " Select By Attributes‬انقر فوق القائمة المنسدلة‬‫"‪ " Method‬واختر " طريقة االختيار ‪.‬‬ ‫مزدوجا (أو اكتب في مربع الحوار) اسم حقل السمة‬ ‫نقر‬ ‫ انقر ًا‬‫ً‬ ‫عادة حقل " ‪ " value‬والذي‬ ‫المطموب مع ‪ ، Raster‬سيكون ىذا ً‬ ‫يمثل خاصية في العالم الحقيقي مثل االرتفاع أو استخدام األرض‪.‬‬

‫‪- 60 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫ انقر فوق زر ‪ operator‬إلضافتو إلى ) ‪ )SQL‬عمى سبيل المثال‬‫= أو > ‪.‬‬ ‫ انقر فوق ‪ Get Unique Values‬لعرض قيم الحقل المحدد‪.‬‬‫مزدوجا فوق ‪" value‬قيمة" إلضافتيا إلى تعبير‬ ‫نقر‬ ‫ انقر ًا‬‫ً‬

‫‪SQL‬‬

‫يدويا ‪.‬‬ ‫أواكتبىا ً‬ ‫‪ -‬انقر فوق "‪ " Apply‬لتشغيل االستعالم‪.‬‬

‫استخراج بواسطة السمة ‪: Extract by Attribute‬‬ ‫يتم استخراج الخاليا‬

‫‪ raster‬بسمة عن طريق تنفيذ استعالم جممة "‬

‫النتائج في ‪ raster‬الجديدة ىى عبارة مشروطة تحدد ما ىو‬ ‫‪ "where‬ف‬ ‫مطموب من معايير االستعالم‪.‬‬ ‫فمثالً يمكننا استخراج جميع الخاليا من ‪ raster‬بقيمة أكبر من أو يساوي‬ ‫‪ ٪ 20‬لمتحديد بسيولة في ىذه الحالة ‪ ،‬سيكون شرط المكان [ ‪>]SLOPE‬‬ ‫= ‪ ' 20‬ويتم استخدام األقواس المربعة [ ] المحيطة لبناء جممة لمبيانات‬ ‫النقطية في‪. ArcMap‬‬ ‫خطوات االستخراج حسب السمات (أداة ‪:)Extract by Attributes‬‬ ‫‪ -‬افتح ‪ Arc Tool box‬بالنقر فوق زر‬

‫في شريط األدوات‪.‬‬

‫ اختر ‪ Spatial Analyst‬ثم ‪ Extraction‬ومنيا ‪Extract by‬‬‫‪.Attributes‬‬

‫‪- 61 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫ قم بإنشاء جممة " ’‪ " ‘where‬الستخراج قيم الخمية التي ترغب في‬‫عزليا‪.‬‬ ‫ تتكون الخاليا الناتجة في ‪ Raster‬التي تفي بالمعايير ‪ ،‬في حين‬‫بـ ‪NoData‬‬

‫يتم تعيين الخاليا التي ال تفي باالستعالم المحدد‬ ‫(الشكل‪.)22‬‬

‫‪Select (Slope Grid, ‘SLOPE >= 2’).‬‬ ‫‪Slope class 2 = 20% and 4 = 40%.‬‬ ‫شكل ( ‪ )22‬االختيار بواسطة ‪.Raster Attribute‬‬ ‫ومثل استعالمات ‪ vector‬يمكن أن تستخدم االستعالمات ‪ raster‬الروابط‬ ‫المنطقية ( ‪ (NOT ،OR ،AND‬لدمج اثنين أو‬

‫أكثر من المعايير‬

‫أو ‪ Rasters‬في تعبير منطقي واحد ؛ وعادة ما تعمل ىذه التعبيرات‬ ‫المركبة لدمج مجموعات البيانات ‪ Raster‬متعددة وانشاء‪.output raster‬‬

‫‪- 62 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪:Select by Location‬‬ ‫يتيح االختيار حسب الموقع في البيانات‬

‫‪ raster‬لممستخدم إمكانية‬

‫بناء عمى الموقع والتحقيق في العالقات المكانية بين‬ ‫استخراج الخاليا ً‬ ‫الطبقات المتباينة ؛ لنفترض أن مخطط مدينة أراد تمخيص مساحة الغطاء‬ ‫األرضي لمغابات في منطقة حضرية ‪ ،‬ولكن داخل منطقة معينة الحدائق‬ ‫العامة فقط ؛ يمكن لنظم المعمومات الجغرافية المساعدة في ىذا االختيار‬ ‫باستخدام طبقة مضمع الحديقة الستخراج المناطق منيا‬

‫واستخدام األراضي‬

‫عمى مستور المدينة و تقييد البيانات عمى الحدائق سيسيل تمخيص البيانات‬ ‫وفقا لمتطمبات مخطط المدينة‪.‬‬ ‫هناك عدد من الطرق الستخراج الخاليا ‪ raster‬حسب موقعها ‪ ،‬ومعظميا‬ ‫يستخدم شكل ىندسي محدد الستبعاد أو تضمين‬

‫خمية أو مجموعات من‬

‫الخاليا في مجموعة بيانات ‪.raster‬‬ ‫‪: Extract by Mask‬‬ ‫يتيح لممستخدم استخراج البيانات ‪ raster‬باستخدام ‪polygon feature‬‬ ‫‪class‬؛ مضمع يتم تطبيقو كقناع وال تتم معالجة سور الخاليا ‪ raster‬التي‬ ‫تقع داخل ىذا القناع‪.‬‬ ‫‪" Extract by Shapes‬استخراج بواسطة األشكال" ويشمل ما يمى‪-:‬‬

‫‪- 63 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪ Extract by Points‬استخراج بالنقاط ‪ :‬يستخدم قائمة من قيم‬ ‫اإلحداثيات (قيم ‪ x, y‬لتمثل النقاط) إلخراجيا من الخاليا بحيث تقع النقاط‬ ‫في ىذه المواقع ‪.‬‬ ‫‪ Extract by Circle‬استخراج بواسطة الدائرة ‪ :‬يستخدم اإلحداثيات‬ ‫المركزية ونصف قطر الدائرة إلخراج خاليا‬

‫‪ raster‬التى تقع داخل أو‬

‫خارج الدائرة‪.‬‬ ‫‪: Extract by Polygon / Rectangle‬يستخدم قائمة من قيم‬ ‫اإلحداثيات التي تحدد مساحة إلخراج خاليا من ‪ raster‬التى تقع إما داخل‬ ‫أو خارج المنطقة‪.‬‬ ‫‪ Reclassification‬إعادة التصنيف ‪:‬‬ ‫أيضا باسم إعادة الترميز أو‬ ‫تسمح إعادة التصنيف لمـ ‪( raster‬المعروفة ً‬

‫التحويل) بتبسيط أو تجميع البيانات داخل مجموعة البيانات ‪ raster‬؛ عمى‬ ‫سبيل المثال ‪ ،‬إذا كان لديك مجموعة بيانات تحتوي عمى‬

‫‪ 10‬قيم ألنواع‬

‫األشجار و تريد تجميع جميع أنواع األشجار في فئة واحدة ‪ ،‬ستتيح لك‬ ‫وظيفة إعادة التصنيف فعل ىذا‪.‬‬

‫‪- 64 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫خطوات إعادة تصنيف مجموعة البيانات ‪: raster‬‬ ‫‪ -‬تنشيط‬

‫‪ Spatial Analyst‬بالنقر فوق‬

‫‪ Tools‬واختيار‬

‫‪ Extensions‬وضع عالمة اختيار بجوار ‪Spatial Analyst‬‬ ‫وانقر فوق ‪.Close‬‬ ‫‪ -‬أضف شريط األدوات‬

‫‪ Spatial Analyst‬بالنقر بزر الماوس‬

‫األيمن في أي مكان في منطقة شريط األدوات و اختيار‬

‫‪Spatial‬‬

‫‪ Analyst‬من قائمة األدوات المنسدلة ‪.‬‬ ‫ اختر البيانات ‪ raster‬المستيدفة من القائمة المنسدلة ( ‪) Layer‬‬‫عمى سبيل المثال ‪.) LandUse) ،‬‬ ‫ انقر عمى ‪ Spatial Analysis‬واختر ‪ Reclassification‬في‬‫قيما جديدة لمـ ‪output‬‬ ‫مربع الحوار ‪ ، Reclassification‬أدخل ً‬ ‫‪ raster‬في الجانب األيمن‬ ‫ انقر فوق "‪ "OK‬لتنفيذ إعادة التصنيف‪.‬‬‫مثال عمى تجميع الخاليا ذات الخصائص الشائعة إلنشاء‬

‫‪ raster‬مبسطة‬

‫(عمى سبيل المثال يتم الجمع بين قيم الميل المستمر في فئات ميل أقل [ ‪-0‬‬ ‫‪ ، 2 = ٪20-11 ، 1 = ٪10‬إلخ]) كما موضح في( الشكل ‪.)23‬‬

‫‪- 65 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫شكل ( ‪ )23‬إعادة التصنيف بواسطة تجميع القيم ‪.‬‬ ‫تمخيص وتفسير البيانات‪:‬‬ ‫‪- 1‬تمخيص البيانات‪:‬‬ ‫بناء عمى سمة بمعنى‬ ‫تتيح لك وظيفة تمخيص البيانات تصنيف البيانات ً‬ ‫ق‬ ‫بناء عمى متطمبات محددة؛‬ ‫آخر يمكنك تنظيم البيانات بطر مختمفة ً‬

‫فتمخيص البيانات يسمح بتوليد ممخص لإل حصائيات (عمى سبيل المثال ‪،‬‬ ‫التعدادات والقيم المتوسطة والحد األدنى والحد األقصى) لبياناتك‪.‬‬

‫فإذا كان لدينا مجموعة بيانات الستخدام ات األراضي تتكون من مئات‬ ‫المضمعات مع عشرة فصول محتممة الستخدام األراضي يمكن تمخيصيا‬ ‫إلخبارك بالمساحة الكمية لكل فصل؛ في ىذا المثال ‪ ،‬سيتكون جدول جديد‬ ‫يحتوي عمى عمود مع كل من استخدامات األرض المدرجة وعمود منطقة‬ ‫يحتوي عمى مجموع مساحة كل المضمعات التي تقع ضمن تمك الفئة‪.‬‬ ‫ولتمخيص البيانات في ‪ ، ArcMap‬افتح ‪ ، attribute table‬ثم انقر بزر‬ ‫الماوس األيمن عمى اسم الحقل الذي تريد‬ ‫‪- 66 -‬‬

‫تمخيصو‪ .‬حدد (بالنقر بزر‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫الماوس األيسر) في وظيفة ‪ .summarize‬ىذا سوف يقدم مربع الحوار‬ ‫‪( summarize‬الشكل ‪ )24‬؛ سيظير اسم الحقل الذي حددتو لتمخيصو في‬ ‫حقل تحديد لتمخيص و إذا كنت ترغب في تحديد حقل مختمف فقط اسحب‬ ‫القائمة و حدد أحد أسماء الحقول‪ .‬يطالبك الخطوة الثانية في مربع الحوار‬ ‫لتحديد إحصائيات موجزة لتضمينيا في جدول اإلخراج‪ .‬في مثال استخدام‬ ‫األرض نريد أن نمخص المساحة اإلجمالية لكل فئة استخدام لألرض ‪ ،‬لذا‬ ‫يمكنك وضع عالمة (بالنقر بالزر األيسر) في خانة االختيار‪ Sum‬الخطوة‬ ‫األخيرة ىي تحديد اسم جدول اإلخراج‪ .‬إذا كان لديك أي سجالت محددة‬ ‫(عمى سبيل المثال ‪ ،‬نتائج استعالم)‬

‫؛ تمنحك وظيفة التمخيص خيار‬

‫تمخيص جميع السجالت أو فقط السجالت المحددة‪ .‬عند االنتياء من تحديد‬ ‫‪ ،‬انقر فوق الزر " "‪ OK‬ثم انقر فوق ‪ Yes‬عند مطالبتك بإضافة الجدول‬ ‫الجديد‪.‬‬

‫‪- 67 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫شكل ( ‪ )24‬مربع حوار ‪.Summarize‬‬ ‫اإلحصاء ‪: Statistics‬‬ ‫تسمح لنا نظم المعمومات الجغرافية بحساب اإلحصاءات التي تصف‬ ‫محتويات الحقول الرقمية فتمكننا من عرض حساب عدد السجالت ‪ ،‬والحد‬ ‫األدنى والحد األقصى لقيم الحقل ‪ ،‬ومجموع القيم ‪ ،‬الوسط واالنحراف‬ ‫المعياري‪.‬‬ ‫لحساب اإلحصائيات ألحد الحقول في ‪ ، ArcMap‬افتح ‪attribute table‬‬ ‫‪ ،‬ثم انقر بزر الماوس األيمن فوق اسم الحقل الذي تريد وصفو؛‬

‫‪- 68 -‬‬

‫‪,‬واختار‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪ Statistics‬من القائمة المنسدلة فيظير مربع حوار(الشكل ‪ .)25‬الحظ أنو‬ ‫ال يمكن إنشاء إحصاءات إال لمحقول الرقمية‪.‬‬

‫شكل ( ‪ )25‬مربع حوار ‪.Statistics‬‬ ‫الرسوم البيانية ‪: Graphs‬‬ ‫تسمح الرسوم البيانية بفحص وتمخيص البيانات بتنسيق يسيل فيمو في‬ ‫أغمب األحيان عن البيانات الجدولية ألنيا تسمح لك بتصور البيانات بطرق‬ ‫مختمفة ويمكن استخداميا إلظيار المعمومات اإلضافية المتعمقة بالمعمومات‬ ‫عمى الخريطة أو تقديم نفس المعمومات بطريقة مختمفة‪ .‬باستخدام مثال‬ ‫استخدام األراضي ‪ ،‬يمكننا إنشاء خريطة حيث يتم عرض كل فئة استخدام‬ ‫بيانيا يوفر ممخص لممساحة الكمية‬ ‫رسما ً‬ ‫لألرض بمون مختمف ‪ ،‬ثم تتضمن ً‬ ‫لكل فئة استخدام األراضي ؛فنافذة الخريطة والرسم البياني سوف تكمل‬ ‫بعضيا البعض وتعطى القارئ مزيداً من التفاصيل بشأن المعمومات التي‬ ‫يجري عرضيا‪ .‬ويوجد عدد من أنواع الرسوم البيانية المختمفة (ثنائية وثالثية‬

‫‪- 69 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫بناء عمى‬ ‫األبعاد)؛ ف‬ ‫كل نوع رسم بياني لو خصائص عرض يمكن ضبطيا ً‬ ‫نوع البيانات التي تعرضيا والطريقة التي تريد تقديم البيانات بيا‪.‬‬ ‫وفيما يمى عرض النواع مختمفة من الرسوم البيانية المتاحة ‪ ،‬مع‬ ‫بعض األمثمة البسيطة ألنواع الرسوم البيانية الشائعة‪.‬‬ ‫ ‪ : Line‬تعرض الرسوم البيانية الخطية البيانات عمى شبكة ‪Y ، X‬‬‫بخط واحد أو بالمزيد من الخطوط ؛ فقد تكون الرسوم البيانية الخطية‬ ‫مفيدة لعرض االتجاىات في البيانات عمى نطاق واسع كعرض التغييرات‬ ‫في معدالت نمو السكان أو الناتج المحمي اإلجمالي عمى سمسمة زمنية‬ ‫حيث يتم عرض السنوات بشكل فعال باستخدام ىذا النوع من الرسم‬ ‫البياني‪.‬‬

‫ ‪ Polar‬الرسم البياني القطبي يشبو الرسم البياني الخطي لكنو يعرض‬‫البيانات الزاوية (بالدرجات) عمى شبكة دائرية ؛ فيي مفيدة لعرض نتائج‬ ‫الصيغ الرياضية‪.‬‬

‫‪- 70 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫ ‪ : Area‬يشبو الرسم البياني الخطي حيث يتم عرضو عمى شبكة ‪x‬‬‫و ‪ y‬وىو مفيد إلظيار االتجاىات في القيم‪.‬‬ ‫رموز (مثل ‪ ) +‬لرسم قيم ‪ x‬و ‪( y‬وربما‬ ‫ ‪ Scatter‬مبعثر ‪ :‬تستخدم ًا‬‫بناء عمى السمات الموجودة في مجموعة البيانات‪ .‬تسمح الرسوم‬ ‫‪ً )z‬‬ ‫البيانية ىذه بعرض متغيرات متعددة بفعالية وقد تسمح بفحص‬

‫االرتباطات بين المتغيرات بشكل أكثر فعالية‪.‬عمى سبيل المثال ‪ ،‬إذا‬ ‫أردنا دراسة االرتباط المحتمل بين معدالت الدخل السنوي والعمر‬ ‫المتوقع يمكن تمثيل ىذين المتغيرين باستخدام قطعة أرض مبعثرة‪.‬‬ ‫‪: Bubble‬تشبو الرسوم البيانية ‪ Scatter‬ولكنيا تسمح لك برسم ثالثة‬‫تستخدم‬ ‫متغيرات في بعدين بدالً من استخدام الرموز ذات الحجم الموحد ‪ ،‬ف‬ ‫الرموز (أوالفقاعات) ذات الحجم النسبي لتمثيل القيم المرتبطة بثالثة‬ ‫متغيرات‪.‬‬ ‫‪: Bar and Column‬والمقصود بيا المخططات الشريطية أو األعمدة‬‫حيث يتم تجميع البيانات في فواصل زمنية متساوية (ممثمة كصفوف)‬ ‫‪- 71 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫واستخدم إما أشرطة أو أعمدة لتمثيل األرقام أو القيم في كل فئة‪ .‬ىذه األنواع‬ ‫من الرسوم البيانية مفيدة إلظيار االتجاىات في القيم (عمى سبيل المثال ‪،‬‬ ‫درجة الح اررة الشيرية أو قيم سقوط األمطار)‪.‬‬

‫‪ : High-Low-Close‬يعرض ىذا الرسم البياني مجموعة من قيم‬‫‪ y‬القيم (كشريط عمودي) في كل قيمة ‪ x‬ويتم وضع أشرطة عرضية‬ ‫أفقية عمى الشريط العمودي لتمثيل االرتفاعات واالنخفاضات في‬ ‫البيانات‪ .‬يمكن استخدام ىذا النوع من الرسم البياني لتصوير التقمبات‬ ‫في قيم األسيم عمى مدار اليوم ‪.‬‬ ‫يمكن أن تكون المخططات الدائرية ثنائية‬ ‫‪ Pie Chart‬مخطط دائري ف‬‫األبعاد أو ثالثية األبعاد ؛حيث يتم عرض البيانات في دائرة ‪.‬‬

‫‪- 72 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫فعند إنشاء رسم بياني ‪ ،‬يجب عمينا تحديد المتغير أوالمتغيرات التى نريد‬ ‫رسميا ثم تحديد نوع الرسم البياني الذي سيعرض البيانات بشكل فعال‪.‬‬ ‫إلنشاء رسم بياني في ‪ ArcMap‬واضافته إلى تخطيط‪:‬‬ ‫حدد خيار الرسم البياني من قائمة " ‪ " Tools‬وانقر فوق " ‪" Create.‬‬ ‫تظير نافذة من خالليا يمكن تحديد نوع الرسم البياني (الشكل‪.)26‬‬

‫‪- 73 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫شكل ( ‪ )26‬نافذة إنشاء ‪"Graph Wizard ".Graphs‬‬ ‫استخدم معالج الرسم البياني ‪ Graph Wizard‬لتحديد الطبقة المناسبة أو‬ ‫الجدول وأحد أنماط الرسوم البيانية؛ بمجرد أن تقرر نوع‬

‫أو نمط الرسم‬

‫البياني وحقول البيانات ‪ ،‬انقر فوق " ‪ " Next‬لموصول إلى الشاشة الثانية‬ ‫في المعالج (الشكل ‪ .)27‬يمكنك تحديد ‪ general‬ثم خصائص الرسم‬ ‫البياني‪ graph properties‬مثل العنوان وتسميات محور ‪ x‬و ‪ .y‬بالنقر‬ ‫فوق خانات االختيار ‪ ،‬يمكنك استخدام كل السجالت الموجودة في الممف أو‬ ‫السجالت المحددة فقط‪.‬‬ ‫‪- 74 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫شكل ( ‪ )27‬الخطوة الثانية من إنشاء المخططات داخل برنامج ‪.Arcmap‬‬ ‫خطوات إنشاء رسم بياني ‪:. graph‬‬ ‫ ضمن القائمة المنسدلة ‪ ، Graph type‬اختر نوع الرسم البياني‬‫الذي ترغب في إنشاؤه‪.‬‬ ‫ ضمن قائمة ‪ Layer / Table‬المنسدلة ‪ ،‬اختر الطبقة أو الجدول‬‫الذي تريد الرسم البياني لو‪.‬‬ ‫ اختر حقل البيانات الذي ترغب في رسمو من القائمة المنسدلة لحقل‬‫القيمة وحدده حقل ‪ x‬إذا رغبت في ذلك ‪.‬‬ ‫ انقر فوق خانة االختيار ‪ check box‬إذا كنت ترغب في إنشاء‬‫وسيمة إيضاح لمرافقة الرسم البياني‪.‬‬ ‫‪- 75 -‬‬

‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫ تغيير نمط ‪ bar‬والمون إذا رغبت في ذلك‪.‬‬‫ انقر فوق ‪. Next‬‬‫ حدد زر االختيار الموجود بجوار جميع الميزات أو الميزات المحددة‪.‬‬‫ أدخل عنوان الرسم البياني ‪.‬‬‫ انقر فوق عالمات التبويب أسفل خصائص المحور لضبط أسماء‬‫الرؤية والعنوان لكل محور ‪.‬‬ ‫‪ -‬انقر فوق "‪"Finish‬‬

‫‪- 76 -‬‬

‫الفصل الثالث‬ ‫التحليل املكاني للبيانات ‪ Vector‬و ‪Raster‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫أساسيات التحميل المكاني ‪:‬‬ ‫يسمح لنا التحميل المكاني في نظم المعمومات الجغرافية بتحويل البيانات‬ ‫إلى معمومات وانشاء بيانات جديدة (مشتقة)‬

‫عن طريق معالجة الميزات‬

‫المكانية الموجودة والسمات المرتبطة بيا‪.‬‬ ‫وبرامج نظم المعمومات الجغرافية مزودة بمجموعة متنوعة من وظائف‬ ‫التحميل التي تسمح لنا بمعالجة البيانات بنوعييا‬

‫‪ Vector‬و‪ Raster‬؛‬

‫الميام التي يؤدييا محمل نظم المعمومات الجغرافية عادة ما تنطوي عمى‬ ‫ف‬ ‫االستفادة من العديد من ىذه األدوات التحميمية‪.‬‬ ‫ طرق تحميل البيانات ‪.Vector‬‬‫ طرق تحميل البيانات ‪.Raster‬‬‫ تعميم البيانات‪.‬‬‫أأوًال‪ :‬طرق تحميل البيانات ‪:Vector‬‬ ‫‪ :Extraction -1‬اوستخراج‬ ‫استخراج أجزاء من البيانات ىو وسيمة فعالة لعزل مناطق محددة إلجراء‬ ‫المزيد من المعالجة أو التحميل عمى البيانات ‪ ،‬يمكن استخدام وظائف‬ ‫‪ Extraction‬لتقميل حجم مجموعات البيانات و تسييل تفسيرىا‪ .‬مثمما تقوم‬ ‫أيضا بعزل أجزاء من مجموعة البيانات ‪ ،‬وتختمف‬ ‫االستفسارات و االختيار ً‬

‫تقنيات االستخراج عنيا فى أن ىذه األجزاء من البيانات معزولة بشكل دائم‬

‫من خالل إنشاء طبقات جديدة لتمك البيانات‪.‬‬ ‫‪- 78 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫توفر حزم برمجيات نظم المعمومات الجغرافية مجموعة من األدوات‬ ‫الستخراج البيانات ‪ ،‬وأكثرىا فائدة ‪.)clip, select, split and erase) ،‬‬ ‫‪: clip‬‬ ‫يتيح ‪ clip‬تقاطع طبقتين من ‪ feature‬الستخراج مجموعة بيانات (طبقة‬ ‫بناء عمى المدى المكاني لمجموعة بيانات أخرى‬ ‫اإلدخال‪ً ) input layer‬‬ ‫(الطبقة التى عمل ليا ‪ )clip‬؛فتقوم األداة بإنشاء طبقة بيانات جديدة‬ ‫(مخرجات‪ ) output‬تتكون من ميزات طبقة اإلدخال التي تقع داخميا مدى‬ ‫طبقة ‪( clip‬شكل‪.)28‬‬

‫شكل (‪ )28‬يوضح وظيفة ‪Clip‬‬ ‫فالـ ‪ clip‬مفيد لتطوير مجموعة‬

‫‪ features‬فرعية من سمسمة طبقات‬

‫البيانات الموجودة ؛ عمى سبيل المثال قد يرغب المخطط في البحث‬

‫في‬

‫طبقة شبكة الشوارع ‪ ،‬ولكن الشوارع التي تقع داخل حدود منطقة معينة فقط‬ ‫مفيدا من أجل استخراج معالم الشوارع المطابقة‬ ‫فالـ ‪ clip‬سيكون ً‬

‫لحدود‬

‫المنطقة‪.‬‬

‫وقد تحتوي طبقة اإلدخال المراد قصيا عمى نقاط أو خطوط أو مضمعات ؛‬ ‫ومع ذلك و ألن العنصر من المساحة المطموبة يجب أن تكون طبقة مضمع‬ ‫‪- 79 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫فيتم االحتفاظ بأسماء الحقول وسمات الميزات في جدول طبقة اإلخراج (أي‬ ‫أنيا مماثمة لجدول اإلدخال)‪.‬‬ ‫ىناك استثناء واحد محتمل ليذه القاعدة ىي مجاالت المساحة والطول‬ ‫والمحيط ‪ ،‬والتي تقوم البرامج بحسابيا تمقائياً حسب تنسيق البيانات‬ ‫تمقائيا‪.‬‬ ‫المستخدمة ‪ ،‬فقد يعيد أو ال يعيد حسابو‬ ‫ً‬

‫‪:Split‬‬

‫تستخدم أداة ‪ Split‬لتقسيم طبقة اإلدخال إلى طبقتين مستقمتين أو أكثر ‪،‬‬ ‫فقد تتكون طبقة اإلدخال نقطة أو خط أو مضمع ومع ذلك يجب أن تكون‬ ‫مضمعا لتحديد نطاق المساحة المراد إجراء تحميالت عمييا‬ ‫طبقة االنقسام‬ ‫ً‬

‫يتم تقسيم ‪ features‬الموجودة في طبقة اإلدخال عمى طول حدود الطبقة‬ ‫ف‬ ‫المنقسمة كما ىو موضح في (الشكل‪.) 29‬‬

‫شكل (‪ )29‬مثال ألداة ‪.Split‬‬

‫‪- 80 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫فمثالً إذا كان ممف االنقسام يحتوي عمى أربعة مضمعات ‪ ،‬فسيتم‬ ‫تقسيم ممف اإلدخال إلى أربعة ممفات منفصمة و كما ىو الحال مع‬ ‫‪ ، Clip‬يتم االحتفاظ بأسماء الحقول وسمات جدول اإلدخال في‬ ‫طبقات اإلخراج‪.‬‬ ‫‪:Select‬‬ ‫يمكن استخدام‬

‫‪ Select‬إلنشاء طبقة جديدة تحتوي عمى‬

‫ميزات‪ features‬مستخرجة من طبقة مدخمة و يتم تحقيق ذلك من‬ ‫خالل تنفيذ استعالم المعرفة من قبل المستخدم لتحديد مجموعة‬ ‫يتم استخراج ىذه الميزات المحددة بشكل دائم‬ ‫فرعية من البيانات ؛ ف‬ ‫إلى طبقة إخراج جديدة ‪.‬‬

‫اختيار الـ‪ features‬فى الطبقة المدخمة‬

‫طبقة ‪Output‬‬

‫شكل (‪ ) 30‬مثال لمـ ‪.Select‬‬

‫‪- 81 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪:Erase‬‬ ‫يقوم ‪ Erase‬بإنشاء طبقة إخراج جديدة من خالل تجاىل‬

‫‪ features‬من‬

‫طبقة اإلدخال التي تقع داخل المنطقة (الشكل ‪)31‬؛ يمكن أن تكون طبقة‬ ‫طا أو مضمعات ؛‬ ‫طا أو خطو ً‬ ‫اإلدخال نقا ً‬

‫ومع ذلك يجب أن تكون طبقة‬

‫المحو مضمع‪.‬‬

‫شكل ( ‪ )31‬طريقة عمل ‪. Erase‬‬ ‫يمكن استخدام ‪ Erase‬في مخطط الخريطة‬

‫‪ map layout‬لوضع قناع‬

‫لمسماح بسقوط تمك الميزات داخل منطقة معينة ليتم عرضيا (عمى سبيل‬ ‫المثال ‪ ،‬حدود منطقة الدراسة)‪.‬‬

‫كما يمكن استخدام ‪ Erase‬في تحميل‬

‫المالئمة لتطبيق قواعد المالئمة‪.‬‬ ‫‪ -2‬التراكب ‪: Overlay‬‬ ‫من األمور األساسية لتحميل نظم المعمومات الجغرافية تكامل البيانات‬ ‫لمكشف عن العالقات بين اثنين أو أكثر من مصادر البيانات‬ ‫‪- 82 -‬‬

‫؛‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫و‪ Overlay‬ىي إحدى طرق دمج المعمومات ألنيا تجمع بين المكان و‬ ‫‪ attribute data‬من طبقتين أو أكثر من طبقات اإلدخال إلنشاء طبقة‬ ‫إخراج جديدة ؛ وتتشكل الطبقة الجديدة بواسطة التقاطع اليندسي لميزات‬ ‫اإلدخال والتراكب‪ .‬أى أن تراكب طبقتين أو أكثر يؤدي إلى طبقة‬ ‫تعقيدا ‪.‬‬ ‫مخرجات أكثر ً‬

‫وتحتوي كل ميزة ‪ feature‬في طبقة اإلخراج التي تم إنشاؤىا حديثًا‬ ‫عمى مجموعة من ‪ attributes‬من طبقات اإلدخال ؛و عندما ترتبط‬ ‫وظائف ‪ ، Overlay‬بتراكبات ىندسية أو طبيعية لطبقات البيانات ‪،‬‬ ‫فيتم تنفيذىا من قبل بعض العمميات الرياضية سواء الحسابية‬

‫أوالمنطقية؛ فالعمميات الحسابية ىى التي يشيع استخداميا ‪ ،‬عمى سبيل‬ ‫المثال ال الحصر الجمع والطرح والقسمة و عمميو الضرب‪ .‬فى حين أن‬ ‫تيدف العمميات المنطقية إلى‬ ‫(‪AND‬؛ ;‪ OR‬؛‬

‫استخدام المعامالت المنطقية مثل‬

‫< ‪ ، ) > and‬تختمف طرق ‪ Overlay‬لمبيانات‬

‫‪ Vector‬عن ‪ Overlay‬بالبيانات ‪ Raster‬من حيث األساليب‬ ‫المتعمقة بالبيانات‪.‬‬

‫‪- 83 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫يمكن تطبيق أربع قأاعد أساسية لدمج سمات عدة طبقات عمى تحميل‬ ‫‪ ، Overlay‬كما موضح بالشكل ( ‪.)32‬‬

‫يتم التعرف عمى جميع‬ ‫الريدة من نوعيا‬ ‫المجموعات ف‬

‫شكل (‪ )32‬قواعد دمج سمات الطبقات عند إجراء ‪.Overlay‬‬ ‫تتمثل هذه القأاعد مع طرق تحميل ‪ ، Vector‬فيما يمى ‪:‬‬ ‫قاعدة التعداد " ‪ :" Enumeration Rule‬حيث يتم االحتفاظ بكل سمة‬ ‫في طبقة اإلخراج ويتم التعرف عمى جميع المجموعات الفريد ؛ عمى سبيل‬ ‫المثال ‪ ،‬يتم عمل تراكب‪Overlay‬‬

‫لطبقة التربة وطبقة الغطاء النباتي‬

‫وطبقة الترسيب مما يؤدي إلى تغطية مشتقة مع مضمع فريد لكل تركيبة‪.‬‬ ‫القاعدة المهيمنة ‪:Dominance Rule‬حيث تفوز قيمة واحدة‬ ‫القيمة المييمنة ولتكن القيمة األعمى ىي القيمة الوحيدة المعينة‪.‬‬

‫‪- 84 -‬‬

‫وىى‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل (‪ )33‬القاعدة المييمنة‪.‬‬ ‫قاعدة المساهمة‬

‫‪ :Contributory Rule‬حيث تساىم كل قيمة‬

‫‪ attribute‬في النتيجة كما تساىم كل طبقة مصدر في النتيجة ؛ عمى سبيل‬ ‫بناء عمى مجموعة من طبقات‬ ‫المثال ‪ ،‬يمكن حساب الحساسية البيئية ً‬ ‫المدخالت الحياة البرية "حساسية الموائل ؛ حساسية النير ؛ وقربيا من‬ ‫االضطرابات البشرية‪.‬‬

‫شكل (‪ )34‬قاعدة المساىمة‪.‬‬ ‫‪- 85 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫قاعدة التفاعل ‪ :Interaction Rule‬حيث يساىم زوج من القيم في‬ ‫النتيجة أي قد تختمف الق اررات في كل خطوة‪.‬‬

‫شكل (‪ )35‬قاعدة التفاعل‪.‬‬ ‫تأجد ثالثة أنأاع رئيسية من ‪ Overlay‬لمبيانات ‪:Vector‬‬ ‫طبقة نقاط مع طبقة مضمعات ‪ : point-in-polygon‬وتتمثل فى ميزات‬ ‫النقطة التي تحافع عمى موقعيا المكاني وسماتيا في طبقة اإلخراج ‪ ،‬يتم‬ ‫أيضا تعيين سمات المضمع التي تقع داخميا‬ ‫ً‬

‫‪ .‬مثال عمى ىذا النوع من‬

‫التراكب الربط بين محطات األرصاد الجوية " والتى تمثل بطبقة نقاط " وأنواع‬

‫الغطاء النباتي "طبقة مضمع " المراد تحديدىا (الشكل ‪) 36‬؛ وستكون طبقة‬ ‫المخرجات ممف نقطة محطة األرصاد الجوية مع إضافة‬ ‫الغطاء النباتي‪.‬‬

‫‪- 86 -‬‬

‫‪ attribute‬لنوع‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل ( ‪)36‬‬ ‫‪ -‬طبقة خطأط أطبقة مضمعات‬

‫‪Point in Polygon Overlay‬‬

‫‪ : line-in-polygon‬لتشمل ميزات‬

‫الخط مع الحفاظ عمى موقعيا المكاني وسماتيا في طبقة اإلخراج الناتجة‬ ‫كما يتضح من ( الشكل ‪ )37‬والذى يمثل التداخل بين طبقتين احدىما تمثل‬ ‫الطرق " طبقة خطية" واألخرى تمثل طبقة مضمعات‪.‬‬

‫شكل (‪ )37‬تداخل طبقة خطية مع طبقة مضمعات‪.‬‬ ‫‪ -‬طبقة مضمعات مع طبقة مضمعات أخرى‬

‫‪polygon-on-‬‬

‫‪ : polygon‬حيث تندمج األشكال اليندسية لممضمع من طبقات‬ ‫المدخالت والتراكب‬

‫‪ Overlay‬إلنشاء مجموعة جديدة من‬ ‫‪- 87 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫المضمعات بحيث يحافع كل مضمع جديد عمى السمات‬

‫الخاصة‬

‫بطبقتى اإلدخال (الشكل‪.)38‬‬

‫شكل (‪ )38‬تداخل طبقة مضمعات مع طبقة مضمعات أخرى‪.‬‬ ‫عند إجراء ‪ Over lay‬مضمع مع مضمع ‪ ،‬هناك عدة طرق لمجمع بين‬ ‫المجمأعتين من المضمعات منيا‪ Identity:‬؛ ‪ Intersect‬؛‬ ‫‪ Symmetrical Difference‬؛ ‪Union‬؛ ‪.Update‬‬ ‫‪: Identity‬‬ ‫ىي وظيفة تراكب تنتج طبقة مخرجات ليا نفس مدى مساحة طبقة اإلدخال‬ ‫(الشكل‪ )39‬حيث يتم الحفاظ عمى جميع ميزات اإلدخال والسمات كما‬ ‫أيضا عمى الشكل اليندسي وسمات طبقة‬ ‫تحافع العممية ً‬

‫‪ overlay‬التي‬

‫تدخل في نطاق طبقة اإلدخال‪ .‬مثال إذا أردت تحديد الطرق التي تقع تحت‬

‫ارتفاع ‪ 1000‬متر‪ .‬ستكون طبقة اإلدخال ىي طبقة الطرق ‪ ،‬طبقة‬ ‫‪ Identity‬ىى طبقة مضمعات تمثل جميع المناطق أقل من ‪ 1000‬متر‪.‬‬

‫‪- 88 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل (‪ )39‬مثال ‪.Identity‬‬ ‫‪:Intersect‬‬ ‫ينشئ ‪ Intersect‬طبقة إخراج عن طريق االحتفاظ بالميزات أو أجزاء من‬ ‫الميزات المشتركة لكل المدخالت (الشكل ‪ .)40‬فجميع الميزات في طبقة‬ ‫اإلخراج تحتوي عمى ‪ attribute data‬من طبقات اإلدخال و قد تحتوي‬ ‫المدخالت عمى أنواع ىندسية مختمفة (نقاط أو خطوط أومضمعات) ‪ ،‬ولكن‬ ‫عادة ما يكون إدخال ‪ overlay‬عبارة عن طبقة مضمعات‪.‬‬

‫شكل ( ‪ )40‬يوضح ‪Intersect‬‬

‫‪- 89 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪:Symmetrical Difference‬‬ ‫تنشئ أداة ‪ Symmetrical Difference‬طبقة إخراج تحافع عمى تمك‬ ‫الميزات أو األجزاء من الميزات التي ليست شائعة في الميزات الموجودة في‬ ‫طبقة اإلدخال األخرى لتمثل أجزاء من المدخالت التي ال تتداخل (الشكل‬ ‫‪.)41‬‬

‫شكل (‪ )41‬أداة ‪Symmetrical Difference‬‬ ‫‪:Union‬‬ ‫يجمع االتحاد بين جميع الخصائص والسمات ويحافع عمييا من طبقات‬ ‫اإلدخال والتراكب(الشكل‪.) 42‬‬

‫‪- 90 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل (‪ )42‬أداة‪. Union‬‬ ‫‪:Update‬‬ ‫يتم استخدام أداة ‪ Update‬إلنشاء طبقة إخراج عن طريق مسح الميزات‬ ‫واستبداليا من سمات طبقة اإلدخال مع تمك الموجودة في طبقة‬

‫‪Update‬‬

‫"التحديث المتداخمة " بحيث ال تتأثر تمك األجزاء من المدخالت التي ال‬ ‫تتداخل مع الميزات الموجودة في طبقة التحديث ‪ ،‬وبالتالي ‪ ،‬فيي تحتفع‬ ‫بحالتيا األصمية في طبقة اإلخراج‪.‬‬ ‫‪ : Eliminate -3‬أيضم مجمأعة من العالقات هى‪-:‬‬ ‫‪: Proximity‬ىو مفيوم العالقة المكانية التي تتوافق مع‬

‫القرب الجغرافي‬

‫لممميزات ؛وىذه العالقة تتيح لنا اختيار الميزات الموجودة عمى مسافة معينة‬ ‫من غيرىا ‪ ،‬أو إلنشاء ميزات جديدة عن طريق توسيع نطاق الميزة‪ .‬عمى‬ ‫سبيل المثال قد نرغب في العثور عمى جميع الفنادق عمى بعد‬ ‫كيمومترات من وسط المدينة‪.‬‬

‫‪- 91 -‬‬

‫‪10‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪ :Buffer‬يؤدي ‪ Buffer‬إلى إنشاء منطقة لمتضمين أو االستبعاد من خالل‬ ‫بناء عمى مسافة محددة‬ ‫إنشاء ممف حول ميزات النقاط والخطوط والمضمعات ً‬ ‫طا في جميع االتجاىات حول‬ ‫فتقوم نظم المعمومات الجغرافية بإنشاء خ ً‬ ‫الميزات حتى يتم تشكيل ‪ Buffer‬حوليا وأخي اًر ‪ ،‬يتم إنشاء طبقة جديدة‬ ‫تحتوي عمى نتائج ‪.Buffer‬‬ ‫فالـ‬

‫‪ Buffer‬لمنقاط تكون دائرية الشكل بينما ‪ Buffer‬لمخط والمضمع‬

‫تتناسب مع الشكل اليندسى لمميزات كما ىو موضح بالشكل ( ‪ .)43‬ويمكن‬ ‫إنشاء المنطقة العازلة ‪ Buffer‬عمى جانبي الخط ‪ ،‬أو عمى الجانب األيسر‬ ‫أو األيمن فقط‪.‬‬

‫شكل (‪ )43‬شكل ‪ Buffer‬حول الميزات " الظاىرات" المختمفة‪.‬‬ ‫‪- 92 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪:Near‬يحسب المسافة بين كل نقطة في طبقة اإلدخال وأقرب نقطة أو موقع‬ ‫أيضا طبقة الميزة القريبة‬ ‫عمى طول خط في طبقة أخرى (وتسمى ً‬

‫‪ .)Feature layer‬وقيم المسافة الناتجة تكون مسجمة في‬

‫‪Near‬‬ ‫‪attribute‬‬

‫قد تستخدم إدارة اإلطفاء ىذه األداة لتحديد أقرب‬ ‫‪ table‬لطبقة اإلدخال ؛ ف‬ ‫موقع لتوفر صنبور ماء بالقرب من طبقة المعالم (طبقة اإلدخال) في منطقة‬ ‫معينة‪.‬‬ ‫‪ :Point Distance‬تحدد ‪ Point Distance‬المسافات بين كل ميزة‬ ‫نقطة في طبقة اإلدخال لجميع النقاط في طبقة أخرى ‪ ،‬داخل دائرة نصف‬ ‫قطرىا محدد‪ .‬ويتم تسجيل النتائج في جدول اإلخراج حيث يحتوي عمى‬ ‫قد ترغب إدارة‬ ‫حقول لمعرف الميزة وقيم المسافة الفريدة‪ .‬ففى المثال السابق ف‬ ‫اإلطفاء في توسيع نطاق البحث لتحديد المسافات التي تفصل‬

‫بين المعمم‬

‫المطموب كالمدارس مثالً من جميع صنابير المياه داخل دائرة نصف قطرىا‬ ‫البحث المحدد‪.‬‬ ‫‪ Statistics -4‬اإلحصاء‪ :‬ويضم مجموعة تحميالت منيا‬ ‫‪ : Frequency‬ينتج ‪ Frequency‬جدوًال يمخص الرموز الفريدة‬ ‫وتكرارىا لمجموعة محددة من حقول طبقة اإلدخال‪.‬‬ ‫‪Statistics‬‬

‫‪:Summary‬‬

‫تحسب أداة اإلحصائيات الموجزة‬

‫‪ Summary Statistics‬واحداً أو أكثر من اإلحصائيات التالية في‬ ‫الحقول الرقمية في جدول السمات‪:‬‬ ‫‪- 93 -‬‬

‫‪sum, mean, maximum,‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪ minimum, range, standard deviation, first and last‬؛‬ ‫ويمكن حفع جدول اإلخراج الناتج في مجموعة متنوعة من التنسيقات ‪،‬‬ ‫مثل ؛ ‪ ، dbase‬أو ‪.personal geo database‬‬ ‫ثانياًال‪ :‬طرق تحميل البيانات ‪:Raster‬‬ ‫قبل إجراء التحميالت عمى مجموعة بيانات‬

‫‪ ، Raster‬من الميم تحديد‬

‫ظاىرات بيئة التحميل ‪ ،‬والتي تشمل المدى المكاني لمتحميل وحجم خمية‬ ‫اإلخراج ؛ وفيما يمى بعض التحميالت المكانية التي تجرى عمى البيانات‬ ‫‪.Raster‬‬ ‫تحميل المدى ‪: Analysis Extent‬‬ ‫قد يكون من الضروري إجراء تحميل عمى جزء فقط من مجموعة البيانات‬ ‫‪ Raster‬األكبر مساحة مثالً ؛ فيمكن تعريف المساحة المطموبة عن طريق‬ ‫الحد االدنى واألقصى لالحداثيات المحددة لمخريطة ( ‪ )Y ، X‬وبدالً من ذلك‬ ‫‪ ،‬يمكن استخدام مجموعات البيانات النقطية ‪ Raster‬لمتعريف ويكون مدى‬ ‫التحميل بناء عمى مدخالت متعددة مثل‬

‫‪ union‬أو ‪ intersect‬مع‬

‫‪ Raster‬ومن خالليا يتم تعريف المنطقة فباستخدام ‪ union‬يشتمل نطاق‬ ‫التحميل عمى المنطقة بالكامل لجميع المدخالت ويؤدي استخدام خيار‬ ‫‪ intersect‬إلى مدى تحميل يساوي مساحة التداخل فقط بين جميع‬ ‫مجموعات البيانات ‪( Raster‬أي الحد األدنى من المدخالت)‪.‬‬

‫‪- 94 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪:Masks‬‬ ‫يسمح ‪" Masks‬القناع "بإجراء تحميالت عمى مجموعة محددة من الخاليا ‪،‬‬ ‫ومن ثم فيو إجراء آخر لتحديد مدى التحميل‪ .‬فتمك الخاليا التي تم تحديدىا‬ ‫بواسطة القناع فقط ىي التي يجرى عمييا التحميل‪.‬‬ ‫تأجد طريقتان إلعداد أقنعة التحميل‪:‬‬ ‫حسب السمة ‪ :attribute‬يتيح تحديد الصفوف في جدول ‪ attribute‬لمـ‬ ‫‪ Raster‬وتقييد التحميل عمي قيم نقطية معينة‪.‬‬ ‫حسب المنطقة ‪ :‬تحدد طبقة المعالم الموجودة (النقطة أو الخط أو المضمع)‬ ‫أو مجموعة البيانات النقطية المكانية ليكون مدى التحميل فقط تمك الخاليا‬ ‫التي تقع في نطاق القناع ‪.‬‬ ‫‪ Cell Size‬حجم الخمية‪:‬‬ ‫إنشاء حجم خمية اإلخراج لمـ ‪ Raster‬يتأثر بالدقة " ‪ " resolution‬أو بحجم‬ ‫مساويا أو أكبر من‬ ‫خمية اإلدخال ؛ فيجب أن يكون حجم خمية اإلخراج‬ ‫ً‬

‫حجم مجموعات البيانات ‪ Raster‬المدخمة (المعروفة باسم الحد األقصى‬

‫لممدخالت)‪ .‬ىذا يضمن أن تتوافق البيانات النقطية مع مجموعة بيانات‬ ‫اإلدخال األقل دقة (األكثر خشونة)‪ .‬باستخدام حجم الخمية األكثر دقة من‬ ‫حجم البيانات النقطية المدخمة‪.‬‬

‫‪- 95 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫تحميل السطأح ‪: Surface Analysis‬‬ ‫تسمح لنا نظم المعمومات الجغرافية بتمثيل ونمذجة وتحميل التضاريس بدقة‬ ‫وبصورة ثالثية األبعاد وأدوات تحميل السطح التالية توفر نظرة ثاقبة لشكل‬ ‫األشكال األرضية وتكشف عن أنماط السطح التي قد ال تكون واضحة فى‬ ‫صور البيانات النقطية كنموذج االرتفاع الرقمي ( ‪ )DEM‬أو الشبكة المثمثية‬ ‫غير المستندة إلى المتجيات (‪()TIN‬الشكل‪.)44‬‬

‫‪DEM‬‬

‫‪TIN‬‬

‫شكل (‪ ) 44‬صور البيانات الـ ‪Raster‬‬ ‫‪ : Slope‬الميل أأ اونحدار‬ ‫‪ Slope‬ىو مقياس الحد األقصى لمعدل التغير في ارتفاع سطح األرض في‬ ‫عمى الرغم من أنو يمكن التعبير عنو إما بالدرجات أو النسبة‬ ‫موقع معين ‪.‬ف‬ ‫المئوية ‪ ،‬فإن كالىما مجرد اختالفات في تقييم االرتفاع‬

‫؛ يتم إنشاء‬

‫‪ Raster‬المخرجة من تحميل الميول عن طريق حساب ميل لكل خمية في‬ ‫‪ DEM‬أو كل جانب في ‪ ، TIN‬كما ىو موضح بالشكل (‪)45‬‬ ‫‪- 96 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل (‪ )45‬تحميل ‪Slope‬‬ ‫‪:Aspect‬‬ ‫يتم تعريف ‪ Aspect‬عمى أنو مقياس االتجاه لمحد األقصى لمعدل التغير‬ ‫في ارتفاع سطح األرض؛ فيحدد‬

‫‪ Aspect‬االتجاه األساسي الذي يواجيو‬

‫منحدر معين (عمى سبيل المثال ‪ ،‬الشمال ‪ ،‬الجنوب ‪ ،‬الشرق ‪،‬غرب)‪ .‬يتم‬ ‫قياس ‪ Aspect‬في اتجاه عقارب الساعة من الشمال (صفر ‪ )°‬ويتم التعبير‬ ‫عنو بالدرجات ‪ ،‬تتراوح من صفر درجة إلى ‪ 359.9‬درجة (الشكل‪.)46‬‬

‫شكل (‪ )46‬قياس ‪ Aspect‬بالدرجات فى‬ ‫اتجاه عقارب الساعة بدءاً من(صفر ‪)°‬‬

‫‪- 97 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫وكما ىو الحال مع حساب الميل ‪ ،‬يتم إنشاء‬

‫‪ Raster‬عن طريق تحديد‬

‫اعتمادا عمى تنسيق‬ ‫االتجاه لكل خمية في ‪ DEM‬أو كل جانب في ‪، TIN‬‬ ‫ً‬ ‫بيانات اإلدخال‪ .‬كما ىو واضح في (الشكل ‪.(47‬‬

‫شكل (‪ )47‬تحميل ‪ Aspect‬عمى ‪ DEM‬لمصر‪.‬‬ ‫‪: Contour‬‬ ‫يتم استخدام أداة الكنتور إلنشاء طبقة توضح خطوط تساوي االرتفاع‬ ‫(الشكل‪)48‬؛ وتتيح خرائط الكنتور تحديد المناطق شديدة االنحدار‬ ‫‪،‬المنحدرات ‪ ،‬ووديان األنيار وخطوط التالل فخطوط الكنتور تكون متباعدة‬ ‫في مناطق التضاريس شديدة االنحدار وبعيدة عن بعضيا في المناطق‬ ‫المحيطة بالمياه ‪ ،‬كما تشير الخطوط إلى اتجاه منبع األنيار‪.‬‬

‫الميم في‬ ‫ف‬

‫إنشاء الخريطة الكنتورية ىو اختيار فاصل كنتورى مناسب ويعبر الفاصل‬ ‫الكنتورى عن المسافة بين الخطوط الكنتورية المتجاورة‪.‬‬

‫‪- 98 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل (‪ )48‬الخريطة الكنتورية من ‪ Raster‬لمصر‪.‬‬ ‫‪:Hill Shade‬‬ ‫تقوم أداة ‪ Hill Shade‬بإنشاء خطوط مظممة من شبكة االرتفاع أو ‪ TIN‬من‬ ‫خالل توظيف إضاءة وتظميل الطبقة السطحية ‪ ،‬يمكن أن يكون‬ ‫‪ Shade‬فعاالً لمغاية في تمثيل التضاريس ألنو يعطي االنطباع بمشيد‬ ‫ثالثي األبعاد (الشكل‪.)49‬‬

‫شكل (‪ )49‬تحميل ‪.Hill Shade‬‬ ‫‪- 99 -‬‬

‫‪Hill‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫هناك أربعة عأامل مجتمعة إلنشاء ‪:Hill Shade‬‬ ‫‪ .1‬سمت الشمس ‪ :‬اتجاه الضوء الوارد يقاس في اتجاه عقارب الساعة‬ ‫بالدرجات من الشمال (صفر درجة ‪ 360 :‬درجة) ‪.‬‬ ‫‪ .2‬ارتفاع الشمس ‪ :‬زاوية المصدر المضيء وتقاس بالدرجات من أعمى‬ ‫األفق (صفر درجة ‪ 90 :‬درجة) ‪.‬‬ ‫‪ .3‬ميل السطح أو ميل الخمية من مدخالت ‪ DEM‬أو ‪ TIN‬عمى التوالي‪.‬‬ ‫‪ .4‬جانب السطح أو جانب الخمية من مدخالت ‪ DEM‬أو ‪.TIN‬‬ ‫ويتم تعيين قيمة إضاءة لكل خمية إخراج في‬

‫‪( Hill Shade‬لتتراوح من‬

‫صفر (أسود) إلى ‪(255‬أبيض) أي أنو عندما ينظر في وقت واحد ‪ ،‬يعطي‬ ‫مظير لمتضاريس ثالثي األبعاد؛ وفى كثير من األحيان يتم عرض خريطة‬ ‫الظالل تحت الظاىرات ( النقطية أو الخطية أو المساحية) لتعطى انطباع‬ ‫عن تضاريس المنطقة المدروسة‪.‬‬ ‫‪:Viewshed‬‬ ‫تجيب أداة ‪ Viewshed‬عمى السؤال التالى ما ىي ‪ features‬أو مناطق‬ ‫الطبقة السطحية المرئية ؟‬ ‫ىناك مجموعتان من بيانات المدخالت مطموبة إلجراء ىذا التحميل‬ ‫طبقة بنقطة عرض واحدة أو أكثر والثانية سطح‬ ‫نموذج التضاريس‪.‬‬

‫‪- 100 -‬‬

‫األولى‬

‫‪ DEM‬أو ‪ TIN‬يمثل‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫يعمل تحميل ‪ Viewshed‬عمى مفيوم "خط البصر" وىو الخط الذي يربط‬ ‫خط النظر مع اليدف ؛ ستجعل الميزة التي تفصل النظر عن الىدف (عمى‬ ‫سبيل المثال ‪ ،‬جبل) ىذا اليدف غير مرئية عمى العكس ‪ ،‬إذا لم تكن ىناك‬ ‫ميزة عمى السطح تمنع المشاىدة من نقطة مراقبة إلى ىدف ما ‪ ،‬فيكون ىذا‬ ‫اليدف مرئيا ؛ فيقوم تحميل ‪ Viewshed‬بتصنيف كل خمية إما "مرئية" أو‬ ‫"غير مرئية" (الشكل‪.)50‬‬

‫شكل (‪ )50‬تحميل ‪ Viewshed‬لمعرفة األماكن المرئية وغير المرئية‪.‬‬ ‫ىناك بعض األمثمة لمجموعة من المتغيرات المتوفرة في ‪ Arc GIS‬لتحميل‬ ‫‪ viewshed‬؛ ىذه المتغيرات يمكن أن يكون تم إنشاؤه ا كحقول رقمية داخل‬ ‫‪ attribute table‬لطبقة المالحظة وتحتوي عمى قيم التي تعمل بمثابة قيود‬ ‫المراقبة‪.‬‬ ‫تنقسم أظائف ‪ Raster‬المعممة (أي تمك التي ال تنطبق عمى تطبيقات‬ ‫محددة مثل التضاريس) إلى ثالث أقسام ‪:‬‬ ‫‪- 101 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫ الأظائف المحمية حيث تقوم بفحص خمية نقطية واحدة بمعزل عن‬‫غيرىا ‪.‬‬ ‫أيضا الخاليا‬ ‫ أظائف التنسيق أأ الجأار تفحص الخمية البؤرية و ً‬‫المجاورة ليا أو تمك التى تقع ضمن مسافة محددة‪.‬‬

‫ أظائف ‪ Zonal‬والتى تفحص مجموعات غير منتظمة الشكل من‬‫الخاليا النقطية التي تشترك في خمية شائعة القيمة‪.‬‬ ‫الأظائف المحمية أاإلحصاءات‪:‬‬ ‫تستخدم الوظائف المحمية إلجراء العمميات الحسابية عمى خمية واحدة مع‬ ‫تجاىل قيم الخاليا المجاورة والخاليا المحيطة ليس ليا أي تأثير عمى‬ ‫الخمية المعنية وبعد الحساب عمى تمك الخمية ‪ ،‬تنتقل الوظيفة إلى موقع‬ ‫الخمية التالي حتى الوصول إلى معالجة جميع الخاليا في ‪) Raster‬أو‬ ‫داخل قناع) (الشكل ‪.)51‬‬

‫‪- 102 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل ( ‪ )51‬الوظائف المحمية‪.‬‬ ‫يمكن أن تستخدم العمميات المحمية إما مجموعات بيانات إدخال فردية أو‬ ‫متعددة إلنشاء ‪ Raster‬جديدة‪.‬‬ ‫أظائف محمية عمى ‪ Raster‬أاحدة‪:‬‬ ‫الوظائف المحمية قادرة عمى تطبيق أي عممية حسابية عمى كل خمية في‬ ‫طبقة إدخال واحدة ؛عمى سبيل المثال تحويل قيم من بوصة إلى ممميمتر ‪،‬‬ ‫فيمكننا ضرب كل خمية بمقدار ‪(25.4‬الشكل‪.)52‬‬

‫شكل (‪ ) 52‬وظائف محمية عمى ‪ Raster‬واحدة‪.‬‬ ‫وتعتبر إعادة التصنيف ‪ Reclassification‬وظيفة محمية تُستخدم إلعادة‬ ‫تعيين القيم في ‪ Raster‬إلنشاء‪ Raster‬جديد ة فيتيح ىذا اإلجراء تبسيط‬ ‫أو تجميع قيم الخمية (تجميع البيانات في فئات ) داخل مجموعة البيانات‬ ‫‪( Raster‬الشكل ‪. ) 53‬‬

‫‪- 103 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل (‪ ) 53‬مثال إلعادة التصنيف‪.‬‬ ‫بناء عمى‬ ‫ويستخدم إعادة التصنيف ً‬ ‫أيضا عمى نطاق واسع الستبدال القيم ً‬ ‫معمومات جديدة أو تغيير الخاليا مع عدم وجود بيانات لمقيم الفعمية (ىذه‬ ‫العممية مفيدة لمجموعات البيانات التي تحتوي عمى فجوات)‪.‬‬ ‫أظائف محمية عمى ‪ Raster‬المتعددة ‪:‬‬ ‫أيضا تطبيق الوظائف المحمية عمى طبقات متعددة ؛ حيث يتم‬ ‫يمكن ً‬

‫تداخل ‪ Raster‬والجمع بين السمات من كل طبقة في نواح كثيرة مثل قواعد‬ ‫مجموعة ‪ attribute‬ويمكن أيضا أن تنفذ مع طبقات‬

‫‪ Raster‬كتطبيق‬

‫قاعدة ‪ MAXIMUM‬عن طريق أخذ أكبر قيمة من الطبقات‬

‫و قاعدة‬

‫المساىمة ؛ فقد تستخدم عوامل حسابية لدمج قيم الخاليا ‪ ،‬وقد تستخدم‬ ‫معالجتيا‬

‫بناء عمى قيم الخاليا التي تمت‬ ‫قاعدة التفاعل لتنفيذ الق اررات ً‬ ‫وتتضمن تطبيقات نظم المعمومات الجغرافية وسيمة لتراكب قيم خاليا الشبكة‬ ‫في برامج ‪ ArcGIS‬يتم ذلك من خالل‬ ‫بعدة طرق ف‬

‫واجية ‪Raster‬‬

‫مثاال عمى العمميات الحسابية المستخدمة‬ ‫‪ .Calculator‬يوضح الشكل ‪ً 54‬‬ ‫لدمج قيم الخاليا النقطية‪.‬‬ ‫‪- 104 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل (‪ ) 54‬وظائف محمية عمى ‪ Raster‬المتعددة " دمج قيم الخاليا النقطية"‬ ‫اإلحصائيات المحمية‪:‬‬ ‫اإلحصائيات المحمية ىي تطبيق عممي آخر لموظيفة المحمية ؛ ىذه العممية‬ ‫غالباً ما تسمى التركيب أوالتراكب حيث تتضمن حساب إحصاء ممخص‬ ‫معين عمى مجموعة من طبقات البيانات النقطية وانشاء‬

‫‪ Raster‬جديدة‬

‫تحتوي عمى النتيجة‪.‬‬ ‫وألنىا نوع من الوظيفة المحمية ‪ ،‬فتقارن اإلحصاءات المحمية وتمخص فقط‬ ‫الخاليا المقابمة من مدخالت‬

‫‪( Raster‬عمى سبيل المثال ‪ ،‬يتم إجراء‬

‫التحميل عمى أساس كل خمية عمى حدة(‪.‬‬ ‫‪- 105 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫أفيما يمي بعض األمثمة لإلحصائيات التي يمكن إنشاؤها لمجمأعة البيانات‬ ‫النقطية ‪:‬‬ ‫‪ Maximum‬الحد‬

‫األقصى‪ :‬يحدد القيمة األعمى بين بيانات اإلدخال‬

‫"‪ " Raster‬عمى أساس كل خمية عمى حدة‪.‬‬ ‫‪ Minimum‬الحد األدنى ‪ :‬يحدد أدنى قيمة فى‪ Raster‬المدخمة عمى أساس‬ ‫كل خمية عمى حدة‪.‬‬ ‫‪ Majority‬األغمبية ‪ :‬يحدد القيمة التي تكون غالبة عمى ‪ Raster‬المدخمة‬ ‫عمى أساس كل خمية عمى حدى‪.‬‬ ‫‪ Minority‬األقمية ‪ :‬تحدد القيمة األقل بين مدخالت البيانات النقطية‬

‫"‬

‫‪."Raster‬‬ ‫‪ :Sum‬يحسب مجموع القيم من ‪ Raster‬المدخ لة عمى أساس كل خمية‬ ‫عمى حدة ‪.‬‬ ‫‪ :Mean‬يحسب القيمة المتوسطة (المتوسط) من‬

‫‪ Raster‬المدخلة عمى‬

‫أساس كل خمية عمى حدة‪.‬‬ ‫‪ Median‬الأسيط ‪ :‬يحسب القيمة المتوسطة‬

‫و( مع األخذ فى الحسبان‬

‫المدخل عمى أساس‬ ‫ة‬ ‫نصف القيم أعاله ‪ ،‬والنصف اآلخر أدناه) من ‪Raster‬‬ ‫كل خمية عمى حدة ‪.‬‬ ‫المدخل عمى أساس‬ ‫ة‬ ‫‪ : Std. dev‬يحسب االنحراف المعياري من ‪Raster‬‬ ‫كل خمية ‪.‬‬ ‫‪- 106 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪ :Range‬يحدد النطاق في القيم (من األعمى إلى األدنى) من ‪Raster‬‬ ‫المدخمة عمى كل خمية‪.‬‬ ‫‪ Variety‬التنأع‪ :‬يحدد عدد القيم الفريدة من ‪ Raster‬المدخمة عمى أساس‬ ‫كل خمية عمى حدة‪.‬‬ ‫‪ -2‬أظائف الجأار أاإلحصاء ‪:‬‬ ‫تتوسع داالت الجوار في الوظائف المحمية حيث يتم تحديد الخمية فى الـ‬ ‫‪ Raster‬الجديدة عمى ىيئة ‪ Rectangles‬أو ‪ annulus‬أو ‪ circles‬ففي‬ ‫الشكل(‪ )55‬التالى يمثل البكسل األزرق الخمية البؤرية بينما البيكسالت‬ ‫الصفراء تشكل مستطيل ‪ 3 × 3‬فيكون إدراج الخمية البؤرية في تحميل‬ ‫الجوار اختياري‪.‬‬

‫شكل ( ‪ )55‬وظائف الجوار‪.‬‬ ‫‪- 107 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫عمى غرار الوظيفة المحمية ‪ ،‬تنتقل العممية إلى موقع الخمية التالي حتى تتم‬ ‫معالجة جميع الخاليا الموجودة في‬

‫‪( Raster‬أو داخل قناع)‪ ، .‬تستخدم‬

‫دالة الجوار القيم من الخاليا المحيطة لتحديد قيم التغطية المشتقة ؛ يمكن أن‬ ‫تستخدم وظائف الجوار نفس اإلحصائيات السابق ذكرىا إلنشاء قيم الخاليا‬ ‫الجديدة عمى سبيل المثال ‪ ،‬يمكن استخدام إحصائيات ‪ Sum‬لدمج البيانات‬ ‫من الخاليا المحيطة في كل خمية كما ىو مبين في الشكل(‪.)56‬‬

‫شكل ( ‪ )56‬إحصاء الجوار القائم عمى ‪.Sum‬‬ ‫تبسيط البيانات ‪: Data Simplification‬‬ ‫يعد تبسيط البيانات أو ما يطمق عميو المرشح المكاني أحد التطبيقات الميمة‬ ‫األخرى لـوظائف إحصائية الجوار؛ ىذا النوع من العمميات مفيد عند تعميم‬ ‫البيانات النقطية حيث يعمل عمى تقميل مستوى االختالف بين الخاليا‬ ‫المجاورة في طبقة اإلدخال‬

‫؛ الشكل التالى(‬

‫‪ )57‬يحدد اإلحصاءات‬

‫النموذجية واخراجيا عند تطبيق مرشح مكاني عمى خطوط المسح‪.‬‬

‫‪- 108 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل (‪ ) 57‬المرشحات المكانية النموذجية إلحصاءات الجوار‪.‬‬ ‫أحد الجوانب العممية في‬ ‫فى حالة عدم وجود بيانات في إحصاءات الجوار ف‬ ‫ف‬ ‫تحميل البيانات ‪ Raster‬يتعمق بالفجوات في قيم الخاليا‪ .‬فالـ ‪No Data‬‬ ‫تشير إلى عدم توفر معمومات أو عدم توفر معمومات كافية لتعيين قيمة‬ ‫عددية لمخمية (الشكل‪.)58‬‬

‫شكل (‪ )58‬قيم (‪ )NODATA‬فى بيانات ‪.Raster‬‬

‫‪- 109 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫فيمكن معالجة الخاليا التي و تحتأي عمى بيانات‬

‫بإحدى طريقتين عند‬

‫تحميل وظائف المحمية أو الجوار‪:‬‬ ‫ قم بتعيين "ال توجد بيانات" لخمية اإلخراج بغض النظر عن مجموعة‬‫نظر ألن خمية إدخال واحدة في‬ ‫ًا‬ ‫قيم خاليا اإلدخال‬ ‫‪ Neighborhood‬ىي " ‪ ، " NODATA‬فسيكون الناتج "‬

‫‪. )" NODATA‬‬

‫‪ -‬تجاىل خمية " ‪ " NODATA‬واكمال الحساب بدونيا (أي‬

‫حساب‬

‫قيمة الحد األقصى للقيمة في الجوار بغض النظر عن الخمية‬

‫‪.)NODATA‬‬

‫أظائف المناطق أاإلحصاء ‪: Zonal Functions and Statistics‬‬ ‫تقوم وظائف‬

‫‪ Zonal‬بإجراء عمميات عمى مناطق من الخاليا الشائعة‬

‫المحددة في ‪ Raster‬الواحدة والمناطق قد تكون مستمرة أو غير مستمرة‬ ‫(الشكل ‪ )59‬؛ وتشمل المنطقة المستمرة الخاليا التي تكون متصمة مكانيا ‪،‬‬ ‫في حين أن المنطقة غير المستمرة تشمل مناطق منفصمة من الخاليا‪.‬‬

‫‪- 110 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل رقم ( ‪ Zones )59‬فى مجموعة بيانات ‪.Raster‬‬ ‫وقد يتم تنفيذ عمميات ‪ Zonal‬عمى طبقة نقطية واحدة أو عمى طبقتين‪ .‬فعند‬ ‫إجراء ‪ Zonal‬عمى ‪ Raster‬واحدة يتم استخدام العمميات اإلحصائية في‬ ‫المنطقة (مثل محيط المنطقة ‪ ،‬سمك المنطقة ‪ ،‬النقطة الوسطى ‪ ،‬الخ)؛‬ ‫وعند استخدام طبقتين‬

‫‪ Raster‬يتم إجراء عممية‬

‫‪ Zonal‬لينتج طبقة‬

‫‪ Raster‬جديدة والتي تعالج قيم الخمية في ‪ Raster‬المدخمة حسب المناطق‬ ‫المعرفة في طبقة البيانات النقطية ؛ وتحدد طبقة ‪ Zonal‬المناطق (الشكل‬ ‫والقيم والمواقع) ‪.‬‬ ‫‪:Distance‬‬ ‫يمنح ‪ GIS‬القدرة عمى قياس المسافات بين الميزات" ‪ " features‬المختمفة‬ ‫عن طريق أداة االستعالم عن المسافة ‪ distance query‬؛ فبمجرد النقر‬

‫‪- 111 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫فوق موقع ثم النقر فوق موقع آخر تكون المسافة بين الموقعين محسوبة ويتم‬ ‫عرضيا عمى الشاشة‪.‬‬ ‫عادة ما تسمح أد اة االستعالم عن المسافة برسم خطوط متعددة عمى الشاشة‬ ‫ً‬ ‫وتمخص المسافة لطول الخط‪ .‬؛ ففي مجموعات البيانات ‪ ، Vector‬يتم‬ ‫عادة بين ميزات النقطة ‪ ،‬إما الموجود في مجموعة‬ ‫تحديد قياسات المسافة ً‬

‫بيانات واحدة أو في مجموعات بيانات متعددة‪ .‬عمى سبيل المثال ‪ ،‬يمكن أن‬

‫تحسب المسافات بين المدن ويتم تخزينيا كـ ‪attribute‬؛ ويمكن أيضا تحديد‬ ‫المسافات إلى أقرب نقطة عمى طول خط ‪.‬‬ ‫أفيما يمى عرض التفاصيل المتعمقة بأظائف المسافة المتأفرة في بيئة‬ ‫‪.Raster‬‬ ‫الخط مستقيم "‪" Straight Line‬‬ ‫أيضا باسم المسافة اإلقميدية ؛‬ ‫ىي المسافة المادية بين نقطتين‪ .‬ويشار إلييا ً‬

‫في مجموعة البيانات ‪ ، Raster‬يتم حساب مسافات الخط المستقيم بين‬ ‫بناء عمى مراكز الخمية (الشكل‪.) 60‬‬ ‫الخاليا ً‬

‫شكل ( ‪ )60‬حساب المسافة بين خاليا ‪.Raster‬‬ ‫‪- 112 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫ففى الشكل لحساب المسافة بين الخاليا( ‪ )1 ، 1‬و( ‪ ) 3 ، 3‬بواسطة الخط‬ ‫األحمر الواصل بين الخميتين؛ تستخدم الصيغة التالية‪:‬‬ ‫‪10 x _ (3 - 1)2 + (3 - 1)2‬‬ ‫‪10 x _22 + 22‬‬ ‫‪10 x _4+4‬‬ ‫‪10 x _8‬‬ ‫‪10 x 2.8284 = 28.2843‬‬

‫فإذا كان حجم الخمية ‪ 10‬متر تكون المسافة بين النقطتين ‪ 28.3‬متر ‪.‬‬ ‫يوضح ىذا النوع كيفية حساب المسافة بين الخاليا النقطية ولكن تتيح لنا‬ ‫وظائف مسافة الخط المستقيم تطوير ‪ Raster‬التي تقيس المسافة من كل‬ ‫نقطة خمية إلى خاليا المصدر ويسمح لنا ىذا النوع من تحميل المسافة‬ ‫بتحديد العالقات بين المواقع‪ .‬عمى سبيل المثال ‪ ،‬يوضح الشكل رقم ( ‪)61‬‬ ‫تكوين نتائج ‪ Raster‬المطورة لتوضيح المسافات بين المدن (النقاط‬ ‫الصفراء)‪.‬‬ ‫ىذا النوع من المعمومات تساعد المخططين عند تحديد مواقع المنشآت‬ ‫كالمستشفيات عمى سبيل المثال وبالتالي يمكن استخدام المسافة لممساعدة‬ ‫عمى تحديد الموقع األمثل لمنشأة جديدة‪.‬‬

‫‪- 113 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل (‪ )61‬مثال لممسافة "‪ "Straight Lin‬فى ‪.Raster‬‬ ‫التخصيص أالمسافة ‪:‬‬ ‫أيضا استخدام وظائف المسافة المادية إلنشاء خطوط توزيع‬ ‫يمكن ً‬

‫التخصيص واالتجاه ؛ ففي بيانات التخصيص النقطية ‪ ،‬تستند قيمة كل خمية‬ ‫إلى قيمة أقرب خمية من ‪ Raster‬المصدر‪.‬‬ ‫التكمفة المأزأنة ‪:‬‬ ‫استنادا إلى اعتبارات أخرى‬ ‫ىذا النوع يتيح تحديد أسيل طريق بين مكانين‬ ‫ً‬

‫خالف المسافة ؛ عمى سبيل المثال ‪ ،‬أقصر مسافة بين منطقتين استناداً إلى‬ ‫تكمفة السفر باإلضافة إلى الزمن والمسافة بين النقطتين‪.‬‬ ‫أقصر مسار‪:‬‬ ‫يسمح تقييم التكمفة بتحديد التكمفة المتراكمة لمسار معين وتقييم أقصر‬ ‫مسار مع أقل تكمفة ؛ يتم تحديد التكمفة عن طريق جمع التكاليف المرتبطة‬ ‫‪- 114 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫باالرتباطات بين الخاليا المجاورة (أفقية ورأسية وقطرية)‪.‬‬

‫ولتحديد أقصر‬

‫مسار يجب أوالً حساب التكاليف بين جميع الخاليا المرتبطة‪ .‬بعد ذلك تحدد‬ ‫خمية المصدر (نقطة البداية) التي تبدأ منيا التكمفة المرتبطة بالحركة لتمك‬ ‫الخمية ثم يتم تحديد الخاليا المجاورة‪ .‬تمثل الخمية المجاورة ذات التكمفة األقل‬ ‫الخمية التالية عمى طول الطريق‪ .‬ثم تضاف التكمفة إلى جيران تمك الخمية‬ ‫نتيجة ىذا الحساب التكراري ىي أقصر مسار‪.‬‬ ‫إلى التكمفة اإلجمالية ؛ ف‬ ‫تعميم البيانات‪ :‬فيما يمى شرح بعض تقنيات التعميم عمى البيانات‬ ‫‪ Vector‬أالبيانات ‪.Raster‬‬ ‫البيانات ‪Vector‬‬ ‫‪: Dissolve‬تقوم وظيفة ‪ Dissolve‬بدمج الميزات ‪ features‬ذات‬ ‫السمات المشتركة (الشكل‪.)62‬‬

‫‪INPUT Layer‬‬

‫‪OUTPUY Layer‬‬

‫شكل (‪ )62‬وظيفة ‪.Dissolve‬‬ ‫أيمكن استخدامها في تطبيقات أساسية منها‪:‬‬ ‫‪- 115 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫ أنيا تسمح بتبسيط مجموعة بيانات مصنفة إلى فئات أكثر عمومية؛‬‫فمثال يمكن تجميع مضمعات استخدام األراضي إلى استخدام الطرق‬ ‫والمباني ويمكن تقسيم المناطق في فئة شاممة االستخدامات‬ ‫الحضرية‪.‬‬ ‫ كما يمكن استخدامو إلزالة الحدود بين المضمعات ذات السمات‬‫المتطابقة عمى سبيل المثال ‪ ،‬إذا قمت بدمج مجموعات البيانات من‬ ‫مصادر مختمفة ‪ ،‬فإن المنتج النيائى قد يحتوي عمى عدد من‬ ‫الشرائح أو القيم المتداخمة‪ .‬فإن وظيفة‬

‫‪ Dissolve‬تسمح بإزالة‬

‫الحدود غير الضرورية من مجموعة البيانات‪.‬‬ ‫‪:Eliminate‬‬ ‫وظيفة ‪ Eliminate‬ىي وسيمة أخرى لتعميم البيانات حيث يتم إنشاء طبقة‬ ‫بناء عمى استعالم أو مجموعة‬ ‫جديدة عن طريق دمج المضمعات المحددة ( ً‬ ‫تحديد) مع المضمعات المجاورة‪.‬‬ ‫‪: Simplify Line‬‬ ‫تتضمن عممية تبسيط الخط إزالة االنحناءات الصغيرة في الخط‪ .‬عن طريق‬ ‫إزالة بعض النقاط (أو الرؤوس) داخل الخط‪ .‬والنتيجة ىي نسخة معممة‬ ‫يتم تبسيط‬ ‫حفظ عمى الشكل العام لمنسخة األصمية ‪ .‬ف‬ ‫لمخط " لمميزة" مع ال ا‬ ‫الخطوط لتحسين عرض الخرائط ‪،‬‬

‫مع مراعاة تحديد درجة التبسيط‬

‫تبسيط الخط لضمان النتيجة حيث الخط يكون شبيو الخط األصمى‪.‬‬ ‫‪- 116 -‬‬

‫عند‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪:Smooth Line‬‬ ‫يتم تجانس الخطوط لتحسين مظير الخرائط ‪ ،‬عمى سبيل المثال‬

‫يتم إزالة‬

‫الميزات المتعرجة لجعل الخط بشكل أكثر جمالي (الشكل‪ .)63‬ويتم ذلك عن‬ ‫رؤوسا‬ ‫طريق إعادة تشكيل الخط من خالل تطبيق صيغة رياضية تنشئ‬ ‫ً‬

‫جديدة (نقاط( يتم إدراجيا في الخط وىناك مجموعة متنوعة من الخوارزميات‬ ‫المختمفة التي يمكن تطبيقيا في ذلك‪.‬‬

‫‪OUTPUT‬‬

‫‪INPUT‬‬

‫شكل (‪Smooth Line) 63‬‬ ‫تعميم البيانات ‪:Raster‬‬ ‫غالباً ما تحتوي البيانات ‪ Raster‬عمى بيانات مفصمة فمثالً قد تحتوي‬ ‫مجموعة بيانات الغطاء األرضي المستمدة من صورة القمر الصناعي عمى‬ ‫مجموعات صغيرة عديدة من الخاليا التي تم تصنيفيا بشكل خاطئ أو تمثل‬ ‫جدا ليس ليا أىمية إحصائية‪.‬‬ ‫مساحة صغيرة ً‬

‫فعند تطبيق تقنيات التعميم عمى ىذه األنواع من األمثمة ‪ ،‬تسمح لك‬ ‫ىذه المناطق داخل مجموعة البيانات النقطية ‪.Raster‬‬ ‫‪- 117 -‬‬

‫بإزالة‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪:Aggregate‬‬ ‫‪" Aggregate‬التجميع" ىو أسموب إعادة تشكيل يسمح بإنشاء‬

‫‪Raster‬‬

‫ذات دقة أقل (خاليا بأحجام أكبر) ؛حيث تعتمد قيم خاليا فى الـ‬

‫‪Raster‬‬

‫المخرجة عمى المتوسط أو الحد األدنى أو الحد األقصى لخاليا اإلدخال‬ ‫توضيحا لتحميل التجميع‬ ‫والتي تقع داخل مدى الخمية ؛ يقدم الشكل ( ‪)64‬‬ ‫ً‬

‫حيث ناتج ‪ Raster‬يعتمد عمى متوسط بيانات اإلدخال‪.‬‬

‫‪OUTPUT‬‬

‫‪INPUT‬‬

‫شكل (‪ ) 64‬مثال عمى ‪.Aggregate‬‬ ‫‪:Boundary Clean‬‬ ‫يمكن استخدام ‪ Boundary Clean‬لتيدئة الحدود بين المناطق؛ فيتم‬ ‫تنعيف الحدود عمى نطاق واسع نسبياً عن طريق إجراء سمسمة ممرات عبر‬ ‫البيانات ؛ أول ممر ينطوي عمى فحص الخاليا خارج المنطقة والثاني ينظر‬ ‫الخاليا داخل المنطقة‪.‬‬

‫‪- 118 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫تجدر اإلشارة إلى أن يمكن استبدال أجزاء رفيعة من المناطق ‪( ،‬عمى سبيل‬ ‫المثال ‪ ،‬سيتم إزالة النير الذي يبمغ طولو خاليا عديدة واستبدالو فقط بخميتين‬ ‫أكثر اتساعاً(‪.‬‬ ‫‪:Expand‬‬ ‫تتيح ‪ Expand‬توسيع المناطق المحددة داخل مجموعة البيانات النقطية‬ ‫بناء عمى عدد الخاليا المحددة؛يتم تصنيف الخاليا ذات‬ ‫‪ً raster dataset‬‬ ‫القيم ذات األولوية المنخفضة (التي يحددىا المستخدم) عمى أنيا خاليا‬ ‫ويسمح لمخاليا ذات األولوية العميا(الخاليا األمامية) بالتوسع في‬ ‫الخمفية‪ُ .‬‬ ‫المناطق ذات أولوية منخفضة‪ .‬قد تكون ىذه التقنية مفيدة إلزالة أية قيم‬ ‫بيانات من مجموعة بيانات‬

‫‪ Raster‬بواسطة السماح لمخاليا ذات القيم‬

‫المحيطة بالتوسع إلى ملىء مواقع ‪.NODATA‬‬ ‫‪:Filtering‬‬ ‫تتم التصفية المكانية لمبيانات ‪ raster‬لتمييز أو منع ميزات معينة في‬ ‫بناء عمى خصائصيا "التردد المكاني"‪ .‬ويرتبط التردد المكاني بمفيوم‬ ‫الصورة ً‬ ‫نسيج الصورة‪ .‬فيو يشير إلى االختالفات في درجات األلوان التي تظير في‬ ‫الصورة "تناغم الصورة" ‪ ،‬فتكون التغييرات مفاجئة فوق المساحة صغيرة‬ ‫وبالتالي تكون الترددات المكانية عالية ‪ ،‬بينما المناطق "السمسة" تظير‬ ‫باختالف طفيف فتكون ذات ترددات مكانية منخفضة ‪.‬‬

‫‪- 119 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫تستخدم التصفية عمى نطاق واسع في العديد من تحميالت البيانات النقطية‬ ‫قد تتضمن التطبيقات العامة مثل كشف الحافة ‪ ،‬التجانس ‪،‬‬ ‫" ‪ "Raster‬ف‬ ‫قد تكون الضوضاء قيم بيانات خاطئة أو طفرات يمكن‬ ‫وازالة الضوضاء‪ .‬ف‬ ‫إزالتيا من البيانات عمى سبيل المثال ‪ ،‬تعمل وظيفة ‪ majority filter‬عمى‬ ‫استنادا‬ ‫تعميم البيانات عن طريق استبدال الخاليا في مجموعة بيانات نقطية‬ ‫ً‬

‫إلى القيم الموجودة في غالبية القيم المحيطة لمخمية‪ .‬ويجب استيفاء معيارين‬ ‫قبل استبدال قيم الخاليا ىما‪:‬‬ ‫ يجب أن يكون ىناك عدد كبير بما فيو الكفاية من الخاليا المحيطة‬‫(عمى سبيل المثال ‪ ،‬أكثر من النصف) مع وجود قيمة مشتركة ‪.‬‬ ‫ يجب أن تكون الخاليا التي ليا قيمة مشتركة متصمة مكانياً ‪.‬‬‫‪:Nibble‬‬ ‫يمكن تطبيق وظيفة ‪ Nibble‬لتحرير أجزاء من مجموعة البيانات النقطية‬ ‫حيث تكون القيم معروفة أنيا غير صحيحة أو مفقودة (عمى سبيل المثال‪،‬‬ ‫المناطق التي ال تحتوي عمى بيانات) ؛ يتم تطبيق االستعالم أو مجموعة‬

‫التحديد أوالً لتحديد الخاليا في الشبكة التي سيتم استبداليا ثم يتم تطبيق قناع‬ ‫لتحديد مدى التحميل فسيتم تحديد الخاليا المحددة التي تقع داخل القناع‪ .‬و‬ ‫بعد ذلك إعادة تعيين قيم أقرب جيرانيم من خالل تخصيص إقميدي (الخاليا‬ ‫المخصصة بناء عمى المسافة اإلقميدية (خط مستقيم)‪.‬‬

‫‪- 120 -‬‬

‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪:Region Group‬‬ ‫يتم تطبيق عممية المسح لتعيين رقم فريد لتمك الخاليا التي تقع داخل كل‬ ‫منطقة من مجموعة البيانات النقطية‪.‬‬

‫وتحتوي مجموعة البيانات الناتجة‬

‫ال يمكن التحكم في القيم‬ ‫(اإلخراج) عمى قيم فريدة لكل منطقة (الشكل ‪ .)65‬ف‬ ‫المعينة بواسطة المستعمل ؛ فتتيح لك وظيفة مجموعة المنطقة فحص‬ ‫األنماط المكانية المحتممة في بياناتك بواسطة مساعدتك في تحديد مناطق‬ ‫فريدة‪.‬‬

‫‪OUTPUT‬‬

‫‪INPUT‬‬

‫شكل (‪ Region Group)65‬لمبيانات الـ ‪Raster‬‬ ‫‪:Shrink‬‬ ‫يسمح لك ‪ Shrink‬بتغيير قيم الخاليا اليامشية عمى طول حدود المناطق‬ ‫بناء عمى أعمى قيمة تردد بين الخاليا المحيطة بالخمية‪.‬‬ ‫ً‬ ‫‪:Thin‬‬

‫تتيح وظيفة ‪ Thin‬تقميل عدد الخاليا المطموبة لتمثيل الميزات الخطية في‬

‫مجموعة البيانات النقطية‪.‬‬ ‫‪- 121 -‬‬

‫الفصل الرابع‬ ‫اإلحصـاء املكـانـى‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫مقدمة في اإلحصاء المكاني‪:‬‬ ‫يتعمق اإلحصاء المكاني باألساليب اإلحصائية التي تستخدم لدراسة العالقات‬ ‫بمنطقة الدراسة (مثل المسافة ‪ ،‬المساحة ‪ ،‬الحجم ‪ ،‬الطول ‪ ،‬االرتفاع ‪،‬‬ ‫االتجاه ‪ ،‬المركزية ‪ ،‬أوالخصائص المكانية األخرى لمبيانات‬

‫كما تستخدم‬

‫اإلحصاءات لمجموعة متنوعة من التحميالت المختمفة ‪ ،‬بما في ذلك تحميل‬ ‫األنماط ‪ ،‬تحميل األشكال والنمذجة السطحية والتنبؤ السطحي واالنحدار‬ ‫المكاني واإلحصائي ومقارنات‬

‫مجموعات البيانات المكانية والنمذجة‬

‫اإلحصائية والتنبؤ المكاني ‪.‬‬ ‫وتشمل اإلحصاءات المكانية والوصفية العديد من التحميالت االستنتاجية ‪،‬‬ ‫االستكشافية ‪،‬اإلحصاء الجيولوجي واالقتصادي‪.‬‬ ‫فاإلحصاءات المكانية قابمة لمتطبيق عبر مجموعة واسعة من التخصصات‬ ‫البيئية ؛الزراعة ‪ ،‬الجيولوجيا ‪ ،‬عموم التربة ‪ ،‬الييدرولوجيا ‪ ،‬عمم المحيطات‬ ‫‪ ،‬الغابات ‪ ،‬األرصاد الجوية ‪،‬وعمم المناخ ‪ ،‬باإلضافة إلى العديد من‬ ‫التخصصات االجتماعية واالقتصادية بما في ذلك األوبئة ‪ ،‬تحميل الجريمة ‪،‬‬ ‫والعقارات ‪ ،‬والتخطيط ‪ ،‬وغيرىا‬

‫من التخصصات التى تستفيد أيضا من‬

‫التحميل اإلحصائي المكاني‪.‬‬ ‫يمكن لإلحصاءات المكانية أن تقدم إجابات عمى األسئمة التالية‪:‬‬ ‫كيف يتم توزيع ‪ " features‬الميزات" ؟‬ ‫ما ىو النمط الذي أنشأتو ‪ features‬؟‬ ‫‪- 123 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫ما ىي المجموعات؟‬ ‫كيف يمكن مقارنة األنماط والمجموعات من المتغيرات المختمفة مع بعضيا‬ ‫البعض؟‬ ‫ما ىي العالقة بين مجموعات من الميزات أو القيم؟‬ ‫نظرة عامة عمى أدوات اإلحصاء المكاني في برنامج ‪ArcGIS‬‬ ‫يوفر صندوق أدوات ‪ ArcGIS‬أدوات اإلحصاء المكاني لجميع مستويات‬ ‫ترخيص‪ ArcGIS‬سطح المكتب ‪ ،‬بما في ذلك األساسية والمتقدمة‪ .‬ليتضمن‬ ‫عددا من األدوات ‪ ،‬ىي عمى النحو التالي‪:‬‬ ‫صندوق األدوات ً‬ ‫مجموعة أدوات قياس التوزيع الجغرافي‬

‫‪Measuring Geographic‬‬

‫‪.Distributions‬‬ ‫مجموعة أدوات تحميل األنماط ‪. Analyzing Patterns‬‬ ‫مجموعة أدوات ‪.Mapping Clusters‬‬ ‫مجموعة أدوات‬

‫نمذجة‬

‫العالقات المكانية‬

‫‪Spatial‬‬

‫‪.Modeling‬‬

‫‪.Relationships‬‬ ‫مجموعة أدوات قياس التوزيع الجغرافي‪Distributions :‬‬ ‫‪Measuring Geographic‬‬ ‫مربع أدوات اإلحصاء المكاني يحتوي عمى مجموعة من األدوات التي توفر‬ ‫اإلحصاءات الجغرافية الوصفية ‪ ،‬بما في ذلك المعالم المركزية ‪ ،‬التوزيع‬ ‫توفر مجموعة األدوات‬ ‫االتجاىي ‪ ،‬المركز الوسيط ‪ ،‬و المسافة المعيارية‪ .‬ف‬ ‫‪- 124 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫ىذه مجموعة من اإلحصائيات األساسية ؛ حيث تستخدم ىذه اإلحصاءات‬ ‫الوصفية األساسية فقط كنقطة انطالق في عممية التحميل‪.‬‬ ‫توفر أدوات المعالم المركزية‬

‫‪ Central Feature‬و‪Mean Center‬‬

‫و‪ Median Center‬جميعيا نفس وظائف الميزات حيث تنشئ كل فئة ميزة‬ ‫تمثل مركزية مجموعة البيانات الجغرافية‪.‬‬ ‫تحدد أداة ‪ Linear Directional Mean‬متوسط االتجاه والطول والمركز‬ ‫الجغرافي لمجموعة من الخطوط وإخراج ىذه األداة ىو فئة ميزات مع ميزة‬ ‫خطية واحدة‪.‬‬ ‫وتعتبر أدوات المسافة المعيارية والتوزيع االتجاهي متشابية ‪ ،‬حيث أن‬ ‫كالىما يقوم بقياس الدرجة التي تتركز بيا المعالم أو تتشتت حوليا مركز ‪،‬‬ ‫ولكن أداة التوزيع االتجاىي ‪ ،‬المعروف أيضا باسم االنحراف المعياري‪،‬‬ ‫قدر من االتجاىية في مجموعة البيانات‬ ‫أيضا ًا‬ ‫تختمف فى كونيا توفر ً‬

‫‪.dataset.‬‬

‫مجموعة أدوات تحميل األنماط‪: Analyzing Patterns:‬‬ ‫تحتوي مجموعة أدوات تحميل األنماط في مربع أدوات اإلحصاء المكاني‬ ‫عمى سمسمة من األدوات التي تساعد في تقييم ما إذا كانت الميزات أو القيم‬ ‫المرتبطة بالميزات تشكل نمط مكاني مجمع ‪clustered‬‬

‫أو مشتت‬

‫‪ dispersed‬أو عشوائي ‪ random‬؛ىذه األدوات تولد نتيجة واحدة‬ ‫لمجموعة بيانات كاممة باإلضافة إلى ذلك‬ ‫‪- 125 -‬‬

‫فإن النتيجة ال تأخذ شكل‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫خريطة‪ ،‬ولكن تظير فى اإلخراج اإلحصائي ‪ ،‬كما ىو موضح في الشكل‬ ‫التالى (‪.)66‬‬

‫شكل (‪ )66‬تقرير " اإلخراج اإلحصائى " لمتحميل المكانى االرتباط الذاتى‪.‬‬ ‫تولد األدوات في ىذه الفئة ما يعرف بإحصائيات استنتاجيو وفيما يمى‬ ‫توضيح وظيفة كل آداة‪:‬‬ ‫‪ Average Nearest Neighbor‬متوسط أقرب جار‪ :‬تحسب ىذه األداة‬ ‫أقرب جار عمى مسافة متوسطة من كل ميزة إلى أقرب ميزة مجاورة ليا؛‬ ‫‪- 126 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫حيث يتم الحساب عمى كل ميزة في مجموعة البيانات ‪ ،‬ثم يتم حساب‬ ‫المسافة إلى أقرب جار ليا ؛ ثم يتم حساب متوسط المسافة و تتم مقارنة‬ ‫متوسط المسافة إلى متوسط المسافة المتوقعة‪، .‬ويتم إنشاء نسبة ‪، ANN‬‬ ‫إذا كانت النسبة أقل من ‪ ، 1‬يمكننا القول أن البيانات توزيعيا " مجمعة" ‪،‬‬ ‫ف‬ ‫في حين أن قيمة أكبر من ‪ 1‬تشير إلى أن توزيع البيانات مشتتة‪.‬‬ ‫‪ Spatial Autocorrelation‬الترابط التمقائي المكاني‪ :‬تقيس ىذه األداة‬ ‫االرتباط التمقائي المكاني عن طريق‬

‫قياس مواقع الميزة وقيم السمة‬

‫‪ attribute‬في وقت واحد ؛ فالميزات التى تكون قريبة من بعضيا البعض‬ ‫وليا قيم متشابية تصنف أنيا "تجمع" ؛ بينما إذا كانت الميزات القريبة مع‬ ‫بعضيا البعض ليا قيم متباينة فإنيا تشكل نمط "تشتت" ‪.‬‬ ‫االرتباط التمقائي المكاني ‪:)Morans I ( Spatial Autocorrelation‬‬ ‫تشبو ىذه األداة األدوات السابقة ‪ ،‬ولكنىا تقيس االرتباط الذاتي المكاني‬ ‫لسمسمة من المسافات ويمكن أن ينتج عنيا رسم بياني خطي اختياري لتمك‬ ‫المسافات مع الدرجات ‪ z‬المقابمة ليا‪.‬‬ ‫وتشبو ىذه األداة أداة ‪ Hot Spot Optimized‬ولذلك أصبح استخداميا‬ ‫غالبا ما تستخدم كوسيمة مساعدة ألدوات المسافات األخرى مثل تحميل‬ ‫قميل؛ ف ً‬ ‫النقاط ‪ Hot Spot Analysis‬أو نقطة الكثافة ‪. Point Density‬‬

‫‪- 127 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫‪:(Getis-Ord General G) High/Low Clustering‬‬ ‫تبحث ىذه األداة عن مجموعات ذات قيمة عالية وتجمعات قيم منخفضة‬ ‫يتم استخداموا لقياس تركيز القيم " عالية أو منخفضة" لمنطقة دراسة معينة‬ ‫ف‬ ‫وارجاع المالحظة العامة ‪ ، G‬التوقع العام‪ ، G‬درجة ‪ ، z‬و القيمة ‪. p‬‬ ‫تحميل الكتمة المكانية المتعددة المسافات (وظيفة ‪:)Ripleys K‬‬ ‫يحدد ذلك ما إذا كانت مواقع الميزة تظير فى مجموعات كبيرة أو مشتتة ؛‬ ‫وىى تختمف عن األدوات السابق ذكرىا فى كونيا ال تأخذ القيمة في الموقع‬ ‫غالبا ما‬ ‫بعين االعتبار بل تحدد فقط المجموعات من قبل موقع الميزات‪ً .‬‬

‫ي ‪ ،‬والرعاية الصحية ‪،‬‬ ‫تستخدم ىذه األداة في مجاالت مثل الدراسات البيئة‬ ‫والجريمة حيث تحاول تحديد ما إذا كان م يزة واحدة تجذب ميزة أخرى‪.‬‬ ‫مجموعة أدوات ‪: Mapping Clusters‬‬

‫مجموعة أدوات ‪ Mapping Clusters‬من األدوات األكثر انتشا اًر فيى‬ ‫شائعة االستخدام في مجموعة أدوات اإلحصاء المكاني ‪ ،‬وذلك ألن اإلخراج‬ ‫من ىذه األدوات يكون مشاىد‬

‫ي ومفيد لمغاية في تحميل الظواىر‬ ‫بصر اً‬

‫العنقودية؛ مجموعة األدوات الموجودة في ‪ Mapping Clusters‬ال تقوم‬ ‫فقط باإلجابة عمى تساؤل ىل ىناك تجمعات؟ ‪ ،‬لكنيا أيضاً تجيب عمى‬ ‫أين مواقع التجمع؟‬

‫‪- 128 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫وفيما يمى عرض مبسط لهذه األدوات ‪:‬‬ ‫‪ :Hot Spot Analysis‬من أكثر األدوات استخداماً فى مجموعة األدوات‬ ‫ىذه‬

‫نظ اًر ألنيا تقوم‬

‫بتحديد المناطق الساخنة والباردة من الناحية‬

‫اإلحصائية باستخدام إحصائيات ‪. * Getis-Ord Gi‬‬ ‫‪ :Similarity Search‬يتم استخدام ىذه األداة لتحديد ميزات المرشح‬ ‫تباينا لواحد أو أكثر من ميزات‬ ‫شيوعا وتكون متشابية أو أكثر‬ ‫األكثر‬ ‫ً‬ ‫ً‬ ‫اإلدخال بواسطة سماتىا؛ فيمكن أن تكون عمميات البحث عن االختالف‬ ‫بنفس أىمية عمميات البحث عن التشابو‪.‬‬ ‫بناء عمى‬ ‫‪ :Grouping Analysis‬تقوم ىذه األداة بتجميع الميزات ً‬ ‫سماتىا ‪ ،‬إخراج ىذه األداة ىو إنشاء مجموعات مميزة من البيانات حيث‬ ‫تكون الميزات التي تشكل جزًءا من المجموعة متشابية قدر اإلمكان وبين‬ ‫األداة قادرة عمى التحميل متعدد المتغيرات‬ ‫المجموعات متباينة قدر اإلمكان‪ .‬ف‬ ‫واإلخراج ىو عبارة عن خريطة وتقرير؛ ويمكن أن تكون خريطة اإلخراج إما‬ ‫مجموعات متجاورة أو مجموعات غير متجاورة‪.‬‬ ‫‪ :Cluster and Outlier Analysis‬أداة الكتمة والتحميل الخارجي ىذه‬ ‫األداة ‪ ،‬باإلضافة إلى أداء ‪ Hot Spot Analysis‬تحدد القيم المتطرفة في‬ ‫البيانات الخاصة بك‪ .‬و القيم المتطرفة ذات صمة لمغاية بـأنواع كثيرة من‬ ‫التحميالت حيث تبدأ األداة بفصل الميزات من منطقة الدراسة ويتم فحص كل‬ ‫ميزة مقابل كل ميزة أخرى لنرى ما إذا كانت تختمف كثي اًر عن الميزات‬ ‫‪- 129 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫األخرى‪ .‬مثالً يتم فحص الحي في العالقة مع جميع األحياء األخرى لنرى‬ ‫إذا كان مختمف إحصائياً عن األحياء األخرى‪.‬‬ ‫مجموعة أدوات نمذجة العالقات المكانية ‪The Modeling Spatial‬‬ ‫‪:Relationships‬‬ ‫تحتوي مجموعة األدوات ىذه عمى عدد من أدوات تحميل االنحدار التي‬ ‫تساعد عمى فحص و تحديد العالقات بين الميزات؛ و قياس مدى ارتباط‬ ‫الميزات الموجودة في مجموعة البيانات ببعضيا البعض ‪.‬‬ ‫فأدوات االنحدار المتوفرة في عالقات نموذج أدوات اإلحصاء المكاني بين‬ ‫متغيرات البيانات المرتبطة بالميزات الجغرافية ‪ ،‬تتيح لنا القيام بالتنبؤات بقيم‬ ‫غير معروفة أو فيم العوامل الرئيسية المؤثرة بشكل أفضل عمى المتغير ؛‬ ‫كما تسمح بالتحقق من العالقات وقياس مدى قوة تمك العالقات‪ .‬وتتيح أيضاً‬ ‫أداة االنحدار االستكشافي القيام بفحص عدد كبير من نماذج المربعات‬ ‫الصغرى العادية بسرعة ‪ ،‬وتحديد ما إذا كان أي من المتغيرات التوضيحية‬ ‫مرشح لتمبية جميع متطمبات طريقة ‪.OLS‬‬ ‫هناك نوعان من أدوات تحميل االنحدار في ‪ ArcGIS‬وهي كما يمي‪:‬‬ ‫‪ :Ordinary Least Squares‬ىذه األداة ىي أداة انحدار خطي تستخدم‬ ‫إلنشاء تنبؤات أو نموذج لممتغير التابع من حيث عالقتو بمجموعة من‬ ‫المتغيرات التفسيرية‪.‬‬

‫‪- 130 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫‪ : OLS‬ىي تقنية االنحدار األكثر شيرة وتوفر نقطة انطالق جيدة لتحميل‬ ‫توفر ىذه األداة نموذج عالمي لممتغير أو العممية التي‬ ‫االنحدار المكاني؛ ف‬ ‫تحاول فيميا أو التنبؤ بيا‪ .‬والنتيجة ىي معادلة انحدار واحدة خطية موجبة‬ ‫أو سالبة‪.‬‬

‫اإلخراج الجزئي من أداة ‪OLS‬‬ ‫‪ :Geographically Weighted Regression‬االنحدار الجغرافي‬ ‫"‪: "GWR‬ىو شكل محمي من االنحدار الخطي لنمذجة عالقات متفاوتة‬ ‫مكاني؛ ىذه األداة تبني معادلة منفصمة لكل ميزة وىو األنسب عند توافر عدة‬ ‫اً‬ ‫مئات من الميزات حيث ينشئ ‪ GWR‬فئة ميزة اإلخراج (كما ىو موضح في‬ ‫عند‬ ‫الشكل التالي ) و جدول اإلخراج يحتوي عمى ممخص ألداة التنفيذ ف‬

‫‪- 131 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫تشغيل ‪ ، GWR‬يجب استخدام نفس المتغيرات التوضيحية التي حددتيا في‬ ‫نموذج ‪ OLS‬الخاص بك‪.‬‬

‫أيضا األدوات‬ ‫كما تتضمن مجموعة أدوات نمذجة العالقات المكانية ً‬ ‫التالية‪:‬‬ ‫‪ :Exploratory Regression‬ىذه األداة يمكن استخداميا لتقييم‬ ‫مجموعات من المتغيرات االستكشافية لنماذج ‪ OLS‬التي تفسر المتغير‬ ‫التابع بشكل أفضل‪.‬‬ ‫وتقوم أداة استخراج البيانات لمعثور عمى المتغيرات الموجودة والمناسبة بشكل‬ ‫جيد ويمكن أن توفر الكثير من الوقت في إيجاد المزيج الصحيح من‬ ‫المتغيرات‪ .‬وتتم كتابة نتائج ىذه األداة في مربع حوار التقدم ‪ ،‬قالنتيجة‬ ‫عبارة عن نافذة وممف تقرير اختياري‪ .‬والشكل التالى يوضح رؤية أداة‬ ‫االنحدار االستكشافي ‪.‬‬

‫‪- 132 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫قياس التوزيعات الجغرافية باستخدام أدوات ‪:ArcGIS‬‬ ‫غالبا ما يكون الحصول عمى إحصائيات مكانية أساسية حول مجموعة‬ ‫ً‬

‫البيانات ىو الخطوة األولى في تحميل البيانات الجغرافية‪ .‬ومجموعة أدوات‬ ‫قياس التوزيع الجغرافي "‪" Measuring Geographic Distributions‬‬ ‫في ‪ "ArcGIS‬ىى التى تقوم بعمل تمك اإلحصائيات‪.‬‬ ‫يحتوي مربع أدوات اإلحصائيات عمى مجموعة من األدوات التي توفر‬ ‫إحصاءات جغرافية وصفية بما في ذلك‪ Central Feature‬الميزة المركزية‬ ‫‪Directional Distribution،‬‬

‫التوزيع االتجاىي ‪ ،‬المتوسط االتجاىي‬

‫‪- 133 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫الخطي‪Median ، Mean Center ، Linear Directional Mean‬‬ ‫‪ ، Center‬والمسافة المعيارية ‪.Standard Distance‬‬ ‫وتوفر مجموعة األدوات ىذه مجموعة من أدوات االستكشاف اإلحصائي‬ ‫األساسية‪ .‬و في ىذا الفصل ‪ ،‬سوف نتطرق إلى كيفية استخدام العديد من‬ ‫ىذه األدوات لمحصول عمى معمومات إحصائية حول مجموعة البيانات ‪.‬‬ ‫أوالً‪ :‬قياس المركزية الجغرافية‪:‬‬ ‫في ىذا التطبيق ‪ ،‬سيتم استخدام األدوات الثالثة لمحصول عمى إحصائيات‬ ‫مكانية وصفية بمدينة شبين الكوم‪.‬‬ ‫‪- 1‬نفتح برنامج ‪ Arc map‬ونضيف خريطة منطقة الدراسة‪.‬‬

‫تحتوى الخريطة عمى ‪ Feature‬نقاط والذى يمثل توزيع مواقع الخدمات‬ ‫فى المدينة ؛ في جزء " جدول المحتويات" ‪ ،‬انقر بزر الماوس األيمن فوق‬ ‫طبقة "‪ "Servece‬وحدد‬

‫‪ proprieties‬خصائص ؛ انتقل إلى عالمة‬

‫التبويب ‪ Source‬المصدر والحظ أن نظام اإلحداثيات المستخدم ىو‬ ‫‪- 134 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫اإلحداثيات الجغرافية‬

‫"‪ " GCS_WGS_1984‬ف غالبا ما يتم تخزين‬

‫البيانات في تنسيق ىذا النظام " ‪" WGS84 Web Mercator‬ألغراض‬ ‫نظام اإلحداثيات ‪، WGS84 Web Mercator‬‬ ‫العرض عمى الويب ‪ P‬ف‬ ‫الذي يحظى بشعبية كبيرة اليوم لتطبيقات التعيين عبر اإلنترنت ‪ ،‬ليست‬ ‫مناسبة لالستخدام مع أدوات اإلحصاء المكاني‬ ‫وتتطمب ىذه األدوات قياسات دقيقة لممسافة ؛ وىذا‬

‫غير ممكن مع‬

‫‪ WGS84 Web Mercator‬لذلك ‪ ،‬من الميم أن مجموعات البيانات‬ ‫ات‬ ‫الخاصة بك تكون مرجعة إلى نظام اإلحداثيات الذي يدعم قياس المساف‬ ‫الدقيقة‪.‬‬ ‫ أداة ‪:Central Feature‬‬‫موقعا من ظاىرة " نقطة أو خط‬ ‫تحدد أداة الميزة المركزية الميزة األكثر‬ ‫ً‬ ‫أو مضمع " ؛ حيث يمخص المسافات من كل ميزة إلى كل ميزة أخرى ‪.‬‬ ‫وتمثل الميزة المركزية أقصر مسافة‪.‬‬ ‫ولتحديد المعالم المركزية نتبع الخطوات التالية ‪:‬‬ ‫افتح ‪ ArcToolbox‬ومن مربع األدوات ‪Spatial Statistics Tools‬؛ افتح‬ ‫مربع األدوات ومنو مجموعة أدوات قياس التوزيع الجغرافي ‪Measuring‬‬ ‫‪ Geographic Distributions‬؛ نختار ‪Central Feature‬‬

‫‪- 135 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫مزدوجا فوق لعرض األداة ‪ ،‬كما ىو موضح في ما يمي‪:‬‬ ‫نقر‬ ‫انقر ًا‬ ‫ً‬

‫حدد ‪ Serves‬كفئة ميزة اإلدخال ‪ ،‬حدد فئة ميزات اإلخراج ثم نختار طريقة‬ ‫المسافة‬

‫‪ "EUCLIDEAN_DISTANCE‬المسافة اإلقميدية "ىي مسافة‬ ‫‪- 136 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫خط مستقيم بين اثنين من ال نقاط؛ طريقة المسافة األخرى ىي‬ ‫‪ ،MANHATAAN - DISTANCE‬وىي المسافة بين نقطتين تقاس عمى‬ ‫طول محاور في زوايا قائمة ويتم حسابيا بواسطة جمع الفرق بين إحداثيات‬ ‫‪ X‬و ‪.Y‬‬ ‫هناك ثالث معممات اختيارية ألداة الميزة المركزية ‪ ،‬وهي‬ ‫حقل الوزن ( اختياري) ‪ ،‬حقل الوزن المحتمل الذاتي ( اختياري) ‪ ،‬وحقل‬ ‫الحالة (اختياري)‪ .‬لن نستخدم ًأيا من ىذه المعممات االختيارية ليذا التحميل ‪.‬‬ ‫فحقل الوزن ىو حقل رقمي يستخدم لمسافات الوزن في مصفوفة الواجية‬ ‫األصمية‪ .‬عمى سبيل المثال ‪ ،‬إذا كان لديو مجموعة بيانات تحتوي عمى‬ ‫معمومات مبيعات العقارات ‪ ،‬كل نقطة قد يحتوي عمى سعر البيع‪ .‬يمكن‬ ‫استخدام سعر البيع لوزن أداة الميزة المركزية‪.‬‬ ‫وحقل الوزن المحتمل الذاتي‪ :‬ىذا الحقل يمثل القدرة الذاتية أو المسافة أو‬ ‫الوزن بين الميزة نفسيا‪.‬‬ ‫حقل الحالة ‪:‬يستخدم لتجميع الميزات لحسابات الميزة المركزية منفصمة‪ .‬ىذا‬ ‫صحيحا ‪ ،‬أوبيانات ‪.‬‬ ‫عددا‬ ‫الحقل يمكن أن يكون ً‬ ‫ً‬ ‫بعد إدخال الطبقات المطموبة والضغط عمى‬

‫‪ OK‬يتم عرض النتيجة عمى‬

‫الخريطة ( المعالم المركزية ) عمى النحو الموضح أدناه‪.‬‬

‫‪- 137 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫أداة ‪:Mean Center‬‬ ‫تحسب أداة ‪ Mean Center‬المركز الجغرافي لمجموعة من الميزات ويمكن‬ ‫أن تكون مرجح بحقل رقمي؛ و ال بد من مراعاة عند استخدام ىذه األداة‬ ‫األخذ فى اإلعتبار القيم المتطرفة ؛ حيث يمكن أن تغير بشكل كبير الوسط‬ ‫؛ لذا إذا كانت البيانات تحتوي عمى قيم متطرفة ‪ ،‬فقد تكون في وضع‬ ‫أفضل باستخدام أداة ‪. Median Center‬‬ ‫لتشغيل أداة ‪Mean Center‬‬ ‫من ‪ ArcToolbox‬ثم مربع األدوات ‪ Spatial Statistics Tools‬ومنيا‬ ‫‪ Measuring Geographic Distributions‬؛ نختار‬ ‫‪Mean‬؛‬ ‫‪- 138 -‬‬

‫‪Central‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫مزدوجا عمى األداة ‪ ،‬تظير النافذة التالية‪:‬‬ ‫نقر‬ ‫انقر ًا‬ ‫ً‬

‫تحديد اإلدخال واإلخراج حيث تظير ‪ Mean Center‬وىى عبارة عن نقطة‬ ‫واحدة ولكن االختالف عن األداة السابقة ؛ ويظير االختالف كما ىو موضح‬ ‫أدناه‪.‬‬

‫‪- 139 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫أداة ‪Median Center‬‬ ‫تحدد األداة ‪ Median Center‬الموقع من فئة المعالم التي تقمل م‬

‫ن‬

‫المسافة اإلقميدية الشاممة إلى الميزات الموجودة في مجموعة البيانات‪ .‬وعمى‬ ‫ىى ال تتأثر بالقيم المتطرفة‪.‬‬ ‫عكس أداة الوسط ‪ ،‬ف‬ ‫تشغل األداة ‪:‬من نفس مجموعة األدوات واختيار ‪.Median Center‬‬

‫دبل كميك عمى األداة تظير النافذة التالية‪:‬‬

‫‪- 140 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫تحديد فئة اإلدخال ‪ ،‬واإلخراج واختيار ‪ OK‬؛ األداة ‪Median Center‬‬ ‫ىى تقريبا مثل أداة الميزة المركزية؛ والشكل التالى يوضح موقع الناتج من‬ ‫كل آداة ‪.‬‬

‫‪- 141 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫المسافة المعيارية ‪ Standard Distance‬والتوزيع اإلتجاهى‬ ‫‪Directional‬‬ ‫تقيس أداة المسافة المعيارية الدرجة التي تتركز بيا الميزات أوتتشتت حول‬ ‫دائرة اإلخراج التي أنشأتيا ىذه األداة عبارة عن االنحراف‬ ‫الوسط اليندسي؛ ف‬ ‫المعياري و بشكل عام كمما كانت الدائرة أكبر كمما كانت البيانات " توزيعيا‬ ‫مشتت"‪.‬‬ ‫خطوات تشغيل أداة المسافة المعيارية‪:‬‬ ‫من أداة ‪ Spatial Statistics Tools‬ثم ‪Measuring Geographic‬‬ ‫‪ Disruption‬وأختار األداة ‪Standard Distance‬؛‬

‫دبل كميك تظير النافذة التالية ‪:‬‬

‫‪- 142 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫يتم إدخال الطبقة المطموبة ؛ وتحديد مكان واسم فئة اإلخراج ثم بعد ذلك‬ ‫اختيار ‪STANDARD_DEVIATION_1 Size‬؛ حقل الوزن ‪Weight‬‬ ‫والحالة ‪ Case‬اختياري؛ ثم ‪.OK‬‬ ‫سيتم إنشاء فئة جديدة باستخدام مضمع دائري واحد ‪ ،‬كما ىو موضح في‬ ‫لقطة الشاشة التالية‪ .‬تمثل ىذه الدائرة مدى البيانات التي تقع ضمن‬ ‫االنحرافات المعيارية لممتوسط كما موضح أدناه‪.‬‬

‫‪- 143 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫يجب أن تكون حوالي‬ ‫ولكى نرى عدد الميزات التي تحتوي عمييا الدائرة ( ف‬ ‫‪ .)٪68‬من أداة ‪ | Selection‬حدد ‪ Select by Location‬من قائمة‬ ‫‪.ArcMap‬‬

‫يتم تحديد الطبقة التى تم عمل مسافة معيارية ليا ؛ وتحديد المسافة المعيارية‬ ‫المنشئة كما ىو موضح أدناه ثم ‪.OK‬‬

‫‪- 144 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫وبالضغط عمى ‪ ، OK‬يحدد النقاط التى تقع داخل نطاق المسافة المعيارية‬ ‫المحددة عمى النحو التالى ؛ ومن خالل نسبتيا يتم تحديد إذا كان ىناك‬

‫تشتت أو تركز فى توزيع البيانات‪.‬‬

‫أداة ‪:(Standard Deviational Ellipse) Directional Distribution‬‬ ‫تقوم ىذه األداة بقياس االنحراف لتمخيص الخصائص المكانية من الميزات‬

‫الجغرافية ‪ ،‬بما في ذلك الميل المركزي ‪ ،‬التشتت ‪ ،‬واتجاىات الظاىرات‬

‫الخطية‪.‬‬

‫تشغيل األداة‪:‬‬

‫من مجموعة أدوات ‪ Spatial Statistics Tools‬ومنيا أداة ‪Measuring‬‬

‫‪ Geographic Distributions‬؛ ثم نختار األداة ‪Directional‬‬ ‫‪Distribution‬‬

‫‪- 145 -‬‬

‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫دبل كميك تظهر النافذة التالية‪:‬‬

‫فالناتج يظير كما موضح بالنافذة التالية‬

‫‪- 146 -‬‬

‫الفصل اخلامس‬ ‫حتليل األمناط بإستخذام أدوات ‪Arc GIS‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫تحليل األنماط باستخدام أدوات ‪:ArcGIS‬‬ ‫حتحوو مجموعة أدوات حتليل األنماط في مربع أدوات اإلتصاء المكاني‬ ‫على سلسلة من األدوات الحي حساعد في حقييم ما إذا كانت الميزات أو القيم‬ ‫المرحبطة بالميزات حتون مجمعة أو مفرقة ‪ ،‬أو موزعة بنمط عشوائي‪.‬‬ ‫ىذه األدوات حولد نحيجة واتدة لمجموعة البيانات حعرف باإلتصائيات‬ ‫االسحنحاجية أواتحمال مدى ثقحنا في أن ىذا النمط إما مشحت أو محفاوت‪.‬‬ ‫مجموعة أدوات تحليل األنماط‪:‬‬ ‫مجموعة أدوات حتليل األنماط ‪ ، Analyzing Patterns‬الموجودة في‬ ‫مربع أدوات اإلتصاء المكاني والحي حظير في لقطة الشاشة الحالية ‪ ،‬حتحوو‬ ‫على مجموعة من األدوات الحي حؤدو حتليل النمط مقابل مجموعة البيانات‪.‬‬ ‫حقوم كل من ىذه األدوات بإرجاع معلومات إتصائية تول مجموعة البيانات‬ ‫بأتمليا؛ ومخرجات ىذه األدوات ليست خريطة بل معلومات إتصائية حساعد‬ ‫في حتديد ما إذا كان مجموعة البيانات مجمعة أو مشححة أو بيا نمط‬ ‫عشوائي‪.‬‬ ‫في ىذا الجزء ‪ ،‬سوف ححعلم كيفية اسحخدام العديد من ىذه األدوات لحتديد ما‬ ‫محفاوت ‪ ،‬مثل ‪:‬‬ ‫ة‬ ‫مشحت أو‬ ‫ة‬ ‫إذا كانت مجموعة البيانات‬ ‫ اسحخدام أداة الجوار األدنى المحوسط ‪Average Nearest .‬‬‫‪Neighbor‬‬

‫‪- 148 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫ اسحخدام أداة االرحباط الحلقائي المكاني لحتليل األنماط ‪Spatial‬‬‫‪Autocorrelation.‬‬ ‫ اسحخدام أداة حتليل التحلة المكانية محعددة المسافات‪Multi-‬‬‫‪Distance Spatial Cluster Analysis.‬‬

‫فيم الفرضية الفارغة‪null hypothesis:‬‬ ‫جميع أدوات حتليل األنماط الحي ندرسيا في ىذا الفصل حعمل على فرضية‬ ‫أنه يحم حوزيع الميزات أو القيم المرحبطة بيذه الميزات بشكل عشوائي‪ .‬ىذا ىو‬ ‫المعروف باسم العشوائية المكانية التاملة (‪ .)CSR‬ىذه ىي الفرضية الفارغة‬ ‫المسحخدمة مع جميع أدوات اإلتصاءات المكانية داخل برنامج ‪.ArcGIS‬‬ ‫ىذه النحائج حخبرنا‬ ‫حقوم أدوات حتليل األنماط بإرجاع الدرجات ‪ z‬والقيم ‪p‬؛ ف‬ ‫إذا كان بإمكاننا رفض فرضية فارغة من المسؤولية االجحماعية للشركات‪.‬‬ ‫إذا حمكنا من رفض الفرضية الفارغة ‪ ،‬فيمكننا قول أنو يحم حجميع البيانات‬ ‫ف‬ ‫الخاصة بنا أو حفريقيا في نمط ذو داللة إتصائية ‪ ،‬وىذا ىو مؤشر لنوع‬ ‫من العملية األساسية اليامة في العمل الحي حسببت في ىذا النمط‪.‬‬ ‫‪- 149 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫قيم ‪:P‬‬ ‫قيمة ‪ p‬ىي مقياس التحمال وجود نمط مكاني عشوائي؛ حعحبر قيم ‪p‬‬ ‫الصغيرة بمثابة مؤشر على النموذج المكاني غير العشوائي ؛ وححراوح قيم ‪P‬‬ ‫من ( صفر إلى ‪ ) 1‬كل ما كانت قيمة ‪ p‬أقل حشير إلى أن قيمة الحوزيع‬ ‫المكاني ليست عشوائية‪ .‬ويمكن حعيين قيمة لمخحلف القيم ‪ ، p‬كما ىو‬ ‫موضح في الجدول الحالي‪:‬‬

‫درجات ‪ Z‬واانحراا المميارر‪:‬‬ ‫درجات ‪ Z‬ىي انترافات قياسية ‪ ،‬وىي مقياس لعدد االنترافات المعيارية‬ ‫مساويا للمحوسط ‪ ،‬بينما‬ ‫عنصر‬ ‫ًاا‬ ‫بعيداًا عن الوسط‪ .‬حمثل درجة ‪( Z‬صفر )‬ ‫ًا‬ ‫حشير درجة ‪ 2.5+‬إلى أن العنصر ‪ 2.5‬ىو االنترافات المعيارية‪.‬‬

‫أيضا ربط نقاط ‪ Z‬بمسحويات‬ ‫يمكن أن حتون النحائج إيجابية أو سلبية‪ .‬يمكننا ًا‬

‫درجة ‪ Z‬أقل من ‪ 1.65 -‬أو أتبر من‬ ‫الثقة فقط كما رأينا مع القيم ‪ .P‬ف‬ ‫‪ 1.65+‬حساوو ‪ ٪90‬من مسحوى الثقة‪ .‬درجة ‪ Z‬أقل من ‪ 1.96 -‬أو أتبر‬ ‫من ‪ 1.96+‬حمنح مسحوى ثقة ‪ ، ٪ 95‬والنحيجة ‪ Z‬أقل من ‪ 2.58-‬أو أتبر‬ ‫من ‪ 2.58+‬حعطي مسحوى ثقة ‪ ٪ 99‬كما موضح بالجدول الحالى‪:‬‬ ‫‪- 150 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫معا بشكل عام ‪ ،‬فدرجات ‪ z‬عالية‬ ‫عادة ‪ ،‬يحم حتليل درجات ‪ z‬والقيم ‪ً p‬ا‬

‫جدا أو منخفضة باإلضافة إلى قيم ‪ p‬الصغيرة سححيح لنا الحفكير في رفض‬ ‫الفرضية الفارغة ‪. null hypothesis‬‬

‫موضوعيا ؛ و قبل‬ ‫تكما‬ ‫إن رفض الفرضية ‪ null hypothesis‬يحطلب‬ ‫ًا‬ ‫ًا‬ ‫حشغيل أداة حتليل األنماط سوف نرغب في حتديد قيمة الثقة وعدم رفض‬ ‫الفرضية الفارغة إال إذا كان اإلخراج يطابق أو يحجاوز قيمة الثقة‪ .‬ححضمن‬ ‫قيم الثقة النموذجية ‪ ٪90‬و ‪ ٪95‬و‪ ٪ 99‬؛ مع ‪ ٪ 99‬كونيا األتثر‬ ‫‪- 151 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫حتفظا‪ .‬وبعبارة أخرى ‪ ،‬إذا قمت بحتديد مسحوى الثقة ‪ ، ٪ 99‬فإنك لن‬ ‫حرفض الفرضية الفارغة ما لم يكن اتحمال أن حم إنشاء نمط من قبل فرصة‬ ‫عشوائية أقل من ‪.٪ 1‬‬ ‫‪- 1‬أداة ‪: Average Nearest Neighbor‬‬ ‫حقوم أداة ‪ Average Nearest Neighbor‬بتساب مؤشر الجوار‬ ‫اسحنادا إلى محوسط المسافة من كل ميزة إلى أقرب ميزة‬ ‫األقرب‬ ‫ًا‬

‫لتل ميزة في مجموعة البيانات ‪ ،‬يحم تساب المسافة‬ ‫مجاورة ليا‪ .‬ف‬

‫إلى أقرب جار ليا‪.‬‬ ‫تيث ححم مقارنة محوسط المسافة إلى محوسط المسافة المحوقع‪.‬‬ ‫والنحيجة عبارة عن محوسط نسبة أقرب جار (‪ )ANN‬وىي عبارة عن‬ ‫إذا كانت النسبة أقل من ‪ ، 1‬فيمكننا القول أن البيانات الحى‬ ‫نسبة ؛ ف‬ ‫حعرض مجمعة‪ ،‬في تين أن قيمة أتبر من ‪ 1‬حشير إلى وجود نمط‬ ‫مشحت في عرض البيانات‪.‬‬ ‫ونسبة ‪ ANN‬الحي حم إنشاؤىا نحيجة لحقسيم المسافة المالتظة على‬ ‫المسافة المحوقع ة حخلق قيمة بين صفر و ‪1‬؛ إذا كانت النسبة أقل‬ ‫نمطا محفاوحًاا ‪ ،‬بينما‬ ‫من ‪ ، 1‬يمكننا أن نقول أن البيانات تعرض ًا‬ ‫حشير قيمة أتبر من ‪ 1‬إلى نمط مشحت في البيانات‪.‬‬

‫‪- 152 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫تشغيل األداة ‪:Average Nearest Neighbor‬‬ ‫من مجموعة أدوات ‪ Arc toolbox‬ثم مجموعة االدوات ‪Spatial‬‬ ‫‪ Statistics Tools‬أخحار األداة ‪Analyzing Patterns‬‬

‫دبل كليك على األداة‬

‫سوف يخرج مربع توار الحقدم نحائج األداة ‪ ،‬كما ىو موضح في ما يلي ‪،‬‬ ‫إلى جانب حقرير ‪ .HTML‬لنناقش ماذا حعني النحائج‪ .‬والقياسات المسافة‬ ‫المبلغ عنيا حتون باألمحار ‪ ،‬كما نرى ىنا‪:‬‬

‫‪- 153 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫والمسافة المتوسطة المالحظة‪ .‬ىذه ىي المسافة المحوسطة بين الميزات‬ ‫باألمحار‪ .‬لتل ميزة في منطقة الدراسة و يحم تساب أقرب جار؛ ثم يحم حقسيم‬ ‫مجموع جميع المسافات بواسطة عدد الميزات للوصول إلى المسافة‬ ‫المحوسطة المالتظة؛ في ىذه التالة فإن القيمة ‪ 35.624068‬محر‪.‬‬ ‫التالي ىو متوسط المسافة المتوقمة؛ ىذا ىو محوسط المسافة المحوقعة‬ ‫لمجموعة البيانات؛ في ىذه التالة حبلغ القيمة ‪ 98.574681‬محر‪.‬‬ ‫أيضا نسبة الجار األقرب وىي محوسط‬ ‫بينما تبلغ نسبة ‪ ، ANN‬وحسمى ًا‬

‫المسافة الملتوظ مقسومة على محوسط المسافة المحوقعة‪ .‬في ىذه التالة ‪،‬‬ ‫عندما حتون القيمة أقل من ‪، 1.0‬‬ ‫فإن نسبة ‪ ANN‬ىي ‪ .0.361392‬ف‬ ‫‪- 154 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫نقول أن البيانات مجمعة فى تين أن القيم الحي ححجاوز ‪ 1.0‬حتون مشححة‪.‬‬ ‫كثير من ‪ ، 1.0‬لذلك فحتون بياناحنا ُمجمعة‪ .‬ومع‬ ‫في ىذه التالة القيمة أقل ًاا‬

‫ذلك ‪ ،‬فإن ازدت نقاط وقيمة ‪ z‬حعطينا معلومات إضافية تول النحيجة‪.‬‬

‫درجة ‪ z‬لمجموعة البيانات ىذه ىي ‪ 196.017590 -‬والقيمة ‪ p‬ىي‬ ‫عند فتص الجداول السابقة للتصول على نقاط ‪ z‬والقيم ‪p‬‬ ‫‪ .0.000000‬؛ ف‬ ‫‪ ،‬سحرى أن كال الدرجات في ىذه التالة وضعنا في مسحوى الثقة ‪.٪ 99‬‬ ‫فحص تقرير ‪:HTML‬‬ ‫يمكن فتص حقرير ‪ HTML‬عن طريق حنفيذ الخطوات الحالية‪:‬‬ ‫بيانيا للنحائج ؛ فالقيم الحي سبق‬ ‫حقرير ‪ HTML‬مفيد ألنو يقدم لنا‬ ‫ًا‬ ‫عرضا ًا‬

‫أيضا في ملف ‪ HTML‬مع ملف الحمثيل المرئي للمكان الذو‬ ‫ذكرىا موجودة ًا‬ ‫وصفا للنحائج‪:‬‬ ‫أيضا أنو يوفر لنا‬ ‫ًا‬ ‫سقطت فيو البيانات‪ .‬سحالتع ًا‬

‫‪- 155 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫استخدام اارتباط المكاني ‪ Spatial Autocorrelation‬لتحليل األنماط‪:‬‬ ‫حقيس أداة االرحباط الحلقائي المكاني ‪ Spatial Autocorrelation‬االرحباط‬ ‫الميزات‬ ‫الذاحي المكاني في وقت واتد مع قياس مواقع الميزة وقيم السمة‪ .‬ف‬ ‫الحي حتون قريبة ويكون ليا قيم مماثلة ‪ ،‬يقال أنىا فى نمط مجمع و الميزات‬ ‫الحي حتون قريبة من بعضيا البعض وليا قيم محباينة ‪ ،‬حتون مشححة‪.‬‬ ‫ولىذه األداة إخراج قيمة مؤشر ‪ Moran's I‬جنباًا إلى جنب مع درجة ‪، Z‬‬ ‫وقيمة ‪.P‬‬ ‫‪- 156 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫في ىذا الحمرين ‪ ،‬سحسحخدم أداة االرحباط الحلقائي المكاني لحتليل مبيعات‬ ‫المنازل عن طريق الحعداد‪ .‬لدينا خريطة لمدينة شبين التوم " حصنيف‬ ‫اسحخدامات األرض"‬

‫تشغيل األداة ‪: Spatial Autocorrelation‬‬ ‫من صندوق أدوات ‪ Arc tool box‬من مجموعة أدوات ‪Spatial‬‬ ‫‪ Statistics Tools‬ومنيا أداة ‪Spatial Autocorrelation‬؛‬

‫دبل كليك علي األداة يظير المربع التالى‬ ‫‪- 157 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫بالضغط على ناتج المملية أسفل الشاشة تظير‬

‫‪- 158 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫أيضا عرض مخرجات ىذه األداة (وأو أداة أخرى) من نافذة‬ ‫ويمكن ًا‬

‫‪ ، ArcMap‬انحقل إلى ‪ Geoprocessing‬واخحيار ‪Results‬‬

‫‪- 159 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫أيضا النقر المزدوج في ملف حقرير ‪ HTML‬اإلخراج‪MoransI :‬‬ ‫‪ ،‬ويمكنك ًا‬

‫عادة ما يقع مؤشر موران في مكان ما بين( ‪ 1.0-‬و ‪ )1.0+‬؛ تيث يشير‬ ‫صفر إلى نمط مكاني عشوائي‪ .‬لتن ال يمكننا فتص ىذا المؤشر بمعزل‪.‬‬ ‫فال بد من إلقاء النظر على قيمة ‪ p‬ودرجة ‪.z‬‬ ‫استخدام أداة ‪:Multi-Distance Spatial Cluster Analysis‬‬ ‫حتدد ىذه األداة ما إذا كانت الميزة حظير مواقع الحجميع أو الحشحت التبير‪،‬‬ ‫وغالبا ما حسحخدم ىذه األداة في مجاالت الدراسات البيئية ‪ ،‬والرعاية الصتية‬ ‫‪- 160 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫‪ ،‬والجريمة ‪ ،‬تيث حتدد ما إذا كانت ميزة واتدة حجذب ميزه أخرى مع األخذ‬ ‫فى االعحبار ان مجموع ة البيانات يمكن ان حتون‬ ‫محفاوت المسحويات أومشححو‬ ‫ة‬ ‫كما ىو معروف في الرسم البياني الخطي ‪.‬‬ ‫فمن مجموعة أدوات‬

‫‪ Spatial Statistics Tools‬؛‬

‫‪Analyzing‬‬

‫‪ Patterns‬؛ أداة ‪Multi- Distance Spatial Cluster Analysis‬‬

‫تظير النافذة التالية‬

‫‪- 161 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫اضغط على ‪ OK‬؛ سحقوم االداه بكحابو المخرجات إلى مربع توار الحقدم ‪،‬‬ ‫وانشاء جدول المخرجات ‪ ،‬بعرض رسم بياني‪:‬‬

‫باإلضافة إلى جدول بيانات يحم إضافحو إلى جدول المتحويات؛‬

‫ويعحبر الجدول أفضل طريقو لحفسير النحائج؛ تيث يتحوى على ‪ 10‬سجالت‬ ‫يمثل واتد لتل نطاق‪.‬‬

‫‪- 162 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫عند الحفسير ‪ ،‬سنقوم بفتص التقل ‪ ObservedK‬مقابل التقل‬ ‫‪ .ExpectedK‬بالنسبة للسجالت العشرة الحي حم إنشاؤىا في ىذه التالة ‪،‬‬ ‫نجد أن‬

‫تقل المرصد ‪ ObservedK‬أتبر من التقل المحوقع‬

‫‪ ExpectedK‬في كافة التاالت‪ .‬فيشير ىذا إلى نمط محفاوت‪ .‬ومع ذلك ‪،‬‬ ‫يجب علينا ان ندرس ما يحعلق بتقل ‪ HiConfEnv‬لالىميو االتصائيو‪.‬‬ ‫إذا كان التقل ‪ ObservedK‬أتبر من تقل ‪ ، HiConfEnv‬فانو يشير‬ ‫ف‬ ‫إلى الحجميع إتصائيا‪.‬‬ ‫مجموعة أدوات ‪: Mapping Clusters‬‬ ‫فيما يلى سوف ححعلم كيفيو اسحخدام العديد من األدوات المسحخدمة لحتديد‬ ‫مخحلف الحتليالت العنقودية‪:‬‬ ‫أداه البتث عن الحشابو ‪.Similarity Search‬‬ ‫أداه حتليل الحجميع ‪.Grouping Analysis‬‬ ‫أداه حتليل النقاط الساخنة ‪. Hot Spot Analysis‬‬ ‫أداه حتليل النقاط الفعالة المتسنة ‪. Optimized Hot Spot Analysis‬‬ ‫أداة التحلة وأداه حتليل ‪.Cluster and Outlier Analysis Outlier‬‬ ‫أداة ‪:Similarity Search‬‬ ‫يحم اسحخدام أداه البتث عن الحشابو لحتديد الميزات المرشتة والمماثلو أو‬ ‫األتثر حبايناًا لواتد أو أتثر من الميزات المدخلة؛ ويمكن حتديد المدخالت‬ ‫اما طبقو أو مجموعو فرعيو متدده من طبقو‪.‬‬ ‫‪- 163 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫مثال السحخدام أداه البتث عن الحشابو عند متاولة التصول على‬

‫موقع‬

‫مخزن ناجح ويمحلك العديد من اإلمكانات الجديدة لمواقع الحخزين‪ .‬تيث‬ ‫يتحوو ىذا الموقع الناجح التالي علي عدد من السمات المرفقة ‪ ،‬بما في‬ ‫ذلك محوسط الدخل والتثافة السكانية والمسافة إلى المنافس‪.‬‬ ‫يحم عرض عدد من الميزات المتحملة كنقاط خضراء‪ .‬ىذه الطبقة أيضا‬ ‫ف‬ ‫تحضمن نفس السمات و باسحخدام أداه البتث عن الحشابو ‪ ،‬يمكننا حتديد او‬ ‫من حلك المواقع المرشتة المتحملة ىي األتثر مماثلو لموقع الحخزين الناجح‬ ‫وانشاء حرحيب المحاجر المتحملة‪.‬‬ ‫فماذا يمني أن تتون مماثلو ؟ وكيف تممل ااداه بالفمل ؟ أول شيء يجب‬ ‫القيام بو ىو حوتيد الصفات ؛ فبما اننا غالباًا ما نعمل مع عده سمات في‬ ‫الحتليل ‪ ،‬ونتن ال نريد سمو واتده لحطغي علي اآلخرين علي سبيل المثال‬ ‫إذا كنت حسحخدم السكان والنسبة المئوية لغير المؤمن عليوم من السكان ‪،‬‬ ‫والمسافة لحخزين السمات االساسيو ‪ ،‬فسمة السكان يمكن بسيولو حطغي علي‬ ‫السمات األخرى بسبب تجم األرقام‪ .‬فأعداد السكان حميل إلى ان حتون كبيره‬ ‫‪ ،‬في تين أن النسبة المئوية لغير المؤمن علييم سيكون اقل من ‪.1.0‬‬ ‫ويخحلف تجم األرقام اخحالفاًا كبي اًار‪ .‬وبالحالي فان االداه حسحخدم عمليو حسمى‬ ‫‪" Z-transform‬حتويل‪ "Z‬إلنشاء قيم جديدة للسكان ‪ ،‬والنسبة المئوية غير‬ ‫المساف‪.‬‬ ‫ة‬ ‫المؤمن علييا ‪ ،‬و‬

‫‪- 164 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫وحساب تحويل ‪ : Z‬ىو طرح المحوسط من القيمة ثم قسمو االنتراف‬ ‫المعيارو؛ ويحضح ىذا في الشكل الحالى‪:‬‬

‫بمجرد إجراء حتويل ‪ Z‬لحوتيد السمة ‪ ،‬حقوم االداه بطرح القيم المرشتة من‬ ‫ف‬ ‫اليدف والمربعات ألننا ال نريد قيما أعلي أو أقل بل نريد فقط المسافة الفعلية‬ ‫في مساتة البيانات وأخي اًار يحم تساب مجموع المربعات لتل من السمات و‬ ‫يحم حعريف أقصر مسافة في مساتة البيانات علي أنيا األتثر حشابيا‪.‬‬

‫تشغيل أداه البحث عن التشابو‪:‬‬ ‫من األداة ‪ Spatial Statistics Tools‬؛ نخحار األداة ‪Mapping‬‬ ‫‪ Clusters‬؛ ومنيا األداة ‪Similarity Search‬‬

‫‪- 165 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫دبل كليك وتدد معلمات اإلدخال الحالي‪:‬‬ ‫ميزات اإلدخال للمطابقة ؛ ميزات ‪:Candidate feature‬‬ ‫وحتديد ميزات اإلخراج‪:‬‬ ‫‪MOST_SIMILAR :Most or least similar‬‬ ‫‪ATTRIBUTE_VALUES :Match Method‬‬ ‫سمات الفائدة‪.‬‬

‫‪- 166 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫تفسير النتائج‪:‬‬ ‫سحقوم ىذه األداة بإنشاء فئة ميزه جديدة حتحوو علي الميزات األتثر مثل‬ ‫ميزات اإلدخال للمطابقة مع جدول النحائج المطبوع إلى مربع توار الحقدم‪.‬‬ ‫ومربع توار الحقدم يمكننا من رؤية المعلومات كما ىو موضح فى لقطو‬ ‫الشاشة الحالية‪.‬‬

‫الجدول األول ىو ملخص للسمات الفائدة ‪ ،‬بما في ذلك ‪PCT_HISPAN‬‬ ‫و ‪ .PCTRENTED‬وىذا يحضمن التد األدنى والتد األقصى للقيم الحي حم‬ ‫العثور علييا للسمات إلى جانب االنتراف المعيارو ‪ ،‬والمحوسط ‪ ،‬وقيمو‬ ‫ميزه اإلدخال‪.‬‬ ‫ويتحوو الجدول الثاني علي ‪ 10‬مواقع مشابيو من الميزات المرشتة‪ .‬ىذا‬ ‫الجدول يسرد القيم ‪ OID‬و ‪ SIMRANK‬و ‪ SIMINDEX‬؛قيمو‬ ‫‪ SIMRANK‬ىو حرحيب الميزات الحي ححطابق بشكل وثيق مع المدخالت‪.‬‬ ‫اقيمو ‪ SIMINDEX‬تتدد مدو حشابو كل من حطابق التل إلى الميزة‬ ‫المسحيدفة ؛ سيحم أيضا إنشاء طبقو جديدة حتحوو علي الميزات األتثر‬ ‫‪- 167 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫تىا إلى جزء جدول المتحويات‪ .‬وحظير فى منطقة الخريطة‬ ‫حشابيا وأضاف‬ ‫متددة باللون األخضر‪.‬‬ ‫أداة ‪:Grouping Analysis‬‬ ‫حقوم أداة ‪ Grouping Analysis‬بحجميع الميزات اسحنادا إلى سمات ميزة‬ ‫ضاف إلى القيود المكانية والزمانيو ؛ فالناحج من ىذه األداة ىو إنشاء‬ ‫باإل ة‬ ‫مجموعات محميزة من البيانات بتيث حتون الميزات الحي ىي جزء من‬ ‫المجموعة محشابية قدر اإلمكان وحتون بين المجموعات محباينة قدر‬ ‫اإلمكان‪ .‬فاألداة قادرة علي حتليل محعدد المحغيرات واإلخراج يكون عبارة عن‬ ‫خريطة وحقرير‪.‬‬ ‫ويحتون الناحج من األداة من خريطة إلى جانب ‪ ، box plot‬كما يظير في‬ ‫الشكل الحالي‪.‬‬

‫فالـ ‪ box plot‬مفيد لحوضيح العديد من اإلتصاءات الوصفية األساسية‬ ‫لمجموعو البيانات بالطريقة البصرية‪.‬‬ ‫حظير شعيرات ‪ plot‬انحشار المحغير وأعلى قيمة وأدنى قيمة؛ في مثالنا‬ ‫ف‬ ‫علي ىذه الشريتة ‪ ،‬ادني قيمو ىي ‪ 8‬واعلي ىو ‪ ، 50‬والذو يعطي‬ ‫مجموعو من ‪42‬؛ والخط العمودو داخل المربع يمثل الوسيط من مجموعو‬ ‫‪- 168 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫البيانات؛ لذلك في ىذه التالة سيكون ‪ 21‬؛ وىذا يعني ان نصف القيم بين‬ ‫‪ 8‬و ‪ 21‬والنصف اآلخر بين‪ 21‬و ‪.50‬‬ ‫فزيج من الشعيرات ومربع الجمع يحم حقسيمو إلى ارباع ؛ ف‬ ‫م‬

‫الربع‬

‫األول يبدأ مع التد األدنى للقيمة من ‪ 8‬تحى بداية المربع وىو ‪14‬‬ ‫؛ ويبد أ الربع الثانى‬

‫في قيمو ‪ 14‬تحى الوسيط من مجموعة بيانات "‬

‫‪ "21‬والربع الثالث يبد أ عند القيمة ‪ 21‬وينحيي عند ‪33‬و الربع الرابع‬ ‫يمحد من القيمة ‪ 33‬إلى ‪.50‬‬

‫تشغيل األداة‪:‬‬ ‫من مجموعة أدوات ‪ Spatial Statistics Tools‬؛ ثم مجموعة أدوات‬ ‫‪ Mapping Clusters‬ومنيا ‪Grouping Analysis‬‬

‫دبل كليك على األداة ؛‬ ‫‪- 169 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫‪ Input Features:‬إدخال الطبقة المراد حجميعيا‪.‬‬ ‫‪ : Unique ID Field: TractID‬إخحيار التقل الذى يحم الحجميع على‬ ‫أساسو‪.‬‬ ‫‪ : Output Feature Class‬مكان الطبقة المخرجة‪.‬‬ ‫‪ : Number of Groups‬عدد المجموعات المطلوب حجميعيا (‪.)4‬‬ ‫‪: Analysis Fields‬‬ ‫‪NO_SPATIAL_CONSTRAINT :Spatial Constraints:‬‬ ‫‪: EUCLIDEAN : Distance Method‬‬ ‫سحقوم ىذه األداة بإنشاء فئة ميزه جديدة حتحوو علي المجموعات الحي حم‬ ‫حعريفيا ؛ وسحقوم األداة أيضا بإنشاء ملف ‪ PDF‬لإلخراج يتحوو علي‬ ‫‪- 170 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫جداول وقطع مربعو‪ .‬ىذا الملف سيكون موجودا في المكان الذى يحم اخحياره‬ ‫في معلمات اإلدخال‪.‬‬

‫المقطع األول في الحقرير ىو ملخص ‪ Group-Wise‬تيث يتحوو ىذا‬ ‫القسم علي جداول و‪ box plot‬لتل مجموعو حصف المجموعات المخحلفة‪.‬‬ ‫ويقدم الحقرير في البداية معلومات لمجموعو البيانات بأتمليا ‪ ،‬كما ىو‬ ‫موضح الشكل الحالى ‪.‬تيث كل جدول يكون لديو إتصائيات وصفيو بما في‬ ‫ذلك اسم محغير ‪ ،‬االنتراف المعيارو ‪ ،‬التد األدنى والتد األقصى‪.‬‬

‫ويكون لتل مجموعة بيانات داخل الخريطة‬ ‫الموضح باللون األزرق‬

‫‪- 171 -‬‬

‫‪ box plot‬؛ على النتو‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫و‪ box plot‬للون األتمر‬

‫واللون االخضر‬

‫والمقطع الحالي من الحقرير ىو ملخص ‪Variable-Wise‬؛ تيث يعرض‬ ‫جدوال لتل محغير مع إتصائيات وصفيو و‪ . box plot‬فانو يجعل من‬ ‫السيل المقارنة بين المحغيرات بين المجموعات ؛علي سبيل المثال يمكنك ان‬ ‫حرو بوضوح ان المجموعة ‪ 2‬لدييا نسبو مئوية أعلي من ذلك بكثير وأن‬ ‫المجموعة ‪ 3‬لدييا نسبو اقل‪.‬‬

‫‪- 172 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫والمقطع األخير في الحقرير ىو ‪ box plot‬محوازو يتحوو علي نفس‬ ‫البيانات ولتن مع خطوط مرسومة بين المحغيرات على النتو الموضح أدناه‬

‫‪- 173 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫أداة التحليل ‪:Hot Spot Analysis‬‬ ‫حفتص أداه ‪" Hot Spot Analysis‬حتليل النقاط الساخنة" الميزات وسماحيا‬ ‫لحتديد النقاط الساخنة اليام ة إتصائياًا والبقع الباردة باسحخدام إتصائيات‬ ‫‪ Getis-Ord Gi‬؛ فانو يوفر حجميع القيم العالية والمنخفضة وغير اليام ة ‪.‬‬ ‫ساخن ‪ ،‬بقعو باردة ‪.‬‬ ‫ة‬ ‫ويحم حعيين كل ميزه كنقطو‬ ‫تفسير األداة‪:‬‬ ‫ان ما يتدث أثناء عمليو حتليل النقاط الساخنة؛ أن كل ميزة في مجموع ة‬ ‫البيانات لو قيم ة سم ة يحم قياسيا في الحتليل‪.‬‬ ‫تيث يحم حعيين تي لتل ميزه ىذا التي تاسم للحتليل؛ و يجب ان حقرر‬ ‫كيف يحم حعريف التي كجزء من معلمات اإلدخال لألداة‪ .‬وإذا كان لم يكن‬ ‫يجب عليك ان حنظر‬ ‫لديك فكرة جيدة عن ما ينبغي ان يكون عليو التي ‪ ،‬ف‬ ‫السحخدام أداه ‪ Optimized Hot Spot Analysis‬حتليل النقاط الفعالة‬ ‫إذا كانت قيم ة‬ ‫المتسنة؛ فالتى ىو الذو يقارن إلى منطقو الدراسة بأتمليا‪ .‬ف‬ ‫سوف يحم وضع عالمة للميزه علي‬ ‫التي اعلي بكثير من منطقو الدراسة ف‬ ‫انيا نقطة ساخنة؛ وعلي العكس من ذلك إذا كانت قيم ة التي أقل بكثير من‬ ‫منطقو الدراسة ‪ ،‬يحم وضع عالمة علي الميزة كبقعو باردة‪.‬‬ ‫ففى المثال الحالى كل ميزة ليا قيمة معينة‬

‫‪- 174 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫كما لتل كل ميزه لدييا تي؛ يعرف التي بأنو الميزات األقرب إلى الميزه‬ ‫الحي يحم فتصيا‪.‬‬

‫منطقة الدراسة‬

‫وبعد حتديد التي ‪ ،‬حقارن األداة التي بمنقة الدراسة كليا تيث حتدد منطقو‬ ‫كامل من الميزات الحي سيحم فتصيا‪.‬‬ ‫ة‬ ‫الدراسة مجموعو‬ ‫‪- 175 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫إذا كانت قيم التي أعلي بكثير من منطقو الدراسة ‪ ،‬فيحم وضع عالمة علي‬ ‫ف‬ ‫الميزة على أنيا نقطو ساخنو‪ .‬وعلي العكس من ذلك ‪ ،‬إذا كانت قيمو التي‬ ‫اقل بكثير من منطقو الدراسة ‪ ،‬يحم وضع عالمة علي الميزة كبقعو باردة إذا‬ ‫لم يكن األمر كذلك فيحم وضع عالمة علي انيا ليست كبيره‪.‬‬

‫تشغيل األداة‪:‬‬ ‫من مجموعة أدوات من مجموعة أدوات ‪ Spatial Statistics Tools‬؛ ثم‬ ‫مجموعة أدوات ‪ Mapping Clusters‬ومنيا ‪Hot Spot Analysis‬‬

‫دبل كليك على األداة فحظير النافذة الحالية‪:‬‬

‫‪- 176 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫ثالث معلمات مطلوبة بما في ذلك فئة ميزه اإلدخال ‪ ،‬تقل اإلدخال ‪،‬‬ ‫ىناك ة‬ ‫ححطلب األداة أيضا وضع حصور للتيز المكاني‬ ‫وفئة ميزه اإلخراج‪ .‬ف‬ ‫"العالقات وطريقو المسافة"‪ .‬حوفر كال المعلمحين القيم االفحراضية إذا ال حتدد‬ ‫قيمو معلمو معينو‪.‬‬ ‫سنبدأ بحتديد ‪ .CONTIGUITY_EDGES_CORNERS‬فى مربع‬ ‫التوار ‪ Conceptualization of Spatial Relationships‬ىذه الطريقة‬ ‫سحتدد التي عن طريق الميزة الحي حشحرك في تد أو حشحرك في تافو مع‬ ‫مضلع آخر‪.‬‬ ‫يحم حتديد طبقة اإلدخال وطبقة اإلخراج واخحيار حصور العالقات المكانية‬ ‫‪:Conceptualization of Spatial Relationships‬‬ ‫‪CONTIGUITY_EDGES_CORNERS‬‬ ‫‪- 177 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫ثم انقر علي ‪ OK‬؛ حظير ناحج األداة كما موضح بالشكل الحالى‬

‫سيحم حرميز الملف الشكلي لإلخراج وفقا لمسحويات الثقة بين‪ %90‬و ‪%99‬‬ ‫ضاف‬ ‫تصائي كبيرة‪ .‬ويحم إ ة‬ ‫ة‬ ‫باالضافو إلى او ميزات مصمم ة لحتون غير إ‬ ‫الطبقة الجديدة إلى جزء "جدول المتحويات"‪.‬‬ ‫إيجاد القيم المتطرفة "أداة ‪: " Cluster and Outlier Analysis‬‬ ‫حعحبر أداة ‪ Cluster and Outlier Analysis‬ىي أداة الحتليل العنقودو‬ ‫والحتليل الخارجي ؛ وحسحخدم إلجراء حتليل النقاط الساخنة ‪ ،‬وتتدود القيم‬ ‫المحطرفة في البيانات الخاصة بالمشروع‪.‬‬ ‫تيث حبدأ األداة بفصل ‪ features‬واألتياء السكنية من منطقة الدراسة ؛‬ ‫ويحم فتص كل ميزة مقابل كل ميزة أخرى لمعرفة مقدار االخحالف عن‬ ‫الميزات األخرى ؛ وبالمثل يحم فتص كل تي بالعالقة مع جميع األتياء‬ ‫إتصائيا عن األتياء األخرى‪.‬‬ ‫مخحلفا‬ ‫األخرى لمعرفة ما إذا كان‬ ‫ًا‬ ‫ًا‬ ‫‪- 178 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫تشغيل األداة‪:‬‬ ‫حعحبر األداة إتدى أدوات اإلتصاء المكاني اليامة ألنيا حتحشف معلومات‬ ‫تول مجموعة البيانات والحي لن حتون واضتة‪.‬‬ ‫من مجموعة أدوات من مجموعة أدوات ‪ Spatial Statistics Tools‬؛ ثم‬ ‫مجموعة أدوات ‪ Mapping Clusters‬ومنيا أداة ‪Cluster and‬‬ ‫‪Outlier Analysis‬‬

‫يظير المربع الحالى‪:‬‬

‫‪- 179 -‬‬

‫الفصل اخلامس‪ :‬حتليل األمناط باستخذام أدوات‪:ArcGIS‬‬

‫‪ : Input Features‬الفئة المدخلة‬ ‫‪ : Input Field‬التقل المراد حتليل بياناحو‪.‬‬ ‫‪ : Output Features‬تفع الفئة المخرجة‬ ‫‪ Conceptualization of Spatial Relationships‬حصور العالقات‬ ‫المكانية‬ ‫‪CONTIGUITY_EDGES_CORNERS:‬‬ ‫ححرك اإلعدادات االفحراضية لبقية معلمات اإلدخال ؛ ثم الضغط على ‪ ok‬؛‬ ‫حظير الشاشة " ناحج األداة"‬

‫النقاط الساخنة حظير باللون (الوردو) والبقع الباردة (األزرق) والمناطق‬ ‫التمراء والزرقاء الداتنة حشير إلى القيم المحطرفة‪.‬‬

‫‪- 180 -‬‬

‫الفصل السادس‬ ‫أدوات منذجة العالقات املكانية و ‪Utilities‬يف ‪Arc GIS‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫أدوات نمذجة العالقات المكانية فى ‪:ArcGIS‬‬

‫فى الفصول السابقة درسنا األدوات التي تساعدنا عمى اإلجابة عن األسئمة‬

‫مثل أين تتجمع عمميات معينة في مدينة معينة؟ ومع ذلك ‪ ،‬لم يعالج التقدم‬

‫المنطقي لممشكمة مثل أسباب التجمع فى ىذه المناطق عن غيرىا‪.‬‬

‫في المقام األول يجب معرفة ما ىي العوامل التي تحدد سبب عمميات‬ ‫ف‬

‫اإلجابة عمى ىذه األنواع من األسئمة‬ ‫التجمع السائدة في منطقة معينة؟ ف‬ ‫تساعدنا عمى تصميم نموذج العالقات في بياناتنا‪.‬‬

‫وفيما يمى عرض كيفية استخدام العديد من ىذه األدوات لفيم الظاىرة ‪،‬‬

‫وخمق نماذج تنبؤية للظاىرة ‪ ،‬واستكشاف الفرضيات‪.‬‬

‫سيتم استخدام األدوات التالية لنمذجة العالقات بين المكان والبيانات الوصفية‬

‫‪:attribute data‬‬

‫أدوات تحميل االنحدار‪. Regression Analysis‬‬

‫ استخدام أداة ‪. Ordinary Least Squares‬‬‫‪ -‬استخدام أداة ‪. Exploratory Regression‬‬

‫‪ -‬استخدام أداة ‪. Geographically Weighted Regression‬‬

‫أساسيات تحميل االنحدار‪:‬‬

‫أدوات االنحدار الموجودة في نمذجة العالقات المكانية أدوات مساعدة مع‬

‫أدوات مثل‬ ‫التقدم المنطقي لمحصول عمى فيم أعمق لمشكمة لدينا‪ .‬ف‬

‫‪ Ordinary Least Squares‬و ‪ Exploratory Regression‬تساعدنا‬ ‫عمى تحديد المتغيرات التي تشرح سبب وجود نمط ممحوظ‪ .‬ىذا التفسير‬ ‫يمكن أن يؤدي إلى تطوير نماذج يمكنيا التنبؤ بحدوثيا في أماكن أخرر‪.‬‬

‫‪- 182 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫لماذا نستخدم تحميل االنحدار ‪Regression Analysis:‬‬

‫ىناك ثالثة أسباب رئيسية الستخدام تحميل االنحدار ‪ .‬أولها الحصول عمى‬

‫ال اررات المناسبة بشأن اإلجراءات التي يتطمب‬ ‫فيم للظاىرة أو اتخاذ ق‬

‫اتخاذىا ‪ .‬التا ني ىو خمق نماذج التنبؤ لظاىرة والتي يمكن تطبيقيا عمى‬ ‫مناطق أخرر‪ ،‬وأخي اًار‪ ،‬الستكشاف الفرضيات‪.‬‬ ‫شروط ومفاهيم تحميل االنحدار‪:‬‬

‫قبل أن نفحص أدوات االنحدار ‪ ،‬من الميم فيم بعض المصطمحات التي‬

‫سيتم استخداميا وفيما يمى عرض معادلة االنحدار ؛ حيث تتضمن متغير أو‬ ‫معامالت " متغيرات" تفسيرية أو خطأ عشوائي‪.‬‬

‫‪ Y‬ىو المتغير الذي يحاول فيم أو التنبؤ بالظاىرة ؛ فمن الممكن استخدام‬ ‫دائماًا يتم البدء مع‬ ‫االنحدار لمتنبؤ بيذا المتغير‪ ،‬ف‬

‫مجموعة من قيم ‪y‬‬

‫المعروفة واستخدام ىا إلنشاء نموذج االنحدار والتي يمكن استخداميا في‬ ‫التحميل التنبؤي لمناطق أخرر‪.‬‬

‫تستخدم المتغيرات التفسيرية أو المستقمة ‪ ،‬ممثمة بـ‬

‫‪ X‬في المعادلة ‪ ،‬في‬

‫نموذج أو توقع المتغيرات التابعة عمى سبيل المثال‪ ،‬إذا كنت ميتما في‬ ‫‪- 183 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫التنبؤ بموقع متجر تجزئة ناجح‪ ،‬قد تتضمن متغيرات توضيحية مثل عدد‬

‫العمالء المحتممين ضمن دائرة نصف قطرىا ‪ 5‬أميال‪ ،‬متوسط الدخل‬ ‫السنوي‪ ،‬المسافة إلى المنافس‪ ،‬وغيرىا‪.‬‬

‫معامل االنحدار ‪:‬ىو قيمة كل متغير توضيحي يتم حسابو بواسطة أداة‬

‫االنحدار؛ القيمة تمثل قوة ونوع العالقة سواء كانت موجبة أو سالبة‪.‬‬

‫المصطمحات األخرر التي تصادفيا بشكل متكرر عند العمل مع معادلة‬

‫االنحدار تتضمن قيم ‪ ،P‬ومربع ‪ p، r‬هي مقياس لالحتمال‪.‬‬

‫فتشير قيم ‪ p‬الصغيرة إلى احتماالت صغيرة إلى أن المعامل ميم لنموذجك‬ ‫عمى سبيل المثال‪ ،‬قيمة ‪ 0.01‬لـ ‪ p‬يشير إلى أن ىناك احتمال ‪ ٪99‬أن‬

‫المعامل ميم لنموذجك‪.‬‬

‫يتم استخدام مربع ‪ r‬من معادلة االنحدار لتحديد أداء النموذج في القيمة بين‬

‫كمما زادت القيمة كمما كان اعتمادك أفضل ؛ يتم شرح المتغيرات‬ ‫‪ 0‬و ‪ 100‬ف‬

‫من قبل المتغيرات المستقمة الخاصة بك‪ .‬إذا كان النموذج الخاص بك مناسباًا‬ ‫كمما كانت القيمة أقرب إلى ‪ ،0.1‬فيكون‬ ‫سيتم إنشاء قيمة مربع ‪ .0.1 r‬ف‬

‫أفضل تناسب للنموذج‪.‬‬

‫االنحدار الخطى مع أداة )‪:Ordinary Least Squares (OLS‬‬

‫أداة ‪Least Squares‬‬

‫‪ Ordinary‬أو ‪ OLS‬ىي أداة انحدار خطي‬

‫تستخدم إلنشاء تنبؤات أو نموذج لممتغير التابع من حيث عالقتو بمجموعة‬ ‫من المتغيرات التفسيرية‪ .‬فيعد ‪ OLS‬من أفضل أساليب االنحدار المعروفة‬ ‫ويوفر ميزة جيدة لنقطة االنطالق لتحميل االنحدار المكاني‪.‬‬

‫‪- 184 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫عالميا لممتغير أو العممية التي تحاول فيميا أو‬ ‫نموذجا‬ ‫توفر ىذه األداة‬ ‫ًا‬ ‫ًا‬ ‫التنبؤ بيا‪ .‬والنتيجة ىي معادلة االنحدار التى تصور عالقة خطية إيجابية‬ ‫أو سمبية‪.‬‬

‫دائما عممية تك اررية ‪ ،‬لذا ال تتوقع تشغيل ىذه األداة ببساطة‬ ‫يعتبر ‪ً OLS‬ا‬ ‫مرة واحدة فمن الصعب لمغاية ‪ ،‬وخاصة في العموم االجتماعية العثور عمى‬

‫صحيح المتغيرات التفسيرية لمتغير تابع‪ .‬باإلضافة إلى قضاء ساعات طويمة‬ ‫من البحث في تحديد المتغيرات التوضيحية المحتممة في معظم الحاالت‬

‫فستحتاج إلى تشغيل أداة ‪ OLS‬عدة مرات وفحص النتائج واجراء االختبارات‬ ‫الخاصة بك إلى أن إلى نصل إلى نموذج محدد بشكل صحيح وبدون تحيز‪.‬‬ ‫عند تشغيل أداة ‪ OLS‬ستحتاج إلى توفير العديد من معممات اإلدخال‬

‫المطموبة بما في ذلك فئة ميزة اإلدخال جنبا إلى جنب مع حقل معرف فريد‬

‫‪ ،‬متغير ‪ ،‬وشرح المتغيرات ؛ و يجب أن يكون المعرف الفريد والمتغير التابع‬

‫أيضا تعريف فئة‬ ‫والمتغيرات التوضيحية جميعيا حقول من فئة ميزة اإلدخال‪ً .‬ا‬ ‫ميزات اإلخراج اختياري وتتضمن المعممات ممف تقرير اإلخراج وجدول‬ ‫إخراج المعامالت ومخرجات التشخيص‪ .‬يمكن رؤية ىذه المعممات في لقطة‬ ‫الشاشة التالية‪:‬‬

‫‪- 185 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫عند تحديد معممات اإلدخال ألداة‬

‫‪ ، OLS‬سنحتاج إلى تحديد المتغيرات‬

‫التوضيحية التي نعتقد أنيا سوف تشرح المتغيرات التابعة‪ .‬والجدير بالذكر‬

‫أيضا أنو ربما يتطمب األمر إعادة تشغيل ىذه األداة عدة مرات مع‬ ‫ًا‬ ‫مجموعات مختمفة من المتغيرات التوضيحية قبل تطوير نموذج عممي‪.‬‬

‫يجب العثور عمى معمومات المتغيرات التوضيحية في حقول السمة لفئة ميزة‬ ‫ف‬ ‫اإلدخال ‪ ،‬لذلك قد تحتاج إلى القيام ببعض اإلعداد المسبق لـمجموعة‬

‫البيانات الخاصة بنا قبل تشغيل أداة ‪. OLS‬‬

‫‪- 186 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫يتضمن إخراج أداة ‪ OLS‬فئة ميزات اإلخراج ‪ ،‬وتقرير يحتوي عمى نتائج‬

‫إحصائية ‪ ،‬ممف تقرير ‪ PDF‬اختياري ‪ ،‬وجدول اختياري لشرح المعامالت‬

‫المتغيرة ‪ ،‬وجدول اختياري لتشخيص االنحدار‪.‬‬

‫في ىذا القسم ‪ ،‬سوف نستخدم أداة ‪ OLS‬لمتعرف عمى حوادث السطو عمى‬

‫وجو التحديد ‪ ،‬نريد أن نفيم المتغيرات التي تؤدي إلى معدالت السطو العالي‬

‫وفي ىذه الحالة ‪ ،‬يكون المتغير التابع ىو معدل السطو عن طريق التعداد‬

‫السكاني‪ .‬وسيتم استخدام المتغيرات التوضيحية المحتممة في التحميل‪.‬‬ ‫تشغيل األداة ‪:Ordinary Least Squares‬‬

‫من خالل نشغيل برنامج ‪ Arc map‬ثم تشغيل األداة عمى النحو التالى‬

‫تعتمد كمية التحضير عمى عدد من العوامل والمتغيرات المستخدمة لدراسة‬

‫الموضوع ؛ فمثالًا لدراسة عمميات السطو عمى منطقة سكنية معينة يتطمب‬ ‫معرفة المتغيرات التالية ‘ والتى تكون متوفرة لدينا فى جدول سمات الطبقة ؛‬ ‫ىذه المتغيرات ىى التى تكون من المحتمل أن تؤثر عمى حوادث السطو‬

‫مثل‬

‫‪ :PCT_HISPAN‬النسبة المئوية لمسكان األصميين‪.‬‬ ‫‪ :PCT_WHITE‬النسبة المئوية لمسكان غير األصميين " المستأجرين"‪.‬‬

‫‪ :PCT_BLACK‬النسبة المئوية لمسكان غير األصميين " المياجرين مثالَال"‬

‫‪ :OCCUPIEDUN‬النسبة المئوية لموحدات السكنية المحتمة‪.‬‬

‫‪VACANTUNIT:‬الشغور وىو عدد الوحدات السكنية الشاغرة‪.‬‬

‫‪ :MED_AGE_MA‬متوسط عمر السكان الذكور‪.‬‬ ‫‪ :AVG_HH_SIZ‬متوسط حجم األسرة‪.‬‬

‫‪ :PCTRENTED‬النسبة المئوية لموحدات السكنية المستأجرة‪.‬‬ ‫‪- 187 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫‪ :_COUNT‬إجمالي عدد حوادث السطو لمدة عام واحد لن يتم استخدام‬ ‫ىذا الحقل كمتغير توضيحي‪.‬‬

‫‪ :NORMBURG‬عدد عمميات السطو العادية‪ .‬ىذا ىو المجال الذي سيتم‬ ‫استخدامو كمتغير تابع‪ .‬تم اشتقاق الحقل بواسطة قسمة القيمة في حقل‬

‫‪ _Count‬عمى مساحة كل منطقة تعداد‪.‬‬

‫‪ :HSDROP‬عدد المتسربين من المدارس الثانوية‪.‬‬ ‫‪ :MEDHHINC‬متوسط دخل األسرة‪.‬‬

‫‪ :PERCUNEMP‬النسبة المئوية لمسكان العاطمين عن العمل‪.‬‬

‫‪ :PERCPOV:‬النسبة المئوية لمسكان الذين يعيشون تحت الفقر‪.‬‬

‫‪ :FEMALEHD‬النسبة المئوية لمسكان الذين يفتقدوا رب أسرة ‪.‬‬ ‫‪ :DIVORCED:‬النسبة المئوية لمسكان المطمقين‪.‬‬

‫‪ :NEWARRIVE‬النسبة المئوية لمسكان الذين ىاجروا إلى المنطقة في‬ ‫العام الماضي‪.‬‬

‫السكان‪ :‬إجمالي عدد سكان التعداد‪.‬‬

‫المسافة‪ :‬المسافة إلى قمب المدن‪.‬‬

‫سيتم استخدام معظم ىذه الحقول كمتغيرات توضيحية محتممة ؛ سيكون حقل‬

‫‪ NORMBURG‬ىو المتغير التابع لنا‪ .‬ىذا المجال يحتوي عمى القيمة‬

‫الطبيعية لعمميات السطو لكل عممية تعداد‪ .‬الحقل ‪ Count‬يحتوي عمى عدد‬ ‫عمميات السطو في كل عممية تعداد‪ .‬إلزالة التأثير من الحجم الجغرافي عمى‬

‫العدد ‪ ،‬تم تقسيم ىذه القيم حسب المنطقة‬ ‫‪.NORMBURG‬‬

‫‪- 188 -‬‬

‫لموصول إلى محتويات‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫عادة‬ ‫يجب أن نضع في االعتبار أن المشروع النموذجي سيتطمب ًا‬ ‫اإلعداد المسبق لمجموعة البيانات الخاصة قبل تشغيل أداة ‪.OLS‬‬

‫بعض‬

‫فال بد من تعطيل ‪ geo processing‬عن طريق االنتقال إلى خيارات‬

‫‪ ، Geo processing‬والتأكد من أن يكون التمكين غير محدد‪ .‬إذا كان‬ ‫محدد فقم بإلغاء تحديد خانة االختيار‪.‬‬

‫في ‪ ، Arc Toolbox‬افتح مربع األدوات ‪ Spatial Statistics Tools‬ثم‬

‫افتح نمذجة العالقات المكانية ‪Modeling Spatial Relationships‬‬

‫مزدوجا عمى ‪Ordinary Least Squares‬‬ ‫نقر‬ ‫؛انقر ًاا‬ ‫ًا‬

‫‪- 189 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫ثم أدخل المعممات التالية‪:‬‬

‫‪ Input Feature Class‬فئة ميزة اإلدخال‪:‬‬ ‫‪ Unique ID Field‬حقل معرف فريد‪.TractID :‬‬

‫‪ Output Feature Class‬فئة ميزة اإلخراج‪ :‬تحديد موقعيا‬

‫‪Dependent Variable‬المتغير التابع‪.NormBurg :‬‬

‫‪Explanatory Variables‬المتغيرات التوضيحية‪ :‬حدد جميع الحقول‬ ‫باستثناء الحقل الذر يتضمن المعرفات الفريد‬

‫لكل سجل والحقول التى تحتوي عمى معمومات متغيرة تابعة‪.‬‬

‫‪ Output Report File (optional):‬ممف تقرير اإلخراج (اختياري)‪.‬‬ ‫‪ Additional Options‬خيارات إضافية‪ :‬لن نحدد أي شيء في ىذا القسم ‪.‬‬ ‫‪- 190 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫انقر فوق " ‪ "OK‬لتنفيذ األداة ؛ وبيذا تكون أداة ‪ ، OLS‬شممت جميع‬

‫المتغيرات التفسيرية المحتممة وىذا ال يعني أن كل ىذه المتغيرات سوف‬ ‫تثبت ارتباطيا بـحاالت السطو في المدينة ؛ حيث يمكن تجربة مجموعات‬ ‫مختمفة من المتغيرات التوضيحية لمحصول عمى أفضل مالئمة‪.‬‬

‫لكن ما هى المخرجات الناتجة عن أداة ‪:OLS‬‬

‫‪-1‬ىناك ستة اختبارات نحتاج إلييا كل مرة نقوم فييا بتشغيل أداة ‪OLS‬‬ ‫وفيما يمى سرد خطوات ىذه االختبارات ‪:‬‬

‫ ىل المتغيرات التوضيحية تساعد النموذج الخاص بي؟‬‫‪ -‬ىل كل متغير توضيحي ذو داللة إحصائية؟‬

‫مختمفا من القصة‪.‬‬ ‫ يجب أن يحكي كل متغير جزًاءا‬‫ًا‬ ‫ ىل تتجمع ‪ residuals‬البقايا في الموقع أو القيمة؟‬‫ ىل يتم توزيع البقايا عادة باستخدام اختبار ‪Jarque-Bera‬؟‬‫‪ -‬تقييم أداء النموذج‪.‬‬

‫‪ -2‬سوف يحتوي ‪ progress dialog‬مربع حوار المعالجة ‪ ،‬إلى جانب‬ ‫ممف ‪ OLS_Report.pdf‬عمى الكثير من المعمومات التي تحتاج إلى‬ ‫فحص و ممخص نتائج ‪ OLS‬حيث تجد قائمة بجميع المتغيرات التوضيحية‬

‫أيضا عمى‬ ‫التي تم تضمينيا بالتقرير ؛ ويحتوي ًا‬ ‫وصفا مر ًائيا لمعالقات بين المتغير التابع وكل متغير توضيحي‪.‬‬ ‫يعطي‬ ‫ًا‬

‫‪ scatterplot‬لكل متغير‬

‫‪-3‬دعنا أوالًا نمقى الضوء عمى معامالت المتغيرات التوضيحية المبينة في ما‬ ‫يمي والموضح بالشكل التالى وسيتم سرد كل متغير توضيحي‪.‬‬

‫‪- 191 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫‪-4‬يوفر المعامل قيمة تشير إلى قوة المتغير عمى متغير تابع مع نوع يمكن‬ ‫أن يكون‬ ‫سالبا‪.‬‬ ‫موجبا أو ًا‬ ‫ًا‬ ‫مثال إيجابي في حالة السطو عمى المنازل سيكون أكبر النسبة المئوية‬

‫لمستأجري العقارات السكنية (كنسبة مئوية من السكان) سيؤدي إلى عدد‬ ‫أكبر من عمميات السطو‪.‬‬

‫مثال سمبي سيكون أقل عمميات السطو كمما زادت المسافة بين النواة‬

‫دائما قيمة رقمية سالبة‪.‬‬ ‫الحضرية العالقات السمبية فسيكون ًا‬ ‫‪ .5‬عميك أن تسأل نفسك ما إذا كانت ىذه العالقات ىي ما تتوقعو باستخدام‬ ‫نيج المنطق السميم‪ .‬فتوقعاتك المسبقة قد تكون أو ال تكون صحيحة ‪ ،‬ولكن‬

‫في أكثر األحيان ‪ ،‬يجب أن تكون عالقتك كما ىو متوقع‪.‬‬

‫ال يحكم المتغير التوضيحي في ىذه المرحمة فيو مجرد دراسة كل متغير‬

‫لمعرفة ما إذا كانت قوة ونوع معامل ما كنت نتوقع استخدام الحس السميم‪:‬‬

‫‪- 192 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫‪-6‬االختيار التالي لكل متغير توضيحي ىو االحتمالية ومجاالت االحتماالت‬ ‫مقياسا لما إذا كانت المتغيرات ذات داللة‬ ‫القوية‪ .‬توفر ىذه اإلحصائيات‬ ‫ًا‬ ‫إحصائية‪ .‬وبعبارة أخرر ‪ ،‬ىل يقول كل متغير توضيحي جزء ميم من‬

‫القصة؟ ىذا سيل التحديد ببساطة عن طريق البحث عنو فالعالمات النجمية‬ ‫عمى الجانب األيمن من كل قيمة احتمال لكل متغير توضيحي ؛ فإذا رأيت‬

‫عالمة النجمة فيذا يشير إلى أن ىذا المتغير اجتاز التحقق من داللة‬

‫إحصائية وإذا لم نشاىد عالمة النجمة فيمكنك استنتاج أن ىذا األمر خاص‬ ‫والمتغير التوضيحي غير صالح وربما يحتاج إلى إزالتو‪ .‬أر أنيا ال تمعب‬

‫دو ار في النموذج‪.‬‬

‫مختمفا من القصة‪ .‬ىذا يقاس‬ ‫‪-7‬يجب أن يحكي كل متغير توضيحي جزًاءا‬ ‫ًا‬ ‫في أداة ‪ OLS‬من خالل ما يعرف باسم عامل (‪.)VIF‬‬ ‫‪ .9‬في بعض األحيان سوف تدرج متغيرات توضيحية متعددة في تحميمك‬

‫تقيس نفس الشيء ؛ عمى سبيل المثال في دراسة الحالة السكنية‪ ،‬قد تشمل‬ ‫عدد غرف النوم وكذلك مربع المنزل باألقدام‪ .‬ىذه المتغيرات ىي أساسا‬

‫نفسيا ما يعرف بحجم المنزل‪.‬‬

‫‪ .10‬يجب أن تكون قيمة ‪ VIF‬لكل قيمة توضيحية أقل من ‪ .7.5‬إذا كنت‬ ‫دائما أكثر من متغير واحد‬ ‫تمتمك القيم التي تتجاوز ‪ ، 7.5‬سيكون لديك ًا‬ ‫خارجيا ؛ "‪"7.5‬ىذا مؤشر عمى أن ىذه ىي المتغيرات التي تقيس نفس‬

‫الشيء " المتغيرات التي تحكي نفس القصة‬

‫" فيي زائدة عن الحاجة؛‬

‫احدا تمو اآلخر واعادة تشغيل أداة‬ ‫ستحتاج إلى إزالتيا و ًا‬ ‫إزالة أحد المتغيرات يؤثر عمى النموذج‪.‬‬

‫‪- 193 -‬‬

‫‪ OLS‬لمعرفة ىل‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫‪ -11‬في ىذا المدر من أداة ‪ ، OLS‬تم تحديد العديد من المتغيرات عمى‬ ‫أنيا تتجاوز‬

‫‪ 7.5‬حدود‬

‫‪ PCT_WHITE‬و‬

‫‪ VIF‬بما في ذلك‬

‫‪ PCT_BLACK‬و‬

‫‪ PCT_HISPAN‬و‬

‫‪ OCCUPIEDUN‬و‬

‫‪ ، AVG_HH_SIZE‬والسكان‪ .‬نسب العرق كميا واضحة قياس الشيء‬ ‫نفسو ‪ ،‬سنزيل واحدة عمى األقل من ىذه في التكرار التالي لألداة‬

‫‪.OLS‬‬

‫يبدو أن ‪، OCCUPIEDUN‬قد يقيس ‪ AVG_HH_SIZE‬والسكان عدد‬

‫األشخاص في المنطقة‪ .‬سنحتاج إلى اتخاذ بعض الق اررات بشأن أي من ىذه‬

‫المتغيرات تدرج في التكرار التالي‪:‬‬

‫‪-12‬الشيء التالي الذي يجب التحقق منو ىو البقايا أو الخطأ العشوائي ؛‬ ‫فثمة واحد من مخرجات أداة‬

‫‪ OLS‬ىي فئة ميزات جديدة ‪ ،‬يتم ترميزىا‬

‫باأللوان بواسطة ‪ residuals.‬وىذا يكون اختيارر و سوف يحتوي ممف‬

‫أيضا عمى رسم بياني ومنحنى‪.‬‬ ‫تقرير اإلخراج ًا‬ ‫‪ .13‬ال ينبغي تجميع المخمفات في أي موقع أو قيمة‪ .‬إذا كنت ترر‬

‫تماما عن‬ ‫المجموعات عمى الخريطة أو إذا كان الرسم البياني يبدو‬ ‫ًا‬ ‫مختمفا ًا‬ ‫المنحنى العادي ‪،‬قد يكون ليا نموذج متحيز‪.‬‬

‫‪- 194 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫‪-14‬إذا نظرنا إلى البيانات بصرًايا ‪ ،‬فمن الواضح أن لدينا تجميع لمقيم بعض‬ ‫الشىء بالقرب من مركز منطقة الدراسة وبعض المجموعات ذات القيمة‬ ‫المنخفضة في المناطق التي تربط الجانب الشمالي من منطقة الدراسة‪ .‬ومع‬

‫ذلك ‪ ،‬سوف نريد إجراء اختبار إضافي باستخدام أداة االرتباط التمقائي‬

‫المكاني لمتأكد من أن لدينا بالفعل المجموعات المكانية في بقايا اإلخراج ‪.‬‬

‫‪-15‬‬

‫تذكر ‪ ،‬أننا ال نريد تجميع بل نريد أن نرر نمط مكاني عشوائي بدال‬

‫من ذلك ؛ وفيما يمى الرسم البيانى الناتج‪.‬‬

‫كبير عن المنحنى‬ ‫اختالفا ًاا‬ ‫‪ -16‬ستالحع أن ىناك بعض القيم التي تختمف‬ ‫ًا‬ ‫الطبيعي ؛ ىذا مؤشر آخر عمى أن لدينا تحيز في نموذجنا ‪ ،‬والتي ليس من‬ ‫المستغرب أن ىذا ىو التكرار األول ألداة ‪ OLS‬عند تصميم ىذا السيناريو‪.‬‬

‫‪- 195 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬ ‫‪.17‬‬

‫في ىذه الخطوة ‪ ،‬سنقوم بتشغيل أداة ‪Spatial Autocorrelation‬‬

‫االرتباط التمقائي المكاني لتحديد ما إذا كان لدينا نمط عشوائي أو متفاوت‬

‫المسافات‪.‬‬

‫‪ .18‬ابحث عن أداة‬

‫‪ Spatial Autocorrelation‬في مربع أدوات‬

‫اإلحصاء المكاني ومجموعة أدوات تحميل األنماط‪ .‬افتح األداة وأدخل ما يمي‬

‫من المعممات‪:‬‬

‫‪ Input Feature Class‬فئة ميزة اإلدخال‪:‬‬

‫‪ Input Field‬حقل اإلدخال‪:‬‬

‫‪ Generate Report‬إنشاء تقرير‪ :‬نعم‬

‫‪ Relationships Conceptualization of Spatial‬تصور العالقات‬ ‫المكانية‪CONTIGUITY_EDGES_CORNERS :‬‬

‫‪-19‬‬

‫ال تقم بتغيير أي من المعممات األخرر‪ .‬انقر فوق "‪ "OK‬لتنفيذ األداة‪.‬‬

‫‪ .20‬يعرض مربع حوار التقدم مسار التقرير واسم الممف‪ .‬ىذا سيكون‬

‫ممف ‪HTML‬؛ افتح الممف لمشاىدة النتائج الموضحة في لقطة الشاشة‬ ‫التالية‪.‬‬

‫جمعا في بياناتنا‪.‬‬ ‫بناء عمى ىذا التقرير ‪ ،‬يمكننا معرفة أذا كان لدينا ًا‬ ‫نمطا ُم ًا‬ ‫ًا‬ ‫نظر‬ ‫بل نحن نبحث عن نمط عشوائي‪ .‬فيذا غير متوقع في ىذه المرحمة ‪ً ،‬اا‬

‫ألن ىذا ىو التكرار األول ألداة ‪ .OLS‬ففي الوقت الحالي ‪ ،‬ىذا مؤشر عمى‬ ‫وجود تحيز في نموذجنا‪:‬‬

‫‪- 196 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫الخطوة التالية في محاولة تحديد التحيز في النموذج الخاص بنا ىي التحقق‬

‫من ‪ Jarque-Bera‬اإلحصائية‪ .‬فال ينبغي أن تحتوي ىذه اإلحصائية عمى‬

‫عالمة النجمة‪ ،‬فيو مؤشر قوي عمى التحيز في النموذج الخاص بنا‪ .‬فميس‬ ‫من غير المألوف أن تواجو صعوبة اجتياز ىذا االختبار ‪ ،‬يتطمب‬

‫‪OLS‬‬

‫في نياية‬ ‫دائما تقر ًايبا تك اررات متعددة مع مجموعات مختمفة من المتغيرات ف‬ ‫ًا‬ ‫المطاف التوصل إلى نموذج دون تحيز في الوقت الراىن ‪ ،‬نموذجنا يبدو‬ ‫مقبوال لإلحصائيات ‪:Jarque-Bera‬‬

‫‪- 197 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫‪ -22‬االختيار األخير الذي يجب إجراؤه ىو العثور عمى قسم تشخيصات‬ ‫‪ OLS‬و ا لبحث عن قيم ]‪ R-Squared [d‬المتعددة و ‪Adjusted R-‬‬

‫‪ Squared [d] (0.613269‬و ‪ 0.561091‬في ىذه الحالة‪ .‬تتراوح القيم‬ ‫من ‪ 0.0‬إلى ‪ .1.0‬وكمما كانت القيم أ قرب إلى ‪ 1.0‬كان لدينا نموذج‬

‫يميل كثير من الناس لمتحقق من ىذه القيمة أوالًا ‪ ،‬ولكن الحقيقة‬ ‫أفضل‪ .‬ف‬ ‫ىي أن جميع الحاالت األخرر يجب أن تكون مقبولة قبل أن تتمكن من‬ ‫االعتماد عمى القيمة التربيعية كمؤشر قوي عمى أن النموذج الخاص بنا‬

‫‪23‬‬

‫‪-‬في العموم االجتماعية ‪ ،‬تعتبر القيم التي تتراوح بين‬

‫جيد‪.‬‬

‫‪ 0.5‬و ‪0.6‬‬

‫عموماًا ذات قيمة عالية جيدة كما ىو الحال في مثالنا دراسة السطو السكنية‪.‬‬ ‫في العموم االجتماعية أنت تتعامل مع السموك البشري ‪ ،‬وىذا يعني أن‬ ‫ف‬

‫في العموم الصعبة ‪،‬‬ ‫ىناك العديد من العوامل يجب أن تؤخذ بعين االعتبار‪ .‬ف‬

‫أنت تبحث عن قيم بالقرب من (‪ r ) 1.0.‬التربيعية ليست نياية كل شيء‬

‫عمى الرغم من أنو ال يزال يتعين الذىاب من خالل االختبارات الخمسة‬

‫األخرر قبل أن تشعر بأن النتائج مرضية‪:‬‬

‫دائما إلى حد ما ولكنيا‬ ‫‪ -24‬سوف تكون القيمة المربعة ‪ R‬المعدلة أقل ًا‬

‫‪- 198 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫دق من االثنين‪ .‬إنو انعكاس لنموذج التعقيد (عدد المتغيرات) كـعالقة‬ ‫أكثر ة‬ ‫البيانات‪.‬‬

‫‪ -25‬لدينا بعض األعمال التي يجب القيام بيا من حيث اختيار المتغيرات‬ ‫التوضيحية المناسبة وازالة التحيز الذي وجدناه‪ .‬لممرة الثانية تكرار أداة ‪OLS‬‬ ‫‪ ،‬سنقوم بتضمين المتغيرات التي تم تحديدىا عمى أنيا ذات داللة إحصائية‬

‫في الجولة األولى بما في ذلك ‪،MED_AGE_MA ، OCCUPIEDUN‬‬

‫‪AVG_HH_SIZ‬و ‪ FEMALEHD‬والسكان فال بد أيضا من أن تتضمن‬

‫متغير السباق مع أدنى‬

‫‪ VIF: PCT_BLACK.‬سنضيف أيضا في‬

‫‪ PCTRENTED‬متغير مرة أخرر ألنو في الدراسات السابقة ‪ ،‬وىي نسبة‬

‫عالية وقد ثبت أن‬

‫نسبة المستأجرين السكنية مرتبطة بقوة مع‬

‫السطو‪ .‬قم بتشغيل أداة ‪ OLS‬مرة أخرر باستخدام المعممات التالية ‪:‬‬

‫حوادث‬

‫فئة ميزة اإلدخال ‪:‬‬

‫حقل معرف فريد ‪TractID:‬‬ ‫فئة ميزة اإلخراج ‪ :‬مكان حفظيا وتسميتيا‬

‫المتغير التابع ‪: NormBurg‬المتغيرات التوضيحية ‪: PCTRENTED‬‬

‫ممف تقرير اإلخراج ‪:‬‬

‫انقر فوق الزر "موافق" لتنفيذ أداة ‪.OLS‬‬

‫يتم تكرار تمك العممية بإجراء تعديل عمى المدخالت والمتغيرات إلى أن نصل‬

‫إلى النموذج المثالى فاليدف من ىذا التدريب السابق ىو إطالعك عمى أداة‬

‫‪ OLS‬وفيم العممية التك اررية المطموبة لموصول في النياية إلى النموذج‬

‫الذي يفسر (عمى األقل جز ًائيا) المتغيرات التي تؤثر عمى المتغير التابع‪.‬‬

‫‪- 199 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫أداة ‪: Exploratory Regression‬‬ ‫يمكن استخدام أداة‬

‫‪ Exploratory Regression‬لتقييم مجموعات‬

‫االستكشاف لنماذج متغيرات ‪ OLS‬التي تفسر المتغير التابع بشكل أفضل ؛‬ ‫وتعتبر أداة الستخراج البيانات وتقوم بإيجاد متغيرات مناسبة وفى وقت قميل‬

‫؛ تتم كتابة نتائج ىذه األداة في مربع حوار مرفق معو ممف تقرير اختياري‪.‬‬ ‫تشغيل األداة ‪:‬‬

‫يتم تشغيل األداة من خالل تنفيذ الخطوات التالية‪:‬‬

‫‪ .1‬افتح ‪ ArcMap‬واستدعاء الممف المراد إجراء تطبيق األداة عميو‪ ،‬كما‬ ‫ىو موضح بالشكل التالى ‪.‬‬

‫‪ .2‬من مجموعة أدوات اإلحصاء المكاني ‪Geistatistical Analyst‬‬ ‫اختيار مجموعة أدوات العالقات المكانية لمنمذجة‬

‫‪Modeling Spatial‬‬

‫‪ Relationships‬ومنيا أداة ‪Exploratory Regression‬‬ ‫‪- 200 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫انقر نق ار مزدوجا فوق أداة ‪ Exploratory Regression‬وتحديد المعايير‬ ‫التالية‪:‬‬

‫‪- 201 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫طبقة اإلدخال ؛ المتغير التابع ؛ المتغيرات التوضيحية لممرشح وممف تقرير‬

‫المخرجات (إختيارر) كما موضح ‪.‬‬

‫‪- 202 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫اضغط عمى "‪ "OK‬لتنفيذ األداة ؛ الناتج من األداة مربع حوار أثناء تنفيذ‬ ‫األداة ‪ ،‬كما ىو موضح في الشكل التالي ؛ كما يتم كتابة المعمومات إلى‬

‫اإلخراج بممف التقرير‪.‬‬

‫يتم تشغيل أداة ‪ OLS‬مقابل كل من المجموعات المحتممة وتقييم اإلخراج‬ ‫مقابل القيم الموجودة في معايير البحث الخاصة بنا ؛ ويتم تجميع المتغير‬

‫االستكشافي حسب عدد المتغيرات التي تم فحصيا ؛ عمى سبيل المثال تقوم‬ ‫‪- 203 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫األداة في البداية باختبار كل من المتغيرات التوضيحية بشكل فردي واخراج‬ ‫أي تطابق لمعايير بحث المدخالت الخاصة بعد ذلك ؛ وسوف تستمر في‬

‫دراسة مجموعات من المتغيرات حتى تصل إلى الحد األقصى لعدد‬ ‫المتغيرات االستكشافية المتوفرة لدييا‪.‬‬

‫ولمحصول عمى نموذج ‪ OLS‬المحدد بشكل صحيح ال بد من وجود مجموعة‬ ‫من المتغيرات التوضيحية التى تفي القيم االفتراضية المقدمة لألداة‬

‫لذلك ‪،‬‬

‫إذا قمت بتغيير أحد معايير البحث ‪ ،‬فال بد من وضع ذلك فى اإلعتبار‬ ‫‪- 204 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫فعمى الرغم من أنك قد تحصل عمى نموذج ناجح ‪ ،‬إال أنو لن يمبي متطمبات‬

‫نموذج ‪ OLS‬المحدد بشكل صحيح‪.‬‬

‫القسم التالي في ممف تقرير المخرجات ممخص الداللة المتغيرة والذر يظير‬

‫فى الشكل الموضح حيث يحتور عمى قائمة بجميع المتغيرات التوضيحية‬ ‫جنبا إلى جنب باإلضافة إلى النسبة المئوية من الوقت فيذه المعمومات‬

‫ميمة ألنيا تعطي مؤش ار جيدا لممتغيرات التي ينبغي استخداميا في تطوير‬

‫نموذج ‪ OLS‬الخاص بك‪.‬‬

‫أداة ‪Geographically WeightedH Regression‬‬

‫أداة االنحدار الموزون جغرافيا ( ‪ )GWR‬ىى شكل من أشكال االنحدار‬

‫الخطي المحمي ؛ فيعمل ‪ GWR‬عن طريق إنشاء نموذج محمي لممتغيرات‬ ‫أو فيم العممية التي تحاول القيام بيا‬

‫وجدول يحتوي عمى ممخص‬

‫وتنشئ ‪ GWR‬فئة ميزة اإلخراج‬

‫وعند تشغيل ‪ GWR‬يجب عميك استخدام‬

‫نفس المتغيرات التوضيحية التى حددتيا في نموذج ‪. OLS‬‬ ‫‪- 205 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫تشغيل األداة‪:‬‬

‫نفتح برنامج ‪ arc map‬ونضيف الطبقة المراد عمل تحميل ليا ومن مجموعة‬

‫أدوات ‪ Spatial Statisistics Tools‬ومنيا مجموعة أدوات ‪Modeling‬‬

‫‪ Spatial Relationships‬ونختار أداة ‪Geographically WeightedH‬‬

‫يظير الصندوق الحوارر التالى‬

‫‪- 206 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫يتم إدخال الطبقة المراد التحميل عمييا وادخال المتغير ومكان حفع الطبقة‬ ‫الجديدة ؛ تتم إضافة ‪ Feauters‬المخرجة من األداة إلى نافذة ‪ArcMap‬‬ ‫في جزء المحتويات حيث تشير األلوان الحمراء عمى الخريطة إلى المناطق‬ ‫التي انتيى فييا النموذج إلى التنبؤ بالسرقة ‪.‬‬

‫‪- 207 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫أيضا عمى عدد من الحقول األخرر بما‬ ‫يحتوي جدول السمات ليذه الطبقة ًا‬ ‫في ذلك معامالت لكل متغير توضيحي ‪ ،‬وصندوق التربيع المحمي ‪ ،‬ورقم‬ ‫الحالة ‪.‬‬

‫أيضا بإنشاء جدول جديد يحتوي عمى نتائج األداة و طباعة‬ ‫تقوم أداة ‪ً GWR‬ا‬ ‫ىذه المعمومات إلى مربع حوار‪ .‬في الوقت الراىن ‪ ،‬و السجل األىم في‬ ‫الجدول ىو المتغير وليكن عدد السكان المستأجرين‬

‫‪ 0.577‬أو ما يقرب من ‪.٪ 58‬‬

‫الذي يشير إلى قيمة‬

‫في نافذة ‪ ArcMap‬في جزء‬

‫أيضا تعيين المعامالت لكل متغير‬ ‫يمكنك ًا‬ ‫"جدول المحتويات" ‪ ،‬انقر بزر الماوس األيمن فوق الطبقة الجديدة واختار‬ ‫‪.copy‬‬

‫‪- 208 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫انقر بزر الماوس األيمن فوق إطار بيانات الطبقات واختار ‪Paste‬‬

‫)‪ Layer(s‬؛ وبيذا نكون أضفنا نسخة من الطبقة إلى إطار البيانات‪.‬‬

‫مزدوجا عمى الطبقة التى تم إضافتيا والضغط كميك يمين ثم إختيار‬ ‫نقر‬ ‫انقر ًاا‬ ‫ًا‬ ‫‪ Probertes‬حدد عالمة التبويب ‪ Symbology‬و تغيير القائمة المنسدلة‬

‫‪ Value drop-down‬إلى عدد السكان المستأجرين أيضا ‪ ،‬تغيير القائمة‬ ‫المنسدلة ‪ Color Ramp‬واختيار المون األحمر فيتغير تدريجياًا المون من‬

‫أخير ‪ ،‬من ‪ General‬وأعد تسمية طبقة المعامل عدد‬ ‫األخف إلى األغمق‪ً .‬اا‬ ‫السكان المستأجرين وانقر عمى ‪.OK‬‬ ‫‪- 209 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫والناتج كما موضح بالشكل التالى حيث يكون لكل ميزة‬

‫قيمة معامل‬

‫مختمفة لكل متغير توضيحي ؛ فالمناطق األكثر قتامةىي المناطق األكثر‬

‫تأثر بالمتغير التوضيحى وتكون عرضة لمسطو وبالتالى ال بد من إجراء‬ ‫مناطق لممراقبة فييا؛ تكرر الخطوة لكل متغير توضيحي لو عالقة بالدراسة ‪.‬‬

‫مجموعة ادوات ‪: Utilities‬‬ ‫‪ Utilities‬لميام تحويل‬

‫تُستخدم األدوات الموجودة في مجموعة أدوات‬ ‫البيانات لدعم األدوات األخرر الموجودة في صندوق أدوات‬

‫اإلحصاء‬

‫المكاني ‪.Spatial Statistics‬‬

‫األدوات في ىذه المجموعة تشمل‬

‫‪ Neighbor Count‬؛‬

‫‪Calculate Distance Band from‬‬

‫‪ Collect Events‬و‬

‫‪Attributes to ASCII‬‬ ‫‪- 210 -‬‬

‫‪Export‬‬

‫‪Feature‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫فتقوم أداة ‪Calculate Distance Band from Neighbor Count‬‬ ‫بحساب المسافة عن طريق إرجاع الحد األدنى والحد األقصى ‪ ،‬ومتوسط‬ ‫المسافة إلى أقرب جار و قبل القيام بذلك ‪ ،‬فإنيا تولد قائمة بجميع الميزات‬ ‫الموجودة في مجموعة البيانات باإلضافة إلى المسافات إلى أقرب جار من‬ ‫ىذه الميزات‪.‬‬ ‫ويتم استخدام ىذه األداة كأداة دعم عند استخدام ادوات ‪Hot Spot‬‬

‫‪ Analysis‬و ‪ Analysis Cluster and Outlier‬وأدوات ‪Spatial‬‬ ‫‪.Autocorrelation‬‬

‫والحد األقصى لممسافة يمكن حسابو عن طريق أداة ‪Calculate‬‬

‫‪ Distance Band from Neighbor Count‬ويمكن استخداميا‬ ‫كمدخالت لمسافة البند‪.‬‬

‫وأداة ‪ Collect Events‬تحول نقاط بيانات الحدث إلى بيانات النقطة‬

‫الموزونة؛ حيث ينتج منيا ( الفئة المخرجة منيا) ‪ feature class‬تحتوي‬ ‫عمى جميع المواقع الفريدة حيث تحتور ‪ feature class‬المخرجة عمى‬ ‫حقل يمثل مجموع كل األحداث في كل موقع فريد‪.‬‬ ‫و أدوات مثل‬

‫‪ Hot Spot Analysis‬و‬

‫‪Cluster and Outlier‬‬

‫‪ Analysis‬و ‪ Spatial Autocorrelation‬تتطمب نقاط مرجحة " موزونة"‬ ‫لالستخدام في تحميميم بدالًا من األحداث الفردية ‪ ،‬وبالتالي يمكن استخدام‬

‫أداة ‪ Events Collect‬إلنشاء نقاط مرجحة‪.‬‬

‫‪- 211 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫وأداة ‪ The Convert Spatial Weights Matrix to Table‬تحول‬ ‫األوزان المكانية لمصفوفة الممفات إلى شكل جدولي‪" .‬ممف‬

‫‪ "swm‬وىو‬

‫ممف ثنائي يحتوي عمى تمثيل مكاني لييكل البيانات الخاصة بنا‪ .‬ومحتوياتو‬ ‫ىي القياس الكمي لمعالقات المكانية التي توجد بين ‪ features‬الموجودة في‬ ‫مجموعة البيانات‪.‬‬ ‫بينما أداة ‪: The Export Feature Attribute to ASCII‬تصدر ىندسة‬

‫وخصائص ‪ feature class‬إلى ممف نصي ‪ ASCII‬يمكن تحديده بفاصمة‬

‫أو مسافة أو فاصمة منقوطة‪ .‬وفيما يمى سوف تتعمم كيفية استخدام األدوات‬

‫التالية‪:‬‬

‫‪The Calculate Distance Band from Neighbor Count tool‬‬ ‫‪The Collect Events tool‬‬ ‫‪The Export Feature Attribute to ASCII tool‬‬ ‫‪The Calculate Distance Band from Neighbor- 1‬‬ ‫‪Count tool‬‬ ‫ىذه األداة تتطمب العديد من المدخالت بما في ذلك إدخال ‪featureclass‬‬

‫‪ ،‬وعدد الجيران لتحميميا والمسافة ؛ فإذا كانت فئة ميزة اإلدخال عبارة عن‬

‫مضمع أو خطوط ‪ ،‬فستستخدم النقطة الوسطى من ‪ feature‬كميزة إدخال ‪.‬‬

‫تشغيل األداة‪:‬‬

‫‪ -‬نفتح برنامج ‪ Arc map‬ونستدعى الطبقة المراد إجراء تحميل ليا‪.‬‬

‫‪- 212 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫ قم بتعطيل المعالجة الجغرافية لمخمفية من خالل ‪Geoprocessing‬‬‫ومن ‪Geoprocessing option‬‬

‫في منطقة معالجة الخمفية ثم إلغاء تحديد خانة االختيار فى ‪.Enable‬‬

‫‪- 213 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫في مجموعة أدوات ‪ ArcToolbox‬و من مجموعة أدوات ‪Spatial‬‬

‫‪ Statistics Tools‬ومنيا مجموعة أدوات‪ Utilities‬ومنيا أداة ‪The‬‬ ‫‪Calculate Distance Band from Neighbor Count tool‬‬

‫مزدوجا تظير النافذة التالية‪:‬‬ ‫نقر‬ ‫وانقر ًاا‬ ‫ًا‬

‫‪- 214 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫‪ :Input Features‬اختيار الطبقة المراد إجراء التحميل ليا‬

‫‪8 :Neighbors:‬‬

‫‪EUCLIDEAN_DISTANCE :Distance Method‬‬

‫اضغط موافق ؛ فتظير النتائج كما موضح ادناه‬

‫قم بتدوين مسافة الجار القصور الن ىذه القيمة تستخدم في الخطوة التالية‬ ‫عند تشغيل أداة ‪:Hot Spot Analysis‬‬

‫بعد ذلك من مجموعة أدوات ‪ Mapping Clusters‬؛ أختار األداة ‪Hot‬‬ ‫‪ Spot Analysis‬؛ دبل كميك‬

‫‪- 215 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫‪ : Input Feature Class‬إدخال الطبقة المراد اجراء تحميل لمنقاط الساخنة‬ ‫عمييا‪.‬‬

‫‪ : Input Field‬ادخال الحقل المراد اإلختيار عمى أساسو‪.‬‬ ‫‪ : Output Feature Class‬تحديد مكان حفع مخرجات األداة واسم الممف‪.‬‬ ‫‪: Conceptualization of Spatial Relationships‬‬

‫‪FIXED_DISTANCE_BAND‬‬ ‫‪EUCLIDEAN_DISTANCE: Distance Method‬‬

‫‪ : Distance Band or Threshold Distance‬يتم إدخال القيمة الناتجة‬ ‫من ناتج األداة السابقة ‪ 15009.15‬والضغط عمى ‪ Ok‬تظير نافذة عمل‬

‫االداة‬

‫لتظير النتيجة عمى النحو التالى‬

‫‪- 216 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫‪- 2‬أداة ‪:The Collect Events‬‬

‫إذا كانت البيانات الموجودة لدينا تحتور عمى العديد من النقاط المتقاربة‬ ‫لكنيا غير متطابقة ‪ ،‬يمكنك التفكير في استخدام أداة‬

‫‪ Integrate‬لعمل‬

‫معا قبل استخدام أداة ‪.Collect Events‬‬ ‫‪ snap‬لمميزات القريبة ًا‬ ‫سوف تحتوي ‪ feature class‬المخرجة عمى حقل ‪ ICOUNT‬يحتوي عمى‬ ‫مجموع كل ‪ Events‬في كل موقع فريد‪.‬‬

‫فأدوات مثل‬

‫‪ Hot Spot Analysis‬و ‪Cluster and Outlier‬‬

‫نقاطا‬ ‫‪ Analysis‬و‪ Spatial Autocorrelation‬تتطمب لالرتباط المكاني ًا‬ ‫موزونة الستخداميا في التحميل بدالًا من‬

‫‪ Events‬الفردية ‪ ،‬لذلك يمكن‬

‫استخدام أداة ‪ Collect Events‬إلنشاء نقاط موزونة‪.‬‬ ‫تشغيل األداة‪:‬‬

‫افتح ‪ ArcMap‬وادخال الطبقة المطموبة ؛ تحتوي الطبقة المدخمة عمى ما‬

‫يقرب من ‪ 25000‬نقطة ليا موقع ‪ x‬و ‪ y‬فريد ( خريطة لمبيعات العقارات‬

‫فى إحدر المدن) معظم المنازل ال تبيع أكثر من مرة واحدة في السنة لذلك‬

‫تقوم أداة ‪ Collect Events‬بإنشاء خريطة رمز متدرجة لمواقع فريدة ‪ ،‬مما‬

‫يجعل إخراج ‪ symbology‬غير مميز إال إذا قمنا بتجميع الميزات مسبقا‪.‬‬

‫نظر ألن العديد من المبيعات تحدث بالقرب من المبيعات األخرر ‪،‬‬ ‫ًاا‬ ‫‪Integrate‬‬ ‫فيمكننا استخدام أداة دمج العمميات الجغرافية‬ ‫لذلك‬

‫معا قبل تشغيل أداة ‪Collect‬‬ ‫‪ geoprocessing‬الستنباط الميزات القريبة ًا‬ ‫‪ .Events‬فتقوم أداة ‪ Integrate‬بتغيير مجموعة البيانات الحالية ‪ ،‬لذلك‬ ‫من األفضل إنشاء نسخة من مجموعة البيانات مسبقا‪.‬‬

‫‪- 217 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫انقر بزر الماوس األيمن عمى الطبقة في نافذة ‪ ArcMap‬في لوحة جدول‬

‫المحتويات ومنيا ‪ Data‬ثم إختيار ‪ Export Data‬واحفع البيانات ‪.‬‬

‫أضف النسخة الجديدة إلى ‪ .ArcMap‬ومن أداة الدمج ‪ Integrate‬الموجودة‬

‫في صندوق أدوات ‪.Data Management Tools‬‬

‫‪- 218 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫دبل كميك عمى األداة‬

‫وأدخل المعممات التالية‪:‬‬ ‫ميزات اإلدخال‪ :‬ندخل الطبقة التى تم عمل نسخ ليا‪.‬‬

‫)‪ : XY Tolerance (optional‬ندخل المسافة المطموب عمل دمج‬ ‫لمنقاط التى تقع فييا معا‪.‬‬

‫بعد ذلك من مجموعة أدوات ‪ Utilities‬أختار األداة ‪Collect Events‬‬

‫‪- 219 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫دبل كميك‬

‫وادخال الطبقة التى تم عمل دمج ليا ومكان حفع الطبقة الجديدة والضغط‬ ‫عمى ‪ .OK‬يظير ناتج األداة عمى النحو التالى‬

‫‪- 220 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫استخدام نتيجة أداة ‪ Collect Events‬لتحميل النقاط الساخنة بتشغيل األداة‬

‫؛ بنفس الخطوات السابق ذكرىا ‪.‬‬

‫‪- 3‬أداة ‪The Export Feature Attribute to ASCII‬‬

‫تستخدم أداة ‪ Export Feature Attribute to ASCII‬لتصدير ‪feature‬‬ ‫‪ class‬إلى ممف نصي محدد بفواصل‪.‬‬ ‫تشغيل األداة ‪:‬‬

‫في مجموعة أدوات ‪ ArcToolbox‬و من مجموعة أدوات ‪Spatial‬‬

‫‪ Statistics Tools‬ومنيا مجموعة أدوات‪ Utilities‬ومنيا أداة ‪Export‬‬ ‫‪Feature Attribute to ASCII‬‬

‫‪- 221 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫دبل كميك عمييا ؛ فيظير المربع الحوالى التالى‪:‬‬

‫‪- 222 -‬‬

‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

‫‪ : Input Feature Class‬أدخل الطبقة المطموبة‬ ‫‪ : Value Field‬تحديد قيمة الحقل المطموب‬

‫‪Comma : Delimiter‬‬

‫‪ : Output ASCII File:‬الممف الناتج اختيار مكان حفظو وتسميتو؟‬

‫‪ : Add Field Names to Output‬وضع أسماء الحقول المخرجة‪.‬‬

‫اضغط ‪ OK‬لتنفيذ األداة‪ .‬افتح ممف اإلخراج في محرر نصوص ويكون‬ ‫عمى الشكل الموضح‪.‬‬

‫‪- 223 -‬‬

‫املراجع واملصادر‬

‫قائمة املراجع‬

‫قائمة المراجع‬ ‫أوًال‪ :‬مراجع باللغة العربية‪:‬‬ ‫ داواد ؛ جمعة دمحم ؛ ‪2012‬؛ أسس التحميل المكانى فى إطار نظم‬‫المعمومات الجغرافية ‪ ،‬مكة المكرمة ‪ ،‬المممكة العربية السعودية‪.‬‬ ‫ شرف ؛ دمحم ابراهيم ؛ ‪2006‬؛التحميل المكانى بإستخدام نظم المعمومات‬‫الجغرافية؛ دار المعرفة الجامعية ‪.‬‬ ‫ عبده‪ ،‬وسام دمحم (‪ )2005‬نظم المعمومات الجغرافية‪.‬‬‫ عزيز ‪ ،‬دمحم الخزامى (‪ )2011‬تطبيقات عممية فى نظم المعمومات‬‫الجغرافية‪.‬‬

‫ااياًال‪ :‬مراجع باللغة غير العربية‬ ‫–‪- Anon, 1992, The Council Tax, Estates Gazette, 153‬‬ ‫‪154, 7 March.‬‬ ‫‪- Burrough, P.A.; McDonell, R.; , 1998, Principles of‬‬ ‫‪Geographical Information Systems. Oxford, Oxford‬‬ ‫‪University Press.‬‬ ‫‪- Deutsch, C. e A. Journel ,1992, GSLIB: Geostatistical‬‬ ‫‪Software Library and user’s guide. New York, Oxford‬‬ ‫‪University Press.‬‬ ‫‪- Eric Pimpler, 2017,Spatial Analytics with Arc GIS.‬‬

‫‪- 225 -‬‬

‫قائمة املراجع‬

- Environment and Planning C, 10.The Independent, 1992, ‘Rich “will gain most from the council tax”, 17 August, p. 2. - Grove House, Talbot Road, Talbot Green, CF7 8AD. - Hills, J. and Sutherland, H., 1991, Banding, tilting, gearing, gaining and losing: an anatomy of the proposed Council Tax, Welfare State Programme

Discussion Papers, London School of Economics. London. - Keltecs, 1989, Cardiff House Condition Survey. Phase

1: Inner Area Final Report, Keltecs (Consulting Architects and Engineers) Ltd., - Longley, P., Martin, D. and Higgs, G., 1993, The geographical implications of changing local taxation regimes’, Transactions of theInstitute of British

Geographers. - Martin, D,1995 ,Geographic Information Systems: Socioeconomic Applications.London, Routledge. - Martin, D.J., Longley, P. and Higgs, G., 1992, The geographical incidence of local government revenues: an intra-urban case study. - Stewart Fotheringham and Peter Rogerson, 2005,Spatial analysis and GIS.

- 226 -

Spatial Analytics in GIS with Arc GIS

DR/ Rasha Saber Nofal

2019 / 2020