‫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
‫ًال‬
‫أما أتيتم مم العلم إ ليال‬

‫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.‬‬
‫‪Rashanofal82@gmail.com :Email‬‬
‫المؤىالت العممية ‪:‬‬

‫‪ -‬درجة الميسانس في اآلداب من قسم الجغرافيا‪ ،‬شعبة خرائط ‪ ، 2002‬بتقدير عام جيد من كمية اآلداب ـ‬
‫جامعة 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 كمية‬
‫اآلداب 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:‬‬

‫‪2015 / 19-18‬‬ ‫‪ ‬المشاركة فى فاعميات مؤتمر سيناء بين الماضى والحاضر والمستقبل خالل الفترة من‬
‫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.‬‬
‫‪ Smart City‬والتنمية المستدامة عام ‪ 2019‬ببحث بعنوان استخدام‬ ‫‪ ‬المشاركة فى مؤتمر المدن الذكية‬
‫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 ‪.‬‬

‫التقميدية بالتطبيق‬ ‫‪ ‬بحث بعنوان استخدام تقنيات الجيوماتكس الحديثة فى البحث الجغرافى مقارنة بالطرق‬
‫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

‫رقم الصفحة‬ ‫املوضوع‬

‫‪24 :3‬‬ ‫الفصل األول‪ :‬التحميل المكاني مفيوم ولغة‪:‬‬
‫‪3‬‬ ‫مقدمة في التحميل المكاني‪.‬‬
‫‪4‬‬ ‫تعريف التحميل المكاني‪.‬‬
‫‪6‬‬ ‫لغة التحميل المكاني‪:‬‬
‫‪6‬‬ ‫الفئات الست لمتحميل المكاني‪:‬‬
‫‪7‬‬ ‫الفئة األولى‪:‬‬
‫‪8‬‬ ‫‪ .1‬فيم مكان وجود األشياء (خرائط الموقع)‪.‬‬
‫‪8‬‬ ‫‪-2‬فيم مكان االختالفات واألنماط في القيم (خرائط التوزيعات)‪.‬‬
‫‪8‬‬ ‫‪ .3‬فيم أين ومتى تتغير األشياء‪.‬‬
‫‪9‬‬ ‫الفئة الثانية‪:‬‬
‫‪9‬‬ ‫‪ .4‬حساب السمات اليندسية الفردية ‪Calculating individual feature‬‬
‫‪.geometries‬‬
‫‪9‬‬ ‫‪ .5‬حساب ىندسة وتوزيعات مجموعات ‪ feature‬الميزة‪.‬‬
‫‪10‬‬ ‫الفئة الثالثة‪:‬‬
‫‪10‬‬ ‫‪ .6‬تحديد ما ىو قريب (تحديد القرب)‪.‬‬
‫‪11‬‬ ‫‪ .7‬تحديد وتمخيص ما ىو داخل المنطقة (المناطق)‪.‬‬
‫‪11‬‬ ‫‪ .8‬تحديد ما ىو األقرب‪.‬‬
‫‪12‬‬ ‫‪ .9‬تحديد ما ىو مرئي من موقع معين‪.‬‬
‫‪12‬‬ ‫‪ .10‬تحديد العالقات المتداخمة في المكان والزمان‪.‬‬
‫‪13‬‬ ‫الفئة الرابعة‪ : :‬العثور عمى أفضل المواقع والمسارات‬
‫‪14‬‬ ‫‪ -11‬العثور عمى أفضل المواقع التي تمبي مجموعة من المعايير‪.‬‬
‫‪14‬‬ ‫‪ -12‬العثور عمى أفضل تخصيص لمموارد بالمناطق الجغرافية‪.‬‬
‫‪15‬‬ ‫‪ -13‬العثور عمى أفضل مسار أو تدفق عبر شبكة‪.‬‬
‫‪15‬‬ ‫‪ -14‬العثور عمى أفضل طريق أو مسار أو ممر عبر تضاريس مفتوحة ‪-15 .‬‬
‫‪16‬‬ ‫العثور عمى أفضل مواقع عمى أساس العرض والطمب وشبكة السفر‪.‬‬
‫‪16‬‬ ‫الخامسة‪:‬‬ ‫الفئة‬
‫‪16‬‬ ‫‪ -16‬أين توجد النقاط الساخنة اليامة " الشذوذ ‪ ،‬والقيم المتطرفة" ؟‬
‫‪17‬‬ ‫‪ .17‬ما ىي االتجاىات المكانية المحمية واإلقميمية والعالمية؟‬
‫‪18‬‬ ‫‪ .18‬ما ىي الميزات أو البكسل المتشابية ‪ ،‬وكيف يمكن تجميعيا ؟‬
‫‪18‬‬
‫‪ .19‬ىل األنماط المكانية تتغير بمرور الوقت؟‬
‫‪18‬‬
‫األخيرة‪:‬‬ ‫الفئة السادسة و‬
‫‪18‬‬
‫‪ .20‬إعطاء حالة النجاح ‪ ،‬والتنبؤ بمواقع مماثمة‪.‬‬
‫‪19‬‬
‫‪20‬‬ ‫‪ .21‬إيجاد العوامل التي تفسر األنماط المكانية المرصودة واجراء التنبؤ‪.‬‬

‫‪20‬‬ ‫‪ .22‬تحريف السطوح المستمرة واالتجاىات المتقطعة‪.‬‬

‫‪21‬‬ ‫‪ .23‬توقع كيف وأين تتفاعل األشياء مكانياًا‪.‬‬
‫‪21‬‬ ‫‪ .24‬التنبؤ كيف وأين تؤثر األشياء عمى نشر الموجة‪.‬‬
‫‪22‬‬
‫‪ .25‬التنبؤ بأماكن تحرك الظواىر ‪ ،‬وتدفقيا ‪،‬أو انتشارىا‪.‬‬
‫‪22‬‬
‫‪ .26‬التنبؤ ماذا لو‪.‬‬
‫‪22‬‬
‫الخطوات السبع لمتحميل المكاني الناجح‪:‬‬
‫‪23‬‬
‫‪23‬‬ ‫فوائد التحميل المكاني ‪:‬‬

‫‪26‬‬ ‫الفصل الثاني‪ :‬استكشاف البيانات ‪Data Exploration‬‬

‫‪27‬‬ ‫سمات البيانات ‪: Data Attributes‬‬
‫‪27‬‬ ‫الموقع (‪ X‬و ‪ Y‬و ‪.)Z‬‬
‫‪28‬‬ ‫‪.Vector‬‬
‫‪29‬‬
‫‪.Raster‬‬
‫‪31‬‬
‫‪.(TIN) Triangulated Irregular Network‬‬
‫‪33‬‬
‫البيانات المجدولة ‪.Tabular‬‬
‫‪33‬‬
‫‪33‬‬ ‫أنواع السمات ‪: attributes‬‬

‫‪37‬‬ ‫خصائص الحقل ‪. Field properties‬‬

‫‪38‬‬ ‫ربط السمات وانشاء العالقات ‪. Attribute joins and relates‬‬
 ‫‪41‬‬ ‫االستعالم ‪ Querying‬واالستفسار و"االختيار" ‪ Selecting‬عمى بيانات ‪.Vector‬‬
‫استعالمات التعريف ‪. Definition queries‬‬
‫‪52‬‬ ‫نسخ واستخراج البيانات المحددة‪:‬‬
‫‪56‬‬
‫خطوات تصدير‪" features‬الميزات "المحددة إلى طبقة جديدة‪.‬‬
‫‪57‬‬ ‫‪ Querying‬و ‪ Selecting‬في البيانات ‪:Raster‬‬
‫‪59‬‬
‫استخراج البيانات ‪.Raster‬‬
‫‪59‬‬
‫تمخيص وتفسير البيانات‪.‬‬
‫‪66‬‬
‫اإلحصاء ‪.Statistics‬‬
‫‪68‬‬
‫الرسوم البيانية ‪. Graphs‬‬
‫‪69‬‬
‫‪121-78‬‬ ‫الفصل الثالث ‪ :‬التحميل المكاني لمبيانات ‪ Vector‬و ‪Raster‬‬
‫‪78‬‬ ‫أساسيات التحميل المكاني ‪:‬‬
‫‪78‬‬ ‫أوالًا‪ :‬طرق تحميل البيانات ‪:Vector‬‬
‫‪78‬‬ ‫‪ :Extraction -1‬االستخراج‬
‫‪79‬‬ ‫‪. clip‬‬
‫‪79‬‬ ‫‪.Split‬‬
‫‪80‬‬ ‫‪.Select‬‬
‫‪81‬‬ ‫‪.Erase‬‬
‫‪82‬‬ ‫‪ -2‬التراكب ‪: Overlay‬‬
‫‪82‬‬ ‫‪.Identity‬‬
‫‪88‬‬ ‫‪.Intersect‬‬
‫‪89‬‬ ‫‪.Symmetrical Difference‬‬
‫‪90‬‬ ‫‪.Union‬‬
‫‪90‬‬ ‫‪.Update‬‬
‫‪91‬‬ ‫‪: Eliminate -3‬‬
‫‪91‬‬ ‫‪.Proximity‬‬
‫‪92‬‬ ‫‪.Buffer‬‬
 ‫‪93‬‬ ‫‪.Near‬‬
‫‪93‬‬ ‫‪.Point Distance‬‬
‫‪93‬‬ ‫‪ Statistics -4‬اإلحصاء‪:‬‬
‫‪93‬‬ ‫‪.Frequency‬‬
‫‪94‬‬ ‫‪.Summary Statistics‬‬
‫‪95‬‬ ‫ثانياًا‪ :‬طرق تحميل البيانات ‪:Raster‬‬
‫‪94‬‬ ‫تحميل المدى ‪: Analysis Extent‬‬
‫‪95‬‬ ‫‪.Masks‬‬
‫‪95‬‬ ‫‪ Cell Size‬حجم الخمية‪.‬‬
‫‪96‬‬ ‫تحميل السطوح ‪: Surface Analysis‬‬
‫‪96‬‬ ‫‪ : Slope‬الميل أو االنحدار ‪.‬‬
‫‪97‬‬ ‫‪. Aspect‬‬
‫‪98‬‬ ‫‪. Contour‬‬
‫‪99‬‬ ‫‪.Hill Shade‬‬
‫‪100‬‬ ‫‪.View shed‬‬
‫‪102‬‬ ‫الوظائف المحمية واإلحصاءات‪:‬‬
‫‪103‬‬ ‫وظائف محمية عمى ‪ Raster‬واحدة‪.‬‬
‫‪104‬‬ ‫وظائف محمية عمى ‪ Raster‬المتعددة ‪.‬‬
‫‪105‬‬ ‫اإلحصائيات المحمية‪:‬‬
‫‪107‬‬ ‫وظائف الجوار واإلحصاء‪.‬‬
‫‪108‬‬ ‫تبسيط البيانات ‪. Data Simplification‬‬
‫‪111‬‬ ‫‪:Distance‬‬
‫‪112‬‬ ‫التخصيص والمسافة ‪.‬‬
‫‪114‬‬ ‫التكمفة الموزونة‪:‬‬
‫‪114‬‬ ‫أقصر مسار‪.‬‬
‫‪115‬‬ ‫تعميم البيانات‪:‬‬
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
Measuring Geographic
125
: Analyzing Patterns:‫مجموعة أدوات تحميل األنماط‬
126
127 .‫ متوسط أقرب جار‬Average Nearest Neighbor

127 .‫ الترابط التمقائي المكاني‬Spatial Autocorrelation

127 .)Morans I( Spatial Autocorrelation ‫االرتباط التمقائي المكاني‬

128 .(Getis-Ord General G) High/Low Clustering

128 .)Ripleys K ‫تحميل الكتمة المكانية المتعددة المسافات (وظيفة‬

128 : Mapping Clusters ‫مجموعة أدوات‬
 129 .Hot Spot Analysis
129 .Similarity Search
129 .Grouping Analysis
129 .luster and Outlier Analysis
129 Relationships .
130 The Modeling Spatial ‫مجموعة أدوات نمذجة العالقات المكانية‬
131 .Ordinary Least Squares
131 . OLS
131 ‫ االنحدار الجغرافي‬:Geographically Weighted Regression
132 :Exploratory Regression
133 :Arc GIS ‫قياس التوزيعات الجغرافية باستخدام أدوات‬
134
:‫ قياس المركزية الجغرافية‬:‫أوالًا‬
135
.Central Feature ‫أداة‬
138
.Mean Center ‫أداة‬
140
142 .Median Center ‫أداة‬

142 :Directional ‫ والتوزيع اإلتجاىى‬Standard Distance ‫المسافة المعيارية‬

:(Standard Deviational Ellipse) Directional Distribution

145
178-148 .Arc GIS ‫ تحميل األنماط باستخدام أدوات‬:‫الفصل الخامس‬
148 .‫مجموعة أدوات تحميل األنماط‬
149 . null hypothesis:‫فيم الفرضية الفارغة‬
150 .P ‫قيم‬
150 .‫ واالنحراف المعيارر‬Z ‫درجات‬
152 . Average Nearest Neighbor ‫أداة‬
156 .‫ لتحميل األنماط‬Spatial Autocorrelation ‫استخدام االرتباط المكاني‬
160 .Multi-Distance Spatial Cluster Analysis ‫استخدام أداة‬
163 :Mapping Clusters ‫مجموعة أدوات‬
163 .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 . Regression Analysis‫أدوات تحميل االنحدار‬
182 :‫أساسيات تحميل االنحدار‬
184 .Ordinary Least Squares (OLS) ‫االنحدار الخطى مع أداة‬
200 .Exploratory Regression ‫أداة‬
205 . Geographically Weighted H Regression ‫أداة‬
210 : Utilities ‫مجموعة ادوات‬
212 .The Calculate Distance Band from Neighbor Count tool- 1
217 .The Collect Events ‫أداة‬- 2
221 .The Export Feature Attribute to ASCII ‫أداة‬- 3
223 .‫المراجع والمصادر‬
 ‫تقديم‬

‫ميحرلا نمحرلا هللا والصالة والسالم عمى أشرف الخمق سيدنا دمحم ملسو هيلع هللا ىلص أما بعد ؛ جاء ىذا‬ ‫بسم‬
‫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
‫‪ Vector‬و ‪ Raster‬من خالل معرفة‬ ‫والفصل الثالث يعرض التحميل المكاني لمبيانات‬
‫‪ Raster‬في حين أن الفصل‬ ‫أساسيات التحميل المكاني وطرق تحميل البيانات ‪ Vector‬و‬
‫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
‫؛ لتأتى الخطوة الثالثة في التطور‬ ‫إلى دراسة ومعرفة التحميل المكاني‬
‫المعرفي بالمحيط الجغرافي من خالل فيم العالقات واألنماط المكانية من‬
‫ا وتفسيرىا‬ ‫خالل النظر إلى العالم من حولنا وطرح األسئمة ومحاولة فيمو‬
‫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:‬‬

‫فيمكن ببساطة وضع تعريف‬ ‫ىناك العديد من تعريفات التحميل المكاني ‪،‬‬
‫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
‫التحميل‬
‫تحميل مكاني ‪ ،‬ف‬ ‫و ىذا يعتبر‬ ‫االتجاىات ‪ ،‬أو اتخاذ الق اررات‬
‫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"‬

‫واألهم من ذلك ‪ ،‬نظم‬ ‫العالمية ‪ ،‬وأجيزة االستشعار ‪ ،‬أنظمة المالحة ‪،‬‬

‫المعمومات الجغرافية ا لتى ساعدت عمى توفر الكثير من البيانات بشكل‬
‫طريقة عرض البيانات عمى‬ ‫مع إمكانية تغيير‬ ‫مترابط عمى الخريطة ‪،‬‬
‫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
‫أن تغمض‬ ‫المفاىيم لآلخرين؟ قبل اإلجابة عمى ىذين السؤالين ‪ ،‬جرب‬
‫عينيك والتفكير في أي شيء لمدة دقيقة واحدة ؛ وحاول التفكير فيو دون‬
‫استخدام الكممات " دون استخدام لغة " ستجد أن األفكار تتكون من كممات‬
‫غير معمن عنيا ‪ ،‬حتى أبسط األفكار تكون صعبة بدون لغة ‪ ،‬ف‬
‫المغة ىي‬
‫و‬ ‫أيضا إلى التفكير والمنطق‬
‫المفتاح ليس فقط لمتواصل والكالم ‪ ،‬ولكن ً‬
‫كيف يمكن أن نفكر مكانياً ‪،‬‬
‫ف‬ ‫بتطبيق ىذه الفكرة عمى التحميل المكاني‬
‫لذلك فال بد من‬ ‫وكيف يمكن أن نفسر مفاىيم التحميل المكاني لآلخرين؟‬
‫توافر المفردات ولغة للتحميل المكاني أيضاَا‪.‬‬

‫‪-5-‬‬
 ‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫لغة التحميل المكاني‪:‬‬

‫ىناك أعد اد ال حصر ليا من األسئمة المكانية التي تحتاج إلى إجابة ‪ ،‬فمن‬
‫إمكانية‬ ‫المفيد إنشاء لغة مشتركة لتساعدنا بشكل أفضل عمى تعمم وفيم و‬
‫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
‫والتى تظير مواقف السيارات واألحداث‬ ‫عن طريق خريطة أكثر تطو اًر‬
‫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.‬‬

‫يمكن أن‬ ‫ىناك مجموعة من الق اررات‬ ‫وإليجاد أفضل المواقع والمسارات‬
‫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
‫من خالل نظام‬ ‫ما؟ كيف تتدفق الماء‬ ‫أفضل مسار لممشي في مدينة‬
‫تحتاج إلى تحميل لحساب‬ ‫الصرف الصحي؟ فى كل مثل ىذه الحاالت‬
‫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

‫مناطق أخرى أو أوقات أخرى ويشار إلى ىذه األنواع من التحميالت ً‬

‫عادة‬
‫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:‬‬
‫مجال االىتمام بالكامل؛‬ ‫عندما يكون لدينا بيانات نموذجية و ال تغطييا‬
‫لمتنبؤ أو االستيفاء بين نقاط‬ ‫فالتحميل المكاني التنبؤي يمكن استخدامو‬
‫من‬ ‫فيناك مجموعة متنوعة‬ ‫البيانات المنفصمة إلنشاء سطح مستمر؛‬

‫‪- 20 -‬‬
 ‫انفصم األول ‪ :‬انتحهيم املكانى " مفهىو ونغة"‬

‫تقنيات االستيفاء يمكن استخداميا لتقدير القيم بين نقاط العينة‪ .‬وطريقة‬
‫‪ geo statistical‬ىى األكثر استخداماً فى الوقت الحالى ‪.‬‬
‫‪(attraction and‬‬ ‫‪ -23‬توقع كيف وأين تتفاعل األشياء مكانياً‬
‫)‪. 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
‫لمموجة‬ ‫الفضاء والمادة يرافقو نقل الطاقة ‪ ،‬وتشمل األشكال األكثر شيوعا‬
‫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:‬‬
‫و التدفق أو‬ ‫العديد من الظواىر الجغرافية لدييا القدرة عمى الحركة‬
‫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

‫يجب أن يكون التركيز ً‬

‫دائما عمى حل مشكمة العالم الحقيقي الكامنة‪.‬‬
‫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
‫عن نتائج قواعد‬ ‫نظام المعمومات الجغرافية أد وات متطورة لتقديم تقارير‬
‫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

‫المستخدمة‬ ‫بتوفر مجموعة من األدوات‬ ‫تتميز نظم المعمومات الجغرافية‬

‫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 ً‬
‫فى الفترة‬ ‫لتحميل مجموعة بيانات متعددة‬ ‫البعد الرابع أال وىو الوقت‬
‫الزمنية‪.‬‬
‫بأربعة تنسيقات‬ ‫نظم المعمومات الجغرافية‬ ‫ويتم تخزين البيانات في‬
‫أساسية ‪:‬‬
‫‪Vector. -‬‬
‫‪Raster. -‬‬
‫‪triangular irregular network (TIN). -‬‬

‫‪- 27 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪ -‬باإلضافة إلى استخدام جداول البيانات والتي يمكن أن ربطيا‬

‫بالبيانات 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

‫‪ feature‬ويمكن تخزينيا‬ ‫وترتبط سمات النقاط والخطوط والمضمعات بكل‬
‫داخل مجموعة البيانات المكانيةأو في جدول سمات مستقل مرتبط بالظاىرات‬
‫المكانية من خالل معرف فريد‪.‬‬

‫‪- 28 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪ vector‬الظاىرات النقطية مثل‬ ‫من أمثمة البيانات التى يتم تمثيميا بشكل‬
‫كالتى تمثل‬ ‫مواقع أخذ العينات ‪،‬الظاىرات الخطية مثل الطرق والمضمعات‬
‫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
‫ونموذج‬ ‫خمية يخزن السمة أو القيمة المتعمقة بجزء من سطح األرض ؛‬
‫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
‫فيحدد حجم الخمية مدر‬ ‫بين بضعة سنتيمترات أو متر إلى كيمومتر مربع‬
‫و يشار إلى حجم الخمية باسم دقة‬ ‫دقة تمثيل البيانات ‪ resolution‬؛‬
‫متر ‪ ،‬تبمغ دقة‬
‫‪ً 25 × 25‬ا‬ ‫البيانات" البكسل" فإذا كانت أحجام الخمية‬
‫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
‫ويمكن أن تكون‬ ‫المناطق الحضرية والزراعية والغابات المرتبطة بالخمية)‪.‬‬
‫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

‫)‪:(TIN‬‬ ‫‪Triangulated‬‬ ‫‪Irregular‬‬ ‫‪Network‬‬

‫مثاليا لتمثيل األسطح ‪ ،‬مثل‬
‫ً‬ ‫)‪(TIN‬‬ ‫يعد نموذج بيانات الشبكة المثمثة‬
‫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

‫‪ attributes‬أو المعمومات‬ ‫تُستخدم البيانات المجدولة لتخزين السمات‬

‫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
‫اول البيانات في‬ ‫بعد‪ ،‬وتستخدم حزم برامج نظم المعمومات الجغرافية جد‬
‫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"‬

‫التطبيقات‬ ‫‪Name‬‬

‫مناسبة لتخزين األسماء أو الطبقات أو غيرىا من النصوص‬ ‫‪Text‬‬

‫التواريخ واألوقات‪.‬‬ ‫‪Date‬‬

‫سمات رقمية بدون قيم كسرية سيكون مفيد لتخزين قيم األكواد‪.‬‬ ‫‪Short integer‬‬

‫سمات رقمية بدون قيم كسرية مع النطاقات المسموح بيا‪.‬‬ ‫‪Long integer‬‬

‫‪ Single‬سمات رقمية بقيم كسرية داخل النطاقات المسموح بيا‬ ‫‪precision‬‬

‫)‪floating point (Float‬‬
‫‪ Double‬سمات رقمية بقيم كسرية داخل النطاقات المسموح بيا‬ ‫‪precision‬‬
‫‪floating point‬‬
‫الصور أو غيرىا من ممفات الوسائط المتعددة‬ ‫‪BLOB‬‬
‫تطبيقات مخصصة تتطمب معرفات عالمية‬ ‫‪GUID‬‬

‫‪- 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
‫‪ Text‬تستخدم‬ ‫الحجم والطريقة المستخدمة لتخزين قيم البيانات الرقمية ؛‬
‫‪ Date‬لتخزين نوع‬ ‫لتخزين الرموز األبجدية الرقمية (مثل أسماء النباتات)‪.‬‬
‫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.‬‬
‫‪Attribute tables and data‬‬ ‫جداول السمات وهيكل البيانات‬
‫‪structures‬‬
‫وعادة ما يقوم جدول معين بتخزين‬
‫ً‬ ‫يتم تخزين السمات داخل جداول البيانات‬
‫‪ features‬المتشابية في‬ ‫مجموعة من السمات لمجموعة من الميزات‬
‫الطبيعة‪.‬‬
‫‪ structures data‬؛ ويتم تنظيم‬ ‫يشار إلى تنظيم جدول البيانات باسم‬
‫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
‫‪.ArcMap‬كما يمكن‬ ‫‪ )12‬مثال ىذا النوع من مربعا لحوار داخل واجية‬
‫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
‫وىنا‬ ‫يتم ربط السالسل بالسالسل والحقول الرقمية إلى أرقام رقمية أخرر‪.‬‬
‫تكون وظيفة الصمة مناسبة عندما تقوم بربط الجداول‬

‫يكون التعديل تم عمى األعمدة‬ ‫إذا قمت بالتعديل ‪ ،‬فاحرص عمى أن‬
‫ف‬
‫؛فال يمكن تعديل أو تحرير البيانات‬ ‫الوجودة فى الجدول األساسى فقط‬
‫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.‬‬

‫و "االختيار" ‪ Selecting‬عمى‬ ‫االستعالم ‪ Querying‬و االستفسار‬

‫بيانات ‪:Vector‬‬

‫أساسيا في استرداد‬
‫ً‬ ‫ُيعد االستعالم عن بيانات نظم المعمومات الجغرافية ًا‬
‫أمر‬
‫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

‫‪ Layers‬واختر‬ ‫‪ ، " By Attributes‬انقر فوق القائمة المنسدلة الطبقة‬
‫( انقر عمى‬ ‫الطبقة التي تحتوي عمى الميزات التي تريد تحديدىا (الشكل‬
‫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
‫(<) أقل من‬
‫(> =) أكبر من أو يساوي‬
‫(<=) أقل من أو يساوي‬
‫(<>) ال تساوي‬
‫الروابط المنطقية ‪: Boolean Connectors‬‬
‫افترض أنك تريد تحديد ‪ features‬ميزات تمبي معيارين أو أكثر؛ تستخدم‬
‫الروابط المنطقية ( ‪ )XOR ،NOT ،OR ،AND‬لمجمع بين ىذه األسئمة‬
‫المتعددة (الشكل‪.)14‬‬
‫‪ :AND‬ضم االستعالمات لتمبية معيارين أو أكثر‪.‬‬
‫‪ : OR‬ضم االستعالمات من أجل تمبية إما معيار واحد أو المعيار اآلخر ‪.‬‬

‫‪- 44 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫معيار‬
‫ًا‬ ‫‪ : NOT‬ضم االستعالمات من أجل تمبية معيار واحد ‪ ،‬وليس‬
‫آخر‪.‬‬
‫‪ :XOR‬ينضم إلى االستعالمات من أجل تمبية أحد المعايير أو اآلخر ‪،‬‬
‫ولكن ليس كالىما‪.‬‬

‫شكل (‪ )14‬الروابط المنطقية‬

‫فمن الميم اختيار الرابط المنطقي الصحيح لإلجابة عمى السؤال بشكل‬
‫صحيح‪.‬‬
‫خطوات التحديد حسب السمات ‪( : Select By Attributes‬معياران أو‬
‫أكثر)‪:‬‬
‫مزدوجا (اكتب في‬
‫ً‬ ‫نقر‬
‫في مربع الحوار " ‪ ، " Select By Attribute‬انقر ًا‬
‫مربع الحوار) اسم حقل السمة ‪ attribute‬المطموب ‪ ،‬عامل التشغيل ‪،‬‬
‫والقيمة المحددة التي تبحث عنيا‬

‫‪- 45 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫كرر الخطوة السابقة لممعيار الثاني‪ .‬الحظ الجمع بين االستعالمات مع‬
‫استخدام الرابط المنطقى ‪( AND‬الشكل ‪ .)15‬انقر فوق " ‪ "Apply‬لتشغيل‬
‫االستعالم‪.‬‬

‫شكل (‪ Select By Attributes)15‬باختيار الروابط المنطقية‪.‬‬

‫‪- 46 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫االستعالمات والعالقات المكانية ( اإلختيار حسب الموقع ‪"select by‬‬

‫‪location").‬‬
‫االستعالمات المكانية ىي أسئمة حول "أين" توجد ميزات ‪ features‬معينة‬

‫وكيفية ارتباطيا بميزات أخرر ؛ فيى تسمح باختيار الميزات ً‬

‫بناء عمى‬
‫وضعيا أو موقعيا المطمق بالنسبة إلى الميزات األخرر في الطبقات‬
‫األخرر‪.‬‬
‫يتم ‪ selecting features‬بالمؤشر فى ‪ ArcMap‬وذلك عن طريق‪:‬‬
‫‪- 1‬تأكد من تحديد الطبقة المستيدفة في عالمة تبويب التحديد في أسفل‬
‫جدول محتويات في ‪.ArcMap‬‬

‫‪.‬‬ ‫‪- 2‬من شريط األدوات ‪ ،‬انقر فوق األداة‬

‫‪- 3‬في نافذة الخريطة ‪ ،‬انقر فوق ميزة فردية أو اسحب مر ً‬

‫بعا حول‬
‫مجموعة الميزات التي ترغب في تحديدىا‪.‬‬
‫‪- 4‬سيتم تحديد الميزات في وقت واحد وتسميط الضوء عمييا في نافذة‬
‫الخريطة وجدول السمات ‪.attribute table‬‬
‫خطوات ‪:selecting by location‬‬
‫ىو استعالم يفحص العالقات المكانية بين المعالم في طبقات مختمفة عمى‬
‫سبيل المثال ‪ ،‬معرفة الطرق التي عبرتيا الجداول؟‬
‫‪- 1‬من شريط القوائم في ‪ ، ArcMap‬انقر فوق ‪ Selection‬واختر "‬
‫‪." Select By Location‬‬

‫‪- 47 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪- 2‬في نافذة " ‪ ، " Select By Location‬انقر فوق السيم المنسدل‬
‫تحديدا (الشكل‪.)16‬‬
‫ً‬ ‫واختر‬

‫شكل ( ‪ )16‬مربع حوار ‪.Select by Location‬‬

‫‪- 3‬تحقق من الطبقة (الطبقات) التي ترغب في تحديد ميزات منيا‬

‫(الطبقة المستيدفة)‪.‬‬
‫‪ - 4‬اختر من القائمة المنسدلة ‪ ،‬نوع العالقة المكانية التي تبحث عنيا‪:‬‬
‫ىندسيا في جزء مشترك‬
‫ً‬ ‫‪ Intersect -‬التقاطع ‪ :‬إلظيار أي ميزة تشترك‬
‫معيا الميزة األساسية‪.‬‬

‫‪- 48 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪ : Are within a distance of -‬إرجاع أي ميزة ضمن مسافة محددة من‬

‫الميزة األساسية‪.‬‬

‫‪ :Completely contain -‬إرجاع أي ميزة تحتوي ً‬

‫كميا عمى ميزة في‬
‫الطبقة األساسية‪.‬‬
‫‪ :Are completely within-‬إرجاع أي ميزة مضمنة بالكامل بواسطة‬
‫الميزة (الميزات) في الطبقة األصمية‪.‬‬
‫‪ : Have their centre in -‬إرجاع أي ميزة مع النقطو الوسطى تقع‬
‫داخل ىندسة الميزة األصمية‪.‬‬
‫‪ : Share a line segment with-‬إرجاع أي ميزة بيا عمى األقل‬
‫متجاورتان قمم مشتركة مع الميزة األساسية‪.‬‬
‫‪ : Touch the boundary of-‬إرجاع أي ميزة تالمس حدود الميزات في‬
‫طبقة المصدر‪.‬‬
‫‪ : Are identical to-‬إرجاع أي ميزة تتساوي تماماً وتتطابق مع ميزة في‬
‫الطبقة األصمية‪.‬‬
‫‪ :Are crossed by the out line of -‬يعرض أي ميزة ليا حافة واحدة‬
‫عمى األقل كقمة الرأس أو نقطة النياية المشتركة مع ميزة في الطبقة‬
‫األصمية‪.‬‬
‫‪: Contain-‬إرجاع أي ميزة تحتوي عمى ميزة في الطبقة األساسية‪.‬‬
‫طبقة‬ ‫‪ : Are contained by-‬إرجاع أي ميزة مضمنة في الميزات في‬
‫المصدر‪.‬‬
‫‪ -5‬اختر من القائمة المنسدلة السفمية ‪ ،‬الطبقة التي تريد ربطيا (الطبقة‬
‫األصمية)‪.‬‬

‫‪- 49 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪-6‬انقر فوق "‪ " Apply‬لتشغيل االستعالم ‪.‬‬

‫‪ ، Select by Attributes‬سيتم تمييز الميزات‬ ‫‪-7‬كما ىو الحال مع‬

‫المحددة في نافذة الخريطة باإلضافة إلى ذلك ‪ ،‬ستكون السمات المرتبطة‬
‫بالميزات المحددة تم اختيارىا في نفس الوقت ‪.‬‬

‫طرق االختيار ‪:‬‬

‫توجد بعض الخيارات إلنشاء وتعديل السمة ومجموعات التحديد المكاني‬

‫‪ spatial selection‬رغم ذلك يختمف األسموب بين االختيار حسب السمة‬
‫واالختيار حسب الموقع ‪ ،‬ونوع اإلخراج (الجدول‪..)2‬‬

‫‪- 50 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫جدول (‪ )2‬طرق االختيار مع ‪Select by Attribute or Location‬‬

‫‪Output‬‬ ‫‪Select by location‬‬ ‫‪Select by‬‬

‫إنشاء مجموعة اختيار جديدة‬
‫يضيف السجالت إلى مجموعة‬
‫االختيار المولدة من االستعالم‬
‫السابق تنفيذه‪.‬‬
‫يزيل السجالت من مجموعة‬
‫االختيار التى ولدت من‬
‫االستعالم السابق تنفيذه‪.‬‬
‫يختار مجموعة فرعية أصغر من‬
‫السجالت من مجموعة مختارة‬
‫ولدت من استعالم تم تنفيذه مسبًقا‬
‫‪attribute‬‬
‫ي ‪ features‬من‬
‫تحد د‬ ‫إنشاء اختيار جديد‬
‫إضافة إلى ‪ features‬المحددة حالياً فى‬ ‫إضافة إلى االختيار‬
‫الحالي‬
‫إزالة من الميزات المحددة حالياً فى‬ ‫إزالة من االختيار‬
‫الحالى‬
‫إختيار من الميزات المختارة حالياً فى‬ ‫إختيار من االختيار‬
‫الحالى‬

‫شكل (‪ ) 17‬طرق االختيار‪.‬‬

‫‪- 51 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫بعد إنشاء مجموعة االختيار ‪ ،‬يمكن إجراء عممية لمتبديل بين مجموعات‬
‫من الميم تتبع نوع االختيار الذي حددتو‬
‫ف‬ ‫فرعية محددة وغير محددة‪.‬‬
‫لضمان أن االستعالم الخاص بك يولد النتائج الصحيحة‪.‬‬

‫خطوات التبديل بين المجموعات الفرعية المحددة وغير المحددة‪:‬‬

‫‪"Options‬خيارات" واختر ‪Switch‬‬ ‫من ‪ ، attribute table‬انقر فوق‬
‫‪" Selection‬تبديل التحديد"‪ .‬كل السجالت المحددة مسبًقا غير محددة اآلن‬
‫‪ ،‬بينما السجالت تصبح مختارة ولمسح التحديد واستعادة جميع السجالت إلى‬
‫غير محددة ‪ ،‬انقر فوق خيارات ‪ Options‬واختر‪.Clear Selection‬‬
‫‪Definition‬‬ ‫‪queries‬‬ ‫استعالمات التعريف‬
‫تتيح لك استعالمات التعريف عرض الميزات في نافذة الخريطة وجداول‬
‫السمات المرتبطة بيا مع وجود سمات محددة‪ .‬عمى سبيل المثال قد يرغب‬
‫المخطط من عرض وفحص الجسور فقط داخل طبقة النقل ‪ ،‬بدالً من‬
‫االضطرار إلى عرض كل ميزات النقل‪.‬‬

‫خطوات إضافة استعالم التعريف‪:‬‬

‫‪ -‬انقر بزر الماوس األيمن فوق الطبقة المطموبة في جدول المحتويات‬

‫‪ table of contents‬واختر ‪ Properties.‬خصائص‪.‬‬
‫‪ -‬انقر فوق ‪.Definition Query‬‬
‫‪ -‬اكتب تعبير ‪ SQL‬أو انقر فوق ‪( Query Builder‬الشكل‪.)18‬‬

‫‪- 52 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫مزدوجا أو اكتب في مربع الحوار اسم حقل السمة‬

‫ً‬ ‫نقر‬
‫‪ -‬انقر ًا‬
‫المطموب‪.‬‬

‫بناء عمى تنسيق مصدر فئة‬‫الحظ أن أسماء الحقول محددة بشكل مختمف ً‬
‫الميزة؛ عند االستعالم عن فئة المعالم من قاعدة بيانات جغرافية لمممف ‪ ،‬أو‬
‫شكل ممف التغطية ‪ ،‬أرفق أسماء الحقول بعالمات اقتباس مزدوجة (عمى‬
‫سبيل المثال ‪ )"AREA " ،‬وعند االستعالم عن فئة ميزة قاعدة بيانات‬
‫جغرافية شخصية ‪ ،‬أرفق حقل األسماء بين قوسين (عمى سبيل المثال ‪،‬‬
‫[‪ )]AREA‬وعند االستعالم عن فئة ميزات ‪ ، SDE‬ال يتم إحاطة الحقول‬
‫مطمًقا (عمى سبيل المثال ‪.) AREA‬‬
‫‪ -‬انقر عمى زر عامل التشغيل إلضافتو إلى تعبير ‪( SQL‬عمى سبيل‬
‫المثال =)‪.‬‬
‫‪ -‬انقر فوق ‪ " Get Unique Values‬الحصول عمى قيم فريدة"‬
‫لعرض قيم الحقل المحدد‪.‬‬
‫‪( SQL‬أو اكتب‬ ‫مزدوجا فوق قيمة إلضافتيا إلى تعبير‬
‫ً‬ ‫نقر‬
‫‪ -‬انقر ًا‬
‫يدويا القيمة المحددة التي تبحث عنيا)‪.‬‬
‫ً‬
‫بناء عمى نوع بيانات الحقل الذي تستفسر عنو ‪ ،‬بناء الجممة‬
‫الحظ أنو ً‬
‫عند االستعالم عن حقل نص ‪ ،‬يتم تضمين القيم المراد‬ ‫يكون مختمف ؛ ف‬
‫البحث عنيا في عالمات اقتباس مفردة؛ عمى سبيل المثال ‪،‬‬

‫‪- 53 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫’‪ ‘Bridge‬وعند االستعالم عن حقل رقمي ‪ ،‬ال‬ ‫]‪= ]FEATURE‬‬

‫يتم تضمين القيم في األحرف (عمى سبيل المثال ‪.[AREA]> 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:‬‬

‫‪ ، selection‬يصبح من‬ ‫بمجرد استخدام استعالم إلنشاء مجموعة‬
‫ٍ‬
‫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 ‫‪ attribute table‬حيث يتم تمييز ىذه السجالت في جدول‬
‫أيضا عرض الممف لمسجالت المحددة‪.‬‬
‫‪ table‬؛ و يمكنك ً‬

‫‪- 55 -‬‬
 ‫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 تستفسر‬
‫عنيا‪.‬‬
‫‪ -‬قم بإنشاء مجموعة مختارة من السجالت في جدول ‪ ،‬إما عن طريق‬
‫يدويا أو باستخدام وظيفة تحديد حسب السمات‬
‫تحديد الميزات ً‬
‫‪.Select by Attributes‬‬
‫‪.Export‬‬ ‫‪ Options‬واختر‬ ‫‪ -‬انقر فوق‬
‫‪ -‬انقر عمى القائمة المنسدلة ‪ Export‬واختر السجالت المحددة ‪.‬‬
‫‪ Browse‬وانتقل إلى المجمد الحالي أو قاعدة‬ ‫‪ -‬انقر فوق الزر‬
‫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
‫‪ ،Save‬ثم‬ ‫اسما لمجدول الجديد المراد إنشاؤه وانقر فوق‬
‫‪ -‬اكتب ً‬
‫انقر فوق ‪. OK‬‬
‫‪ -‬يمكن بعد ذلك عرض الجدول الذي تم إنشاؤه حديثًا وتحميل البيانات‬
‫في 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 أو‬
‫المجمد المطموب ‪.‬‬
‫‪ -‬اختر نوع الميزة التي ترغب في تصديرىا إلييا من القائمة المنسدلة‬
‫"القائمة (عمى سبيل المثال ‪،‬‬ ‫‪" Save as type‬حفظ بنوع‬
‫‪ 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 المستيدفة‬
‫انقر عمى ‪ Editor‬واختر ‪ Save Edits‬ثم ‪.Stop Editing‬‬

‫‪ Querying‬و ‪ Selecting‬فى البيانات ‪:Raster‬‬

‫‪ ، vector‬يمكن االستعالم عن البيانات‬ ‫كما ىو الحال مع طبقات‬

‫" ‪ "attribute‬أو الموقع المكاني الستخراج‬ ‫‪ Raster‬بواسطة السمة‬
‫مجموعات فرعية من المعمومات واجراء تحميالت أكثر تركي از‪.‬‬

‫‪- 1‬استخراج البيانات ‪:Raster‬‬

‫‪:Select by Attribute‬‬

‫ت‬ ‫‪ Raster‬عمى جداول السما‬ ‫تحتوي بعض مجموعات البيانات‬

‫‪ 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
‫‪، Select by Attribute‬‬ ‫خطوط المسح باستخدام مربع الحوار‬
‫‪ .vector‬في البيانات‬ ‫باستخدام مماثل الطريقة التي تستخدم لمبيانات‬

‫‪- 59 -‬‬
 ‫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 ًا‬

‫المطموب مع ‪ ، Raster‬سيكون ىذا ً‬

‫عادة حقل " ‪ " value‬والذي‬
‫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.‬‬

‫‪SQL‬‬ ‫مزدوجا فوق ‪" value‬قيمة" إلضافتيا إلى تعبير‬

‫ً‬ ‫نقر‬
‫‪ -‬انقر ًا‬
‫يدويا ‪.‬‬
‫أواكتبىا ً‬
‫‪ -‬انقر فوق "‪ " Apply‬لتشغيل االستعالم‪.‬‬
‫استخراج بواسطة السمة ‪: Extract by Attribute‬‬
‫‪ raster‬بسمة عن طريق تنفيذ استعالم جممة "‬ ‫يتم استخراج الخاليا‬
‫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
‫في شريط األدوات‪.‬‬ ‫‪ -‬افتح ‪ Arc Tool box‬بالنقر فوق زر‬
‫‪ -‬اختر ‪ Spatial Analyst‬ثم ‪ Extraction‬ومنيا ‪Extract by‬‬
‫‪.Attributes‬‬

‫‪- 61 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪ -‬قم بإنشاء جممة " ’‪ " ‘where‬الستخراج قيم الخمية التي ترغب في‬
‫عزليا‪.‬‬
‫‪ -‬تتكون الخاليا الناتجة في ‪ Raster‬التي تفي بالمعايير ‪ ،‬في حين‬
‫بـ ‪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
‫أكثر من المعايير‬ ‫المنطقية ( ‪ (NOT ،OR ،AND‬لدمج اثنين أو‬
‫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
‫‪ raster‬لممستخدم إمكانية‬ ‫يتيح االختيار حسب الموقع في البيانات‬
‫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
‫واستخدام األراضي‬ ‫باستخدام طبقة مضمع الحديقة الستخراج المناطق منيا‬
‫عمى مستور المدينة و تقييد البيانات عمى الحدائق سيسيل تمخيص البيانات‬
‫وفقا لمتطمبات مخطط المدينة‪.‬‬
‫هناك عدد من الطرق الستخراج الخاليا ‪ raster‬حسب موقعها ‪ ،‬ومعظميا‬
‫خمية أو مجموعات من‬ ‫يستخدم شكل ىندسي محدد الستبعاد أو تضمين‬
‫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

‫‪ raster‬التى تقع داخل أو‬ ‫المركزية ونصف قطر الدائرة إلخراج خاليا‬
‫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
‫‪ 10‬قيم ألنواع‬ ‫سبيل المثال ‪ ،‬إذا كان لديك مجموعة بيانات تحتوي عمى‬
‫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

‫‪ Tools‬واختيار‬ ‫‪ Spatial Analyst‬بالنقر فوق‬ ‫‪ -‬تنشيط‬

‫‪ Extensions‬وضع عالمة اختيار بجوار ‪Spatial Analyst‬‬
‫وانقر فوق ‪.Close‬‬
‫‪ Spatial Analyst‬بالنقر بزر الماوس‬ ‫‪ -‬أضف شريط األدوات‬
‫‪Spatial‬‬ ‫األيمن في أي مكان في منطقة شريط األدوات و اختيار‬
‫‪ Analyst‬من قائمة األدوات المنسدلة ‪.‬‬
‫‪ -‬اختر البيانات ‪ raster‬المستيدفة من القائمة المنسدلة ( ‪) Layer‬‬
‫عمى سبيل المثال ‪.) LandUse) ،‬‬
‫‪ -‬انقر عمى ‪ Spatial Analysis‬واختر ‪ Reclassification‬في‬
‫قيما جديدة لمـ ‪output‬‬
‫مربع الحوار ‪ ، Reclassification‬أدخل ً‬
‫‪ raster‬في الجانب األيمن‬
‫‪ -‬انقر فوق "‪ "OK‬لتنفيذ إعادة التصنيف‪.‬‬

‫‪ raster‬مبسطة‬ ‫مثال عمى تجميع الخاليا ذات الخصائص الشائعة إلنشاء‬

‫(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 ً‬
‫بناء عمى متطمبات محددة؛‬ ‫ق‬
‫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
‫تمخيصو‪ .‬حدد (بالنقر بزر‬ ‫الماوس األيمن عمى اسم الحقل الذي تريد‬

‫‪- 66 -‬‬
 ‫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
‫؛ تمنحك وظيفة التمخيص خيار‬ ‫(عمى سبيل المثال ‪ ،‬نتائج استعالم)‬
‫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
‫‪,‬واختار‬ ‫‪ ،‬ثم انقر بزر الماوس األيمن فوق اسم الحقل الذي تريد وصفو؛‬

‫‪- 68 -‬‬
 ‫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 ‫لألرض بمون مختمف ‪ ،‬ثم تتضمن ً‬
‫رسما ً‬
‫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
‫كل نوع رسم بياني لو خصائص عرض يمكن ضبطيا ً‬ ‫األبعاد)؛ ف‬
‫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.‬‬
‫‪ : Line -‬تعرض الرسوم البيانية الخطية البيانات عمى شبكة ‪Y ، X‬‬
‫بخط 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.‬‬

‫‪ Polar -‬الرسم البياني القطبي يشبو الرسم البياني الخطي لكنو يعرض‬
‫البيانات الزاوية (بالدرجات) عمى شبكة دائرية ؛ فيي مفيدة لعرض نتائج‬
‫الصيغ الرياضية‪.‬‬

‫‪- 70 -‬‬
 ‫الفصل الثانى ‪ :‬استكشاف البيانات‬

‫‪ : Area -‬يشبو الرسم البياني الخطي حيث يتم عرضو عمى شبكة ‪x‬‬
‫و ‪ y‬وىو مفيد إلظيار االتجاىات في القيم‪.‬‬
‫رموز (مثل ‪ ) +‬لرسم قيم ‪ x‬و ‪( y‬وربما‬
‫‪ Scatter -‬مبعثر ‪ :‬تستخدم ًا‬
‫بناء 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.‬‬
‫‪: Bubble-‬تشبو الرسوم البيانية ‪ Scatter‬ولكنيا تسمح لك برسم ثالثة‬
‫تستخدم‬
‫متغيرات في بعدين بدالً من استخدام الرموز ذات الحجم الموحد ‪ ،‬ف‬
‫الرموز (أوالفقاعات) ذات الحجم النسبي لتمثيل القيم المرتبطة بثالثة‬
‫متغيرات‪.‬‬
‫‪: Bar and Column-‬والمقصود بيا المخططات الشريطية أو األعمدة‬
‫حيث 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-Close-‬يعرض 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 Chart-‬مخطط دائري ف‬
‫األبعاد 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

‫أو نمط الرسم‬ ‫الجدول وأحد أنماط الرسوم البيانية؛ بمجرد أن تقرر نوع‬
‫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 البياني‬
‫الذي ترغب في إنشاؤه‪.‬‬
‫‪ -‬ضمن قائمة ‪ Layer / Table‬المنسدلة ‪ ،‬اختر الطبقة أو الجدول‬
‫الذي تريد الرسم البياني لو‪.‬‬
‫‪ -‬اختر حقل البيانات الذي ترغب في رسمو من القائمة المنسدلة لحقل‬
‫القيمة وحدده حقل ‪ x‬إذا رغبت في ذلك ‪.‬‬
‫‪ -‬انقر فوق خانة االختيار ‪ check box‬إذا كنت ترغب في إنشاء‬
‫وسيمة 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 أسماء‬
‫الرؤية 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
‫عن طريق معالجة الميزات‬ ‫إلى معمومات وانشاء بيانات جديدة (مشتقة)‬
‫المكانية الموجودة والسمات المرتبطة بيا‪.‬‬
‫وبرامج نظم المعمومات الجغرافية مزودة بمجموعة متنوعة من وظائف‬
‫‪ Vector‬و‪ Raster‬؛‬ ‫التحميل التي تسمح لنا بمعالجة البيانات بنوعييا‬
‫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

‫‪ features‬فرعية من سمسمة طبقات‬ ‫فالـ ‪ clip‬مفيد لتطوير مجموعة‬
‫في‬ ‫البيانات الموجودة ؛ عمى سبيل المثال قد يرغب المخطط في البحث‬
‫طبقة شبكة الشوارع ‪ ،‬ولكن الشوارع التي تقع داخل حدود منطقة معينة فقط‬
‫لحدود‬ ‫فالـ ‪ clip‬سيكون ً‬
‫مفيدا من أجل استخراج معالم الشوارع المطابقة‬
‫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

‫‪ Select‬إلنشاء طبقة جديدة تحتوي عمى‬ ‫يمكن استخدام‬

‫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 ‪.‬‬

‫طبقة ‪Output‬‬ ‫اختيار الـ‪ features‬فى الطبقة المدخمة‬

‫شكل (‪ ) 30‬مثال لمـ ‪.Select‬‬

‫‪- 81 -‬‬
 ‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪:Erase‬‬

‫‪ features‬من‬ ‫يقوم ‪ Erase‬بإنشاء طبقة إخراج جديدة من خالل تجاىل‬

‫طبقة اإلدخال التي تقع داخل المنطقة (الشكل ‪)31‬؛ يمكن أن تكون طبقة‬
‫ومع ذلك يجب أن تكون طبقة‬ ‫طا أو مضمعات ؛‬
‫طا أو خطو ً‬
‫اإلدخال نقا ً‬
‫المحو مضمع‪.‬‬

‫شكل ( ‪ )31‬طريقة عمل ‪. Erase‬‬

‫‪ map layout‬لوضع قناع‬ ‫يمكن استخدام ‪ Erase‬في مخطط الخريطة‬
‫لمسماح بسقوط تمك الميزات داخل منطقة معينة ليتم عرضيا (عمى سبيل‬
‫كما يمكن استخدام ‪ Erase‬في تحميل‬ ‫المثال ‪ ،‬حدود منطقة الدراسة)‪.‬‬
‫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
‫استخدام المعامالت المنطقية مثل‬ ‫تيدف العمميات المنطقية إلى‬
‫< ‪ ، ) > and‬تختمف طرق ‪ Overlay‬لمبيانات‬ ‫(‪AND‬؛ ;‪ OR‬؛‬
‫‪ 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
‫لطبقة التربة وطبقة الغطاء النباتي‬ ‫المثال ‪ ،‬يتم عمل تراكب‪Overlay‬‬
‫وطبقة الترسيب مما يؤدي إلى تغطية مشتقة مع مضمع فريد لكل تركيبة‪.‬‬
‫وىى‬ ‫القاعدة المهيمنة ‪:Dominance Rule‬حيث تفوز قيمة واحدة‬
‫القيمة المييمنة ولتكن القيمة األعمى ىي القيمة الوحيدة المعينة‪.‬‬

‫‪- 84 -‬‬
 ‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫شكل (‪ )33‬القاعدة المييمنة‪.‬‬

‫‪ :Contributory Rule‬حيث تساىم كل قيمة‬ ‫قاعدة المساهمة‬
‫‪ attribute‬في النتيجة كما تساىم كل طبقة مصدر في النتيجة ؛ عمى سبيل‬
‫بناء عمى مجموعة من طبقات‬‫المثال ‪ ،‬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
‫‪ .‬مثال عمى ىذا النوع من‬ ‫أيضا تعيين سمات المضمع التي تقع داخميا‬
‫ً‬
‫التراكب الربط بين محطات األرصاد الجوية " والتى تمثل بطبقة نقاط " وأنواع‬
‫الغطاء النباتي "طبقة مضمع " المراد تحديدىا (الشكل ‪) 36‬؛ وستكون طبقة‬
‫‪ attribute‬لنوع‬ ‫المخرجات ممف نقطة محطة األرصاد الجوية مع إضافة‬
‫الغطاء النباتي‪.‬‬

‫‪- 86 -‬‬
 ‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪Point in Polygon Overlay‬‬ ‫شكل ( ‪)36‬‬

‫‪ : line-in-polygon‬لتشمل ميزات‬ ‫‪ -‬طبقة خطأط أطبقة مضمعات‬

‫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.‬‬

‫‪polygon-on-‬‬ ‫‪ -‬طبقة مضمعات مع طبقة مضمعات أخرى‬
‫‪ : polygon‬حيث تندمج األشكال اليندسية لممضمع من طبقات‬
‫‪ Overlay‬إلنشاء مجموعة جديدة من‬ ‫المدخالت والتراكب‬

‫‪- 87 -‬‬
 ‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫الخاصة‬ ‫المضمعات بحيث يحافع كل مضمع جديد عمى السمات‬

‫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
‫‪ overlay‬التي‬ ‫أيضا عمى الشكل اليندسي وسمات طبقة‬
‫تحافع العممية ً‬
‫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
‫‪Update‬‬ ‫واستبداليا من سمات طبقة اإلدخال مع تمك الموجودة في طبقة‬
‫"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-:‬‬
‫القرب الجغرافي‬ ‫‪: Proximity‬ىو مفيوم العالقة المكانية التي تتوافق مع‬
‫لممميزات ؛وىذه العالقة تتيح لنا اختيار الميزات الموجودة عمى مسافة معينة‬
‫من غيرىا ‪ ،‬أو إلنشاء ميزات جديدة عن طريق توسيع نطاق الميزة‪ .‬عمى‬
‫‪10‬‬ ‫سبيل المثال قد نرغب في العثور عمى جميع الفنادق عمى بعد‬
‫كيمومترات من وسط المدينة‪.‬‬

‫‪- 91 -‬‬
 ‫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
‫‪ Buffer‬لمنقاط تكون دائرية الشكل بينما ‪ Buffer‬لمخط والمضمع‬ ‫فالـ‬
‫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

‫‪Near‬‬ ‫عمى طول خط في طبقة أخرى (وتسمى ً‬
‫أيضا طبقة الميزة القريبة‬
‫‪attribute‬‬ ‫‪ .)Feature layer‬وقيم المسافة الناتجة تكون مسجمة في‬
‫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
‫بين المعمم‬ ‫اإلطفاء في توسيع نطاق البحث لتحديد المسافات التي تفصل‬
‫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.‬‬
‫تحسب أداة اإلحصائيات الموجزة‬ ‫‪:Summary‬‬ ‫‪Statistics‬‬
‫‪ Summary Statistics‬واحداً أو أكثر من اإلحصائيات التالية في‬
‫‪sum, mean, maximum,‬‬ ‫الحقول الرقمية في جدول السمات‪:‬‬

‫‪- 93 -‬‬
 ‫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
‫‪ ، Raster‬من الميم تحديد‬ ‫قبل إجراء التحميالت عمى مجموعة بيانات‬
‫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
‫‪ union‬أو ‪ intersect‬مع‬ ‫التحميل بناء عمى مدخالت متعددة مثل‬
‫‪ 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
‫؛ يتم إنشاء‬ ‫المئوية ‪ ،‬فإن كالىما مجرد اختالفات في تقييم االرتفاع‬
‫‪ 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
‫‪ Aspect‬االتجاه األساسي الذي يواجيو‬ ‫في ارتفاع سطح األرض؛ فيحدد‬
‫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

‫‪ Raster‬عن طريق تحديد‬ ‫وكما ىو الحال مع حساب الميل ‪ ،‬يتم إنشاء‬

‫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
‫الميم في‬
‫ف‬ ‫المحيطة بالمياه ‪ ،‬كما تشير الخطوط إلى اتجاه منبع األنيار‪.‬‬
‫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
‫‪Hill‬‬ ‫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 -‬‬
 ‫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
‫‪( Hill Shade‬لتتراوح من‬ ‫ويتم تعيين قيمة إضاءة لكل خمية إخراج في‬
‫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 ؟‬
‫األولى‬ ‫ىناك مجموعتان من بيانات المدخالت مطموبة إلجراء ىذا التحميل‬
‫‪ DEM‬أو ‪ TIN‬يمثل‬ ‫طبقة بنقطة عرض واحدة أو أكثر والثانية سطح‬
‫نموذج التضاريس‪.‬‬

‫‪- 100 -‬‬

 ‫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 عن‬
‫غيرىا ‪.‬‬

‫‪ -‬أظائف التنسيق أأ الجأار تفحص الخمية البؤرية و ً‬

‫أيضا الخاليا‬
‫المجاورة ليا أو تمك التى تقع ضمن مسافة محددة‪.‬‬
‫‪ -‬أظائف ‪ Zonal‬والتى تفحص مجموعات غير منتظمة الشكل من‬
‫الخاليا 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
‫أيضا عمى نطاق واسع الستبدال القيم ً‬ ‫ويستخدم إعادة التصنيف ً‬
‫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
‫‪ Raster‬كتطبيق‬ ‫مجموعة ‪ attribute‬ويمكن أيضا أن تنفذ مع طبقات‬
‫و قاعدة‬ ‫قاعدة ‪ MAXIMUM‬عن طريق أخذ أكبر قيمة من الطبقات‬
‫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
‫واجية ‪Raster‬‬ ‫بعدة طرق ف‬
‫في برامج ‪ ArcGIS‬يتم ذلك من خالل‬
‫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
‫‪ Raster‬جديدة‬ ‫معين عمى مجموعة من طبقات البيانات النقطية وانشاء‬
‫تحتوي عمى النتيجة‪.‬‬
‫وألنىا نوع من الوظيفة المحمية ‪ ،‬فتقارن اإلحصاءات المحمية وتمخص فقط‬
‫‪( Raster‬عمى سبيل المثال ‪ ،‬يتم إجراء‬ ‫الخاليا المقابمة من مدخالت‬
‫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 ‪:‬‬
‫األقصى‪ :‬يحدد القيمة األعمى بين بيانات اإلدخال‬ ‫‪ Maximum‬الحد‬
‫"‪ " 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 ‪.‬‬
‫‪ Raster‬المدخلة عمى‬ ‫‪ :Mean‬يحسب القيمة المتوسطة (المتوسط) من‬
‫أساس كل خمية عمى حدة‪.‬‬
‫و( مع األخذ فى الحسبان‬ ‫‪ Median‬الأسيط ‪ :‬يحسب القيمة المتوسطة‬
‫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
‫‪( Raster‬أو داخل قناع)‪ ، .‬تستخدم‬ ‫معالجة جميع الخاليا الموجودة في‬
‫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
‫‪ )57‬يحدد اإلحصاءات‬ ‫؛ الشكل التالى(‬ ‫المجاورة في طبقة اإلدخال‬
‫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

‫بإحدى طريقتين عند‬ ‫فيمكن معالجة الخاليا التي و تحتأي عمى بيانات‬
‫تحميل وظائف المحمية أو الجوار‪:‬‬
‫‪ -‬قم بتعيين "ال توجد بيانات" لخمية اإلخراج بغض النظر عن مجموعة‬
‫نظر ألن خمية إدخال واحدة في‬
‫ًا‬ ‫قيم خاليا اإلدخال‬
‫‪ Neighborhood‬ىي " ‪ ، " NODATA‬فسيكون الناتج "‬
‫‪. )" NODATA‬‬
‫حساب‬ ‫‪ -‬تجاىل خمية " ‪ " NODATA‬واكمال الحساب بدونيا (أي‬
‫قيمة الحد األقصى للقيمة في الجوار بغض النظر عن الخمية‬
‫‪.)NODATA‬‬
‫أظائف المناطق أاإلحصاء ‪: Zonal Functions and Statistics‬‬
‫‪ Zonal‬بإجراء عمميات عمى مناطق من الخاليا الشائعة‬ ‫تقوم وظائف‬
‫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)؛‬
‫‪ Zonal‬لينتج طبقة‬ ‫‪ Raster‬يتم إجراء عممية‬ ‫وعند استخدام طبقتين‬
‫‪ 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

‫ولتحديد أقصر‬ ‫باالرتباطات بين الخاليا المجاورة (أفقية ورأسية وقطرية)‪.‬‬

‫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

‫‪OUTPUY Layer‬‬ ‫‪INPUT 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 السمات‬
‫المتطابقة عمى سبيل المثال ‪ ،‬إذا قمت بدمج مجموعات البيانات من‬
‫مصادر مختمفة ‪ ،‬فإن المنتج النيائى قد يحتوي عمى عدد من‬
‫‪ Dissolve‬تسمح بإزالة‬ ‫الشرائح أو القيم المتداخمة‪ .‬فإن وظيفة‬
‫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
‫عند‬ ‫مع مراعاة تحديد درجة التبسيط‬ ‫الخطوط لتحسين عرض الخرائط ‪،‬‬
‫تبسيط الخط لضمان النتيجة حيث الخط يكون شبيو الخط األصمى‪.‬‬

‫‪- 116 -‬‬

 ‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪:Smooth Line‬‬
‫يتم إزالة‬ ‫يتم تجانس الخطوط لتحسين مظير الخرائط ‪ ،‬عمى سبيل المثال‬
‫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 ً‬
‫بإزالة‬ ‫فعند تطبيق تقنيات التعميم عمى ىذه األنواع من األمثمة ‪ ،‬تسمح لك‬
‫ىذه المناطق داخل مجموعة البيانات النقطية ‪.Raster‬‬

‫‪- 117 -‬‬

 ‫الفصل الثالث ‪ :‬التحليل املكانىللبيانات ‪ Vector‬و ‪Raster‬‬

‫‪:Aggregate‬‬
‫‪Raster‬‬ ‫‪" Aggregate‬التجميع" ىو أسموب إعادة تشكيل يسمح بإنشاء‬
‫‪Raster‬‬ ‫ذات دقة أقل (خاليا بأحجام أكبر) ؛حيث تعتمد قيم خاليا فى الـ‬
‫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
‫‪ Raster‬بواسطة السماح لمخاليا ذات القيم‬ ‫بيانات من مجموعة بيانات‬
‫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
‫وتحتوي مجموعة البيانات الناتجة‬ ‫منطقة من مجموعة البيانات النقطية‪.‬‬
‫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 ‪،‬‬
‫كما تستخدم‬ ‫االتجاه ‪ ،‬المركزية ‪ ،‬أوالخصائص المكانية األخرى لمبيانات‬
‫اإلحصاءات لمجموعة متنوعة من التحميالت المختمفة ‪ ،‬بما في ذلك تحميل‬
‫األنماط ‪ ،‬تحميل األشكال والنمذجة السطحية والتنبؤ السطحي واالنحدار‬
‫مجموعات البيانات المكانية والنمذجة‬ ‫المكاني واإلحصائي ومقارنات‬
‫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 ‪،‬‬
‫من التخصصات التى تستفيد أيضا من‬ ‫والعقارات ‪ ،‬والتخطيط ‪ ،‬وغيرىا‬
‫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

‫صندوق األدوات ً‬
‫عددا من األدوات ‪ ،‬ىي عمى النحو التالي‪:‬‬
‫‪Measuring Geographic‬‬ ‫مجموعة أدوات قياس التوزيع الجغرافي‬
‫‪.Distributions‬‬
‫مجموعة أدوات تحميل األنماط ‪. Analyzing Patterns‬‬
‫مجموعة أدوات ‪.Mapping Clusters‬‬
‫‪.Modeling‬‬ ‫‪Spatial‬‬ ‫العالقات المكانية‬ ‫نمذجة‬ ‫مجموعة أدوات‬
‫‪.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.‬‬
‫‪ Central Feature‬و‪Mean Center‬‬ ‫توفر أدوات المعالم المركزية‬
‫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
‫أو مشتت‬ ‫المرتبطة بالميزات تشكل نمط مكاني مجمع ‪clustered‬‬
‫‪ dispersed‬أو عشوائي ‪ random‬؛ىذه األدوات تولد نتيجة واحدة‬
‫فإن النتيجة ال تأخذ شكل‬ ‫لمجموعة بيانات كاممة باإلضافة إلى ذلك‬

‫‪- 125 -‬‬

 ‫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
‫قياس مواقع الميزة وقيم السمة‬ ‫االرتباط التمقائي المكاني عن طريق‬
‫‪ 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
‫ي ومفيد لمغاية في تحميل الظواىر‬
‫بصر اً‬ ‫من ىذه األدوات يكون مشاىد‬
‫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
‫بتحديد المناطق الساخنة والباردة من الناحية‬ ‫نظ اًر ألنيا تقوم‬ ‫ىذه‬
‫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.‬‬

‫‪ :Grouping Analysis‬تقوم ىذه األداة بتجميع الميزات ً‬

‫بناء عمى‬
‫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
‫الشكل التالي ) و جدول اإلخراج يحتوي عمى ممخص ألداة التنفيذ ف‬
‫عند‬

‫‪- 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
‫التوزيع االتجاىي ‪ ،‬المتوسط االتجاىي‬ ‫‪Directional Distribution،‬‬

‫‪- 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
‫‪ proprieties‬خصائص ؛ انتقل إلى عالمة‬ ‫طبقة "‪ "Servece‬وحدد‬
‫التبويب ‪ Source‬المصدر والحظ أن نظام اإلحداثيات المستخدم ىو‬

‫‪- 134 -‬‬

 ‫الفصل الرابع‪ :‬اإلحصاء املكانى‬

‫"‪ " GCS_WGS_1984‬ف غالبا ما يتم تخزين‬ ‫اإلحداثيات الجغرافية‬

‫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
‫غير ممكن مع‬ ‫وتتطمب ىذه األدوات قياسات دقيقة لممسافة ؛ وىذا‬
‫‪ WGS84 Web Mercator‬لذلك ‪ ،‬من الميم أن مجموعات البيانات‬
‫الخاصة بك تكون مرجعة إلى نظام اإلحداثيات الذي يدعم قياس المساف‬
‫ات‬
‫الدقيقة‪.‬‬
‫‪ -‬أداة ‪:Central Feature‬‬
‫موقعا 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
‫‪ "EUCLIDEAN_DISTANCE‬المسافة اإلقميدية "ىي مسافة‬ ‫المسافة‬

‫‪- 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 ‪.‬‬
‫ً‬ ‫الحقل يمكن أن يكون ً‬
‫عددا‬
‫‪ OK‬يتم عرض النتيجة عمى‬ ‫بعد إدخال الطبقات المطموبة والضغط 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
‫‪Central‬‬ ‫‪ Measuring Geographic Distributions‬؛ نختار‬
‫‪Mean‬؛‬

‫‪- 138 -‬‬

 ‫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

‫ن‬ ‫تحدد األداة ‪ Median Center‬الموقع من فئة المعالم التي تقمل م‬
‫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 ‪Spatial‬‬

‫‪Autocorrelation.‬‬
‫‪ -‬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
‫ًا‬ ‫عنصر‬
‫ًاا‬ ‫بعيداًا عن الوسط‪ .‬حمثل درجة ‪( Z‬صفر )‬
‫حشير درجة ‪ 2.5+‬إلى أن العنصر ‪ 2.5‬ىو االنترافات المعيارية‪.‬‬

‫يمكن أن حتون النحائج إيجابية أو سلبية‪ .‬يمكننا ًا‬

‫أيضا ربط نقاط ‪ Z‬بمسحويات‬
‫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
‫ًا‬ ‫تكما‬
‫ًا‬ ‫إن رفض الفرضية ‪ null hypothesis‬يحطلب‬
‫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
‫ًا‬ ‫األقرب‬
‫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.‬‬

‫بينما تبلغ نسبة ‪ ، ANN‬وحسمى ًا‬

‫أيضا نسبة الجار األقرب وىي محوسط‬
‫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
‫عرضا ًا‬
‫ًا‬ ‫حقرير ‪ HTML‬مفيد ألنو يقدم لنا‬
‫أيضا في ملف ‪ HTML‬مع ملف الحمثيل المرئي للمكان الذو‬
‫ذكرىا موجودة ًا‬
‫وصفا للنحائج‪:‬‬
‫ًا‬ ‫أيضا أنو يوفر لنا‬
‫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
‫محفاوت المسحويات أومشححو‬
‫ة‬ ‫فى االعحبار ان مجموع ة البيانات يمكن ان حتون‬
‫كما ىو معروف في الرسم البياني الخطي ‪.‬‬
‫‪Analyzing‬‬ ‫‪ Spatial Statistics Tools‬؛‬ ‫فمن مجموعة أدوات‬
‫‪ 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 ‪،‬‬
‫تقل المرصد ‪ ObservedK‬أتبر من التقل المحوقع‬ ‫نجد أن‬
‫‪ 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

‫موقع‬ ‫مثال السحخدام أداه البتث عن الحشابو عند متاولة التصول على‬
‫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
‫الربع‬ ‫فزيج من الشعيرات ومربع الجمع يحم حقسيمو إلى ارباع ؛ ف‬
‫م‬
‫األول يبدأ مع التد األدنى للقيمة من ‪ 8‬تحى بداية المربع وىو ‪14‬‬
‫في قيمو ‪ 14‬تحى الوسيط من مجموعة بيانات "‬ ‫؛ ويبد أ الربع الثانى‬
‫‪ "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.‬‬

‫‪ box plot‬؛ على النتو‬ ‫ويكون لتل مجموعة بيانات داخل الخريطة‬
‫الموضح باللون األزرق‬

‫‪- 171 -‬‬

 ‫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
‫لديك فكرة جيدة عن ما ينبغي ان يكون عليو التي ‪ ،‬ف‬
‫يجب عليك ان حنظر‬
‫السحخدام أداه ‪ Optimized Hot Spot Analysis‬حتليل النقاط الفعالة‬
‫المتسنة؛ فالتى ىو الذو يقارن إلى منطقو الدراسة بأتمليا‪ .‬ف‬
‫إذا كانت قيم ة‬
‫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.‬‬
‫ًا‬ ‫مخحلفا‬
‫ًا‬ ‫األخرى لمعرفة ما إذا كان‬

‫‪- 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
‫مجموعة من قيم ‪y‬‬ ‫دائماًا يتم البدء مع‬
‫االنحدار لمتنبؤ بيذا المتغير‪ ،‬ف‬
‫المعروفة واستخدام ىا إلنشاء نموذج االنحدار والتي يمكن استخداميا في‬
‫التحميل التنبؤي لمناطق أخرر‪.‬‬
‫‪ X‬في المعادلة ‪ ،‬في‬ ‫تستخدم المتغيرات التفسيرية أو المستقمة ‪ ،‬ممثمة بـ‬
‫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 ‪ ،0.1‬فيكون‬‫سيتم إنشاء قيمة مربع ‪ .0.1 r‬ف‬
‫أفضل تناسب للنموذج‪.‬‬
‫االنحدار الخطى مع أداة )‪:Ordinary Least Squares (OLS‬‬
‫‪ Ordinary‬أو ‪ OLS‬ىي أداة انحدار خطي‬ ‫أداة ‪Least Squares‬‬
‫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

‫ًا‬ ‫نموذجا‬
‫ًا‬ ‫توفر ىذه األداة‬
‫التنبؤ بيا‪ .‬والنتيجة ىي معادلة االنحدار التى تصور عالقة خطية إيجابية‬
‫أو سمبية‪.‬‬

‫يعتبر ‪ً OLS‬ا‬
‫دائما عممية تك اررية ‪ ،‬لذا ال تتوقع تشغيل ىذه األداة ببساطة‬
‫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

‫‪ ، OLS‬سنحتاج إلى تحديد المتغيرات‬ ‫عند تحديد معممات اإلدخال ألداة‬

‫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
‫لموصول إلى محتويات‬ ‫العدد ‪ ،‬تم تقسيم ىذه القيم حسب المنطقة‬
‫‪.NORMBURG‬‬

‫‪- 188 -‬‬

 ‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

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

‫ًا‬ ‫نقر‬
‫؛انقر ًاا‬

‫‪- 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.‬‬
‫ًا‬ ‫‪ -‬يجب أن يحكي كل متغير جزًاءا‬
‫‪ -‬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
‫‪ scatterplot‬لكل متغير‬ ‫التي تم تضمينيا بالتقرير ؛ ويحتوي ًا‬
‫أيضا عمى‬
‫وصفا مر ًائيا لمعالقات بين المتغير التابع وكل متغير توضيحي‪.‬‬
‫ًا‬ ‫يعطي‬
‫‪-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
‫سالبا‪.‬‬
‫موجبا أو ًا‬
‫ًا‬ ‫أن يكون‬
‫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

‫الحضرية العالقات السمبية فسيكون ًا‬

‫دائما قيمة رقمية سالبة‪.‬‬
‫‪ .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
‫ًا‬ ‫القوية‪ .‬توفر ىذه اإلحصائيات‬
‫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
‫ًا‬ ‫‪-7‬يجب أن يحكي كل متغير توضيحي جزًاءا‬
‫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

‫تمتمك القيم التي تتجاوز ‪ ، 7.5‬سيكون لديك ًا‬

‫دائما أكثر من متغير واحد‬
‫خارجيا ؛ "‪"7.5‬ىذا مؤشر عمى أن ىذه ىي المتغيرات التي تقيس نفس‬
‫" فيي زائدة عن الحاجة؛‬ ‫الشيء " المتغيرات التي تحكي نفس القصة‬
‫‪ OLS‬لمعرفة ىل‬ ‫احدا تمو اآلخر واعادة تشغيل أداة‬
‫ستحتاج إلى إزالتيا و ًا‬
‫إزالة أحد المتغيرات يؤثر عمى النموذج‪.‬‬

‫‪- 193 -‬‬

 ‫الفصل السادس‪ :‬أدواتمنذجة العالقات املكانية و ‪ Utilities‬فى ‪ArcGIS‬‬

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

‫‪ PCT_HISPAN‬و‬ ‫‪ VIF‬بما في ذلك‬ ‫‪ 7.5‬حدود‬ ‫أنيا تتجاوز‬
‫‪ OCCUPIEDUN‬و‬ ‫‪ PCT_BLACK‬و‬ ‫‪ PCT_WHITE‬و‬
‫‪ ، AVG_HH_SIZE‬والسكان‪ .‬نسب العرق كميا واضحة قياس الشيء‬
‫‪.OLS‬‬ ‫نفسو ‪ ،‬سنزيل واحدة عمى األقل من ىذه في التكرار التالي لألداة‬
‫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 ؛‬

‫‪ OLS‬ىي فئة ميزات جديدة ‪ ،‬يتم ترميزىا‬ ‫فثمة واحد من مخرجات أداة‬
‫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
‫مختمفا ًا‬
‫ًا‬ ‫المجموعات عمى الخريطة أو إذا كان الرسم البياني يبدو‬
‫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 ‪.‬‬
‫تذكر ‪ ،‬أننا ال نريد تجميع بل نريد أن نرر نمط مكاني عشوائي بدال‬ ‫‪-15‬‬

‫من ذلك ؛ وفيما يمى الرسم البيانى الناتج‪.‬‬

‫كبير عن المنحنى‬
‫اختالفا ًاا‬
‫ًا‬ ‫‪ -16‬ستالحع أن ىناك بعض القيم التي تختمف‬
‫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

‫في ىذه الخطوة ‪ ،‬سنقوم بتشغيل أداة ‪Spatial Autocorrelation‬‬ ‫‪.17‬‬

‫االرتباط التمقائي المكاني لتحديد ما إذا كان لدينا نمط عشوائي أو متفاوت‬
‫المسافات‪.‬‬
‫‪ Spatial Autocorrelation‬في مربع أدوات‬ ‫‪ .18‬ابحث عن أداة‬
‫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 :‬‬
‫ال تقم بتغيير أي من المعممات األخرر‪ .‬انقر فوق "‪ "OK‬لتنفيذ األداة‪.‬‬ ‫‪-19‬‬

‫‪ .20‬يعرض مربع حوار التقدم مسار التقرير واسم الممف‪ .‬ىذا سيكون‬
‫ممف ‪HTML‬؛ افتح الممف لمشاىدة النتائج الموضحة في لقطة الشاشة‬
‫التالية‪.‬‬
‫جمعا في بياناتنا‪.‬‬
‫نمطا ُم ًا‬
‫بناء عمى ىذا التقرير ‪ ،‬يمكننا معرفة أذا كان لدينا ً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
‫‪OLS‬‬ ‫من غير المألوف أن تواجو صعوبة اجتياز ىذا االختبار ‪ ،‬يتطمب‬
‫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
‫جيد‪.‬‬ ‫االعتماد عمى القيمة التربيعية كمؤشر قوي عمى أن النموذج الخاص بنا‬
‫‪ 0.5‬و ‪0.6‬‬ ‫‪-‬في العموم االجتماعية ‪ ،‬تعتبر القيم التي تتراوح بين‬ ‫‪23‬‬

‫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:‬‬

‫‪ -24‬سوف تكون القيمة المربعة ‪ R‬المعدلة أقل ًا‬

‫دائما إلى حد ما ولكنيا‬

‫‪- 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
‫‪ VIF: PCT_BLACK.‬سنضيف أيضا في‬ ‫متغير السباق مع أدنى‬
‫‪ PCTRENTED‬متغير مرة أخرر ألنو في الدراسات السابقة ‪ ،‬وىي نسبة‬
‫حوادث‬ ‫نسبة المستأجرين السكنية مرتبطة بقوة مع‬ ‫عالية وقد ثبت أن‬
‫السطو‪ .‬قم بتشغيل أداة ‪ OLS‬مرة أخرر باستخدام المعممات التالية ‪:‬‬
‫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

‫‪ Exploratory Regression‬لتقييم مجموعات‬ ‫يمكن استخدام أداة‬

‫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

‫‪Modeling Spatial‬‬ ‫اختيار مجموعة أدوات العالقات المكانية لمنمذجة‬
‫‪ 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

‫لذلك ‪،‬‬ ‫من المتغيرات التوضيحية التى تفي القيم االفتراضية المقدمة لألداة‬
‫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
‫وتنشئ ‪ GWR‬فئة ميزة اإلخراج‬ ‫أو فيم العممية التي تحاول القيام بيا‬
‫وعند تشغيل ‪ GWR‬يجب عميك استخدام‬ ‫وجدول يحتوي عمى ممخص‬
‫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
‫الذي يشير إلى قيمة‬ ‫الجدول ىو المتغير وليكن عدد السكان المستأجرين‬
‫‪ 0.577‬أو ما يقرب من ‪.٪ 58‬‬

‫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

‫ًا‬ ‫نقر‬
‫انقر ًاا‬
‫‪ 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

‫قيمة معامل‬ ‫والناتج كما موضح بالشكل التالى حيث يكون لكل ميزة‬
‫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

‫اإلحصاء‬ ‫البيانات لدعم األدوات األخرر الموجودة في صندوق أدوات‬
‫المكاني ‪.Spatial Statistics‬‬
‫‪Calculate Distance Band from‬‬ ‫األدوات في ىذه المجموعة تشمل‬
‫‪Feature‬‬ ‫‪Export‬‬ ‫‪ Collect Events‬و‬ ‫‪ Neighbor Count‬؛‬
‫‪Attributes to ASCII‬‬

‫‪- 210 -‬‬

 ‫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.‬‬

‫‪Cluster and Outlier‬‬ ‫‪ Hot Spot Analysis‬و‬ ‫و أدوات مثل‬

‫‪ 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

‫‪ "swm‬وىو‬ ‫األوزان المكانية لمصفوفة الممفات إلى شكل جدولي‪" .‬ممف‬
‫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 ‪Geoprocessing‬‬

‫ومن ‪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:‬‬

‫ًا‬ ‫نقر‬
‫وانقر ًاا‬

‫‪- 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
‫‪ Integrate‬لعمل‬ ‫لكنيا غير متطابقة ‪ ،‬يمكنك التفكير في استخدام أداة‬
‫معا قبل استخدام أداة ‪.Collect Events‬‬
‫‪ snap‬لمميزات القريبة ًا‬
‫سوف تحتوي ‪ feature class‬المخرجة عمى حقل ‪ ICOUNT‬يحتوي عمى‬
‫مجموع كل ‪ Events‬في كل موقع فريد‪.‬‬
‫‪ Hot Spot Analysis‬و ‪Cluster and Outlier‬‬ ‫فأدوات مثل‬
‫نقاطا‬
‫‪ Analysis‬و‪ Spatial Autocorrelation‬تتطمب لالرتباط المكاني ًا‬
‫‪ Events‬الفردية ‪ ،‬لذلك يمكن‬ ‫موزونة الستخداميا في التحميل بدالًا من‬
‫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.‬‬
‫لذلك‬ ‫نظر ألن العديد من المبيعات تحدث بالقرب من المبيعات األخرر ‪،‬‬ ‫ًاا‬
‫‪Integrate‬‬ ‫فيمكننا استخدام أداة دمج العمميات الجغرافية‬
‫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 نظم‬

‫المعمومات الجغرافية ‪ ،‬مكة المكرمة ‪ ،‬المممكة العربية السعودية‪.‬‬
‫‪ -‬شرف ؛ دمحم ابراهيم ؛ ‪2006‬؛التحميل المكانى بإستخدام نظم المعمومات‬
‫الجغرافية؛ دار المعرفة الجامعية ‪.‬‬
‫‪ -‬عبده‪ ،‬وسام دمحم (‪ )2005‬نظم المعمومات الجغرافية‪.‬‬
‫‪ -‬عزيز ‪ ،‬دمحم الخزامى (‪ )2011‬تطبيقات عممية فى نظم المعمومات‬
‫الجغرافية‪.‬‬

‫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