Professional Documents
Culture Documents
2020 / 2019
التحليالث املكانيت يف نظم املعلوماث اجلغرافيت
2020 /2019
بسم اهلل الرمحن الرحيم
ًال
أما أتيتم مم العلم إ ليال
-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 :
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.
- 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
ىذه الكتب متوفرة عمى شبكة اإلنترنت (الصفحة الرسمية لمدكتورة رشا نوفل)
#https://www.facebook.com/pg/Dr.RashaNofal/videos/?ref=page_internal.
الفهارس
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.
-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.
-4-
انفصم األول :انتحهيم املكانى " مفهىو ونغة"
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"
-6-
انفصم األول :انتحهيم املكانى " مفهىو ونغة"
-7-
انفصم األول :انتحهيم املكانى " مفهىو ونغة"
-8-
انفصم األول :انتحهيم املكانى " مفهىو ونغة"
-9-
انفصم األول :انتحهيم املكانى " مفهىو ونغة"
- 10 -
انفصم األول :انتحهيم املكانى " مفهىو ونغة"
- 11 -
انفصم األول :انتحهيم املكانى " مفهىو ونغة"
- 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.
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 :
-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"
- 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.
- 17 -
انفصم األول :انتحهيم املكانى " مفهىو ونغة"
- 18 -
انفصم األول :انتحهيم املكانى " مفهىو ونغة"
- 19 -
انفصم األول :انتحهيم املكانى " مفهىو ونغة"
- 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"
- 24 -
الفصل الثانى
استكشاف البيانات
الفصل الثانى :استكشاف البيانات
فيما يمى يتم عرض أنواع البيانات المختمفة وتحديد كيفية استخداميا
واالستعالم من المعمومات داخل قاعدة البيانات .باإلضافة إلى ذلك ،أنواع
التقارير .
- 26 -
الفصل الثانى :استكشاف البيانات
- 27 -
الفصل الثانى :استكشاف البيانات
- 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
- 30 -
الفصل الثانى :استكشاف البيانات
- 31 -
الفصل الثانى :استكشاف البيانات
- 32 -
الفصل الثانى :استكشاف البيانات
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 .
التطبيقات Name
سمات رقمية بدون قيم كسرية سيكون مفيد لتخزين قيم األكواد. Short integer
سمات رقمية بدون قيم كسرية مع النطاقات المسموح بيا. Long integer
- 34 -
الفصل الثانى :استكشاف البيانات
- 35 -
الفصل الثانى :استكشاف البيانات
- 36 -
الفصل الثانى :استكشاف البيانات
- 37 -
الفصل الثانى :استكشاف البيانات
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.
- 38 -
الفصل الثانى :استكشاف البيانات
هناك أربعة أنواع من العالقات الممكنة بين السجالت داخل جداول قواعد
البيانات:
- 39 -
الفصل الثانى :استكشاف البيانات
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.
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 .
- 41 -
الفصل الثانى :استكشاف البيانات
- 42 -
الفصل الثانى :استكشاف البيانات
- 43 -
الفصل الثانى :استكشاف البيانات
- 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.
- 45 -
الفصل الثانى :استكشاف البيانات
كرر الخطوة السابقة لممعيار الثاني .الحظ الجمع بين االستعالمات مع
استخدام الرابط المنطقى ( ANDالشكل .)15انقر فوق " "Applyلتشغيل
االستعالم.
- 46 -
الفصل الثانى :استكشاف البيانات
- 47 -
الفصل الثانى :استكشاف البيانات
- 2في نافذة " ، " Select By Locationانقر فوق السيم المنسدل
تحديدا (الشكل.)16
ً واختر
- 48 -
الفصل الثانى :استكشاف البيانات
- 49 -
الفصل الثانى :استكشاف البيانات
- 50 -
الفصل الثانى :استكشاف البيانات
- 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.
- 52 -
الفصل الثانى :استكشاف البيانات
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
- 54 -
الفصل الثانى :استكشاف البيانات
- 55 -
الفصل الثانى :استكشاف البيانات
- 56 -
الفصل الثانى :استكشاف البيانات
- 57 -
الفصل الثانى :استكشاف البيانات
- 58 -
الفصل الثانى :استكشاف البيانات
:Select by Attribute
- 59 -
الفصل الثانى :استكشاف البيانات
- 60 -
الفصل الثانى :استكشاف البيانات
- 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
- 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
- 63 -
الفصل الثانى :استكشاف البيانات
- 64 -
الفصل الثانى :استكشاف البيانات
- 65 -
الفصل الثانى :استكشاف البيانات
- 66 -
الفصل الثانى :استكشاف البيانات
- 67 -
الفصل الثانى :استكشاف البيانات
- 68 -
الفصل الثانى :استكشاف البيانات
- 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).
- 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
- 74 -
الفصل الثانى :استكشاف البيانات
- 75 -
الفصل الثانى :استكشاف البيانات
- 76 -
الفصل الثالث
- 78 -
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
- 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
- 81 -
الفصل الثالث :التحليل املكانىللبيانات Vectorو Raster
:Erase
- 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
- 84 -
الفصل الثالث :التحليل املكانىللبيانات Vectorو Raster
- 85 -
الفصل الثالث :التحليل املكانىللبيانات Vectorو Raster
- 86 -
الفصل الثالث :التحليل املكانىللبيانات Vectorو Raster
- 87 -
الفصل الثالث :التحليل املكانىللبيانات Vectorو Raster
- 88 -
الفصل الثالث :التحليل املكانىللبيانات Vectorو Raster
- 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
- 90 -
الفصل الثالث :التحليل املكانىللبيانات Vectorو Raster
- 91 -
الفصل الثالث :التحليل املكانىللبيانات Vectorو Raster
- 92 -
الفصل الثالث :التحليل املكانىللبيانات Vectorو Raster
- 93 -
الفصل الثالث :التحليل املكانىللبيانات Vectorو Raster
- 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
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
- 97 -
الفصل الثالث :التحليل املكانىللبيانات Vectorو Raster
- 98 -
الفصل الثالث :التحليل املكانىللبيانات Vectorو Raster
- 99 -
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
-الأظائف المحمية حيث تقوم بفحص خمية نقطية واحدة بمعزل عن
غيرىا .
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(.
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 .
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
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.
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 ً
-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.
: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
: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.
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 .
: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.
اإلحصـاء املكـانـى
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
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؛
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
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.
: 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.
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 .
حدد Servesكفئة ميزة اإلدخال ،حدد فئة ميزات اإلخراج ثم نختار طريقة
"EUCLIDEAN_DISTANCEالمسافة اإلقميدية "ىي مسافة المسافة
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.
يتم تحديد الطبقة التى تم عمل مسافة معيارية ليا ؛ وتحديد المسافة المعيارية
المنشئة كما ىو موضح أدناه ثم .OK
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.
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:
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
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.
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:
في ىذا الحمرين ،سحسحخدم أداة االرحباط الحلقائي المكاني لحتليل مبيعات
المنازل عن طريق الحعداد .لدينا خريطة لمدينة شبين التوم " حصنيف
اسحخدامات األرض"
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
،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
اضغط على OK؛ سحقوم االداه بكحابو المخرجات إلى مربع توار الحقدم ،
وانشاء جدول المخرجات ،بعرض رسم بياني:
ويعحبر الجدول أفضل طريقو لحفسير النحائج؛ تيث يتحوى على 10سجالت
يمثل واتد لتل نطاق.
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
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.
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.
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
جداول وقطع مربعو .ىذا الملف سيكون موجودا في المكان الذى يحم اخحياره
في معلمات اإلدخال.
box plot؛ على النتو ويكون لتل مجموعة بيانات داخل الخريطة
الموضح باللون األزرق
واللون االخضر
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
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
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
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
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
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
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.
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:
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.
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
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.
-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
-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
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.
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:
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:
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.
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.
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
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 .
انقر بزر الماوس األيمن فوق إطار بيانات الطبقات واختار Paste
) Layer(s؛ وبيذا نكون أضفنا نسخة من الطبقة إلى إطار البيانات.
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 .
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.
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
انقر بزر الماوس األيمن عمى الطبقة في نافذة ArcMapفي لوحة جدول
المحتويات ومنيا Dataثم إختيار Export Dataواحفع البيانات .
دبل كميك
وادخال الطبقة التى تم عمل دمج ليا ومكان حفع الطبقة الجديدة والضغط
عمى .OKيظير ناتج األداة عمى النحو التالى
قائمة المراجع
- 226 -
Spatial Analytics in GIS with Arc GIS
2019 / 2020