تقييم دقة خوارزميات التعلم الآلي لتصنيف الغطاءات الأرضية واكتشاف تغيير النطاقات العمرانية في مدينة أُمْلُج بالمملكة العربية السعودية Evaluating Accuracy of Machine Learning Algorithms for Land Cover Classification and Detecting Urbanization Changes in Umluj City, Saudi Arabia

د. ندى بنت سليمان العنزي أستاذ التخطيط الحضري ونظم المعلومات الجغرافية المساعد قسم الجغرافيا -كلية العلوم الاجتماعية - جامعة أم القرى Dr. Nada Suleiman Al-Enezi Assistant Professor of Urban Planning and Geographic Information Systems Department of Geography - Faculty of Social Sciences - Umm Al-Qura University Email: nsaenezi@uqu.edu.sa

مجلة العلوم التربوية والاجتماعية

تقييم دقة خوارزميات التعلم الآلي لتصنيف الغطاءات الأرضية واكتشاف تغيير النطاقات العمرانية في مدينة أُمْلُج بالمملكة العربية السعودية
Evaluating Accuracy of Machine Learning Algorithms for Land Cover Classification and Detecting Urbanization Changes in Umluj City, Saudi Arabia

د. ندى بنت سليمان العنزي
أستاذ التخطيط الحضري ونظم المعلومات الجغرافية المساعد
قسم الجغرافيا -كلية العلوم الاجتماعية - جامعة أم القرى
Dr. Nada Suleiman Al-Enezi
Assistant Professor of Urban Planning and Geographic Information Systems
Department of Geography - Faculty of Social Sciences - Umm Al-Qura University
Email: nsaenezi@uqu.edu.sa

الكلمات مفتاحية: الذكاء الاصطناعي، التعلم الآلي، التصنيف، أملج، نظم المعلومات الجغرافية، الغطاء الأرضي. , Artificial Intelligence, Machine Learning, Classification, Umluj, Geographic Information Systems, Land Cover

التخصص العام: الجغرافيا

التخصص الدقيق: الجغرافيا الحضارية

DOI: 10.36046/2162-000-025-029
DownloadPDF

الملخص

هدفت الدراسة إلى إبراز أهمية خوارزميات التعلم الآلي في اكتشاف التغير في الغطاء الأرضي بمدينة أملج من عام 2000م حتى عام 2024م. وتمثلت مشكلة الدراسة في السؤال الرئيس: كيف يتم اكتشاف تغير المناطق العمرانية باستخدام خوارزميات التعلم الآلي في مدينة أملج؟ واستخدمت المنهج التحليلي، والمنهج السببي المقارن، ومنهج التحليل المكاني، واعتمدت على استخدام خوارزمية آلة دعم المتَّجَهات. وتوصلت الدراسة إلى أنه كلما زادت عيِّنات التدريب زادت دقة نتائج التقييم، فقد بلغ مُعَامِل كابا لعام 2000 نحو 0.62 لـ 32 نقطة تقييم، وبلغ نحو 0.64 لـ 100 نقطة تقييم. وفي عام 2024م زادت مساحات المناطق العمرانية ومساحات النبات، فساهم ذلك في زيادة عيِّنات التدريب للصِّنفين وزاد معهما مستوى الدقة، فوصل مُعامل كابا وفق 32 نقطة تقييم إلى 0.79 ووصل إلى 0.81 وفق 100 نقطة تقييم. كما اكتشفت الدراسة حدوث التغيّر من خلال تقنية اكتشاف التغير أن الأراضي بنسبة 66.4% لم تتغير، وشهد عام 2024م تغيرًا في الغطاءات الأرضية، فقد تراجعت الأراضي الفضاء بنقص بلغ 23كم2، وتراجع صنف الصخور بنحو 17كم2، وزادت مساحات صنف المناطق العمرانية بنحو 36كم2، وزادت مساحة صنف النبات عن عام 2000م بنحو 4كم2. وتوصي الدراسة بالاستفادة من تقنيات التعلم الآلي لتصنيف الغطاءات الأرضية لدورها الفاعل في اتخاذ القرار في التخطيط الحضري والتنمية البيئية.

The aim of the current study is to determine the importance of machine learning algorithms in detecting land cover changes in the city of Umluj from 2000 AD to 2024 AD. The problem of the study represented by the main question: How is urban area change detected using machine learning algorithms in the city of Umluj? The researcher used the analytical approach, the comparative causal approach, and the spatial analysis approach, and relied on the use of support vector machine algorithm. The study found out that the more training samples, the more accurate the evaluation results. Kappa coefficient for 2000 was approximately 0.62 for 32 evaluation points, and approximately 0.64 for 100 evaluation points. In 2024, urban and vegetation areas increased, contributing to an increase in training samples for both classes and, with them, an increase in accuracy. Kappa coefficient for 32 evaluation points reached 0.79, and for 100 evaluation points, it reached 0.81. The study also revealed that the change occurred through the change detection technique, lands were 66.4% unchanged. Year 2024 AD witnessed a change in land cover, as vacant lands decreased by a decrease of 23 km2, rock type decreased by about 17 km2, areas of urban area type increased by about 36 km2, and the area of plant type increased by about 4 km2 compared to year 2000 AD. The study recommends leveraging machine learning techniques to classify land covers for their effective role in decision-making in urban planning and environmental development.?

مراجع

المراجع العربية:

أحمد، رشا (2025م)، النمذجة المكانية للتوسع العمراني المستدام لمدينة أطفيح، مجلة كلية الآداب، جامعة بورسعيد، المجلد32، العدد 32، الجزء الثاني،89-131. DOI: 10.21608/jfpsu.2025.352780.1412

حسين، عبد الرحيم. محمود، إبراهيم. نعينع، محمد. نجار، حمدان. (2024م)، تقييم أثر الدقة المكانية للمرئيات الفضائية في تصنيف الغطاءات الأرضية لمركز ومدينة نجع حمادى خلال الفترة (1990-2020م). مجلة كلية الآداب، جامعة جنوب الوادي، المجلد 33، العدد 62، يناير 2024. DOI: 10.21608/qarts.2024.246479.1788

رؤية المملكة 2030، (2025)، المشاريع الكبرى، مشاريع منطقة تبوك، مشاريع المملكة العربية السعودية.

شعبان، فادي. علي، أحمد. محمد، أحمد. (2020م)، تقييم دقة طرق التصنيف المراقب وغير المراقب لمرئية لاندسات 8 منطقة الدراسة: مدينة طرطوس، مجلة جامعة تشرين، العلوم الهندسية، المجلد، 42، العدد 4.

الشقور، نور. زريقات، دلال. (2022م)، دراسة التغير في مساحة الغطاء الأرضي واستعمالات الأراضي في محافظة الكرك خلال الفترة 1986-2017 باستخدام نظم المعلومات الجغرافية والاستشعار عن بعد. مجلة جامعة النجاح للأبحاث (العلوم الإنسانية)، المجلد 36(1).

الغامدي، أبوراس. (2011م)، اكتشاف التغير باستخدام البيانات الرقمية للأقمار الصناعية، دراسة تطبيقية على مدينة مكة المكرمة وما حولها، مجلة جامعة أم القرى للعلوم التربوية والاجتماعية والإنسانية، المجلد13، العدد 1، ربيع الثاني 1422، يونية 2001م.

وكالة الأنباء السعودية. (2025م)، التقارير والاستطلاعات، سياحة وترفيه، أملج شواطئ خلابة ومشروعات بلدية تعزز جودة الحياة، واس، 0072.

وزارة الإسكان والبلديات. (2025م)، المصطلحات البلدية، الدليل الكامل للمصطلحات البلدية، المكتبة الالكترونية.

المصادر الالكترونية

الخارطة الحضرية خدمات منصة بلدي، وزارة البلديات والاسكان https://umaps.balady.gov.sa/

مصلحة الإحصاءات العامة والمعلومات، النتائج الأولية للتعداد العام للسكان والمساكن، 1431هـ/2010م.

الهيئة العامة للإحصاء، بيانات التعداد لعام 2022م. https://www.stats.gov.sa/statistics-tabs?tab=436332&category=417653

هيئة المساحة الجيولوجية الأمريكية https://earthexplorer.usgs.gov/

برنامج Diva-GIS https://diva-gis.org/index.html

ترجمة المراجع العربية:

Ahmad, Rasha (2025). Spatial Modeling of Sustainable Urban Expansion in Atfih City. Faculty of Arts Journal, Port Said University, Vol. 32, Issue 32, Part 2, pp. 89-131.DOI: 10.21608/jfpsu.2025.352780.1412

Hussein, Abdel-Rahim; Mahmoud, Ibrahim; Naeina, Mohamed; Najjar, Hamdan (2024). Assessing the Impact of Spatial Resolution of Satellite Imagery on Land Cover Classification of the City of Nag Hammadi (1990-2020). Faculty of Arts Journal, South Valley University, Vol. 33, Issue 62, January 2024. DOI: 10.21608/qarts.2024.246479.1788

Saudi Vision 2030, (2025), major projects, Tabuk region projects, projects of the Kingdom of Saudi Arabia.

Shaban, Fadi; Ali, Ahmed; Mohamed, Ahmed (2020). Evaluating the Accuracy of Supervised and Unsupervised Classification Methods for Landsat 8 Imagery: Tartus City as a Case Study. Tishreen University Journal, Engineering Sciences, Vol. 42, Issue 4.

Al-Shakkour, Nour; Zureigat, Dalal. A Study of Land Cover and Land Use Change in Karak Governorate, Jordan (1986-2017) Using GIS and Remote Sensing. Al-Najah University Journal for Research (Human Sciences), Vol. 36(1).

Al-Ghamdi, Abu Ras. (2011), Change Detection Using Satellite Imagery: An Application Study of Makkah and its Surroundings, Umm Al-Qura University Journal of Educational, Social and Human Sciences, Vol. 13, Issue 1, Rabi' al-Thani 1422 AH, June 2001.

Saudi Press Agency. (2025 AD), Reports and Surveys, Tourism and Entertainment, Umluj: Picturesque Beaches and Municipal Projects that Enhance the Quality of Life, SPA, 0072.

Ministry of Housing and Municipalities (2025), Municipal Terminology, The Complete Guide to Municipal Terminology, Electronic Library.

Online Sources

Urban Mapping Services, Balady Platform, Ministry of Municipal and Rural Affairs and Housing https://umaps.balady.gov.sa

Saudi Arabia Encyclopedia https://saudiency.kapl.org.sa/

General Authority for Statistics and Information, Preliminary Results of the General Population and Housing Census, 1431 /2010.

General Authority for Statistics, Census Data for 2022. https://www.stats.gov.sa/statistics-tabs?tab=436332&category=417653

United States Geological Survey https://earthexplorer.usgs.gov/

Diva-GIS https://diva-gis.org/index.html

المراجع الأجنبية:

Abdulaziz Alzahrani, Naief Aldossary, Jamal Alghamdi,Observing the dynamics of urban growth of Al-Baha City using GIS (2006–2021),Alexandria Engineering Journal,Volume 95,2024,Pages 114-131,ISSN 1110-0168,https://doi.org/10.1016/j.aej.2024.03.096.

Adhikari, Avishek , Biddut Kumar Ghosh, Md. Naimur Rahman, Urban sprawl in Rangpur City Corporation from 2003 to 2023: A spatiotemporal exploration using geospatial techniques, Volume191, Issue1, March 2025 , e12615 ,https://doi.org/10.1111/geoj.12615

Ahmadi, K., Sahak, A. S., & Sahak, A. T. (2023). Evaluation of Urban Sprawl and Land Use/Cover Variation Patterns through Remote Sensing Data: A Case Study in Kabul City, Afghanistan. European Journal of Environment and Earth Sciences, 4(6), 10–20.https://doi.org/10.24018/ejgeo.2023.4.6.434

Aljaddani, A. H., Song, X.-P., & Zhu, Z. (2022). Characterizing the Patterns and Trends of Urban Growth in Saudi Arabia’s 13 Capital Cities Using a Landsat Time Series. Remote Sensing, 14(10), 2382. https://doi.org/10.3390/rs14102382

El Garouani, A., Mulla, D. J., El Garouani, S., & Knight, J. (2017). Analysis of urban growth and sprawl from remote sensing data: Case of Fez, Morocco. International Journal of Sustainable Built Environment, 6(1), 160-169. https://doi.org/10.1016/j.ijsbe.2017.02.003

Fatma Saber Taiema, Mona S. Ramadan,Monitoring urban growth directions using geomatics techniques, a case study Zagazig city-Egypt,The Egyptian Journal of Remote Sensing and Space Science,Volume 24, Issue 3, Part 2,2021,Pages 1083-1092,ISSN 1110-9823, https://doi.org/10.1016/j.ejrs.2021.10.007.

Koko, Auwalu Faisal. A Study of Urban Growth Model in Nigeria Using Geospatial Approaches: A GIS-Based Methodologies, International Journal of Research and Innovation in Applied Science (IJRIAS) https://doi.org/10.51584/IJRIAS.2025.1001022

Maity, N., & Mishra, V. N. (2024). Urban Growth Analysis Using Multi-Temporal Remote Sensing Image and Landscape Metrics for Smart City Planning of Lucknow District, India. Engineering Proceedings, 82(1), 59. https://doi.org/10.3390/ecsa-11-20514

Maxwell, A. E., Warner, T. A., & Fang, F. (2018). Implementation of machine-learning classification in remote sensing: an applied review. International Journal of Remote Sensing, 39(9), 2784–2817. https://doi.org/10.1080/01431161.2018.1433343 https://doi.org/10.1080/01431161.2018.1433343

Sabharwal,C.(2021). Cohens Kappa Statistic and new Kappa Statistic for Measuring and Inter-Rater Agreement,International Journal of Research in Engineering and Science,v9,I7,pp.23-28.

Sahin, E., Iban, M. C., & Bilgilioglu, S. S. (2024). Remote Sensing-Enabled Urban Growth Simulation Overlaid with AHP-GIS-Based Urban Land Suitability for Potential Development in Mersin Metropolitan Area, Türkiye. Applied Sciences, 14(8), 3484. https://doi.org/10.3390/app14083484

Subasinghe, S., Estoque, R. C., & Murayama, Y. (2016). Spatiotemporal Analysis of Urban Growth Using GIS and Remote Sensing: A Case Study of the Colombo Metropolitan Area, Sri Lanka. ISPRS International Journal of Geo-Information, 5(11), 197. https://doi.org/10.3390/ijgi5110197

Singh, Rohit. Where Deep Learning Meets GIS. Deep Learning, June 2019. Where Deep Learning Meets GIS