https://www.facebook.com/688886670982585/

Gisology, Suez (2026)

30/09/2026

تحليل شدة حرائق الغابات وتعافي الغطاء النباتي في إسبانيا والبرتغال باستخدام الاستشعار عن بُعد ونظم المعلومات الجغرافية

Wildfire Burn Severity & Vegetation Recovery Assessment – Spain & Portugal (2025–2026)

شهدت شبه الجزيرة الأيبيرية خلال عام 2025 واحدًا من أكثر مواسم حرائق الغابات شدة خلال السنوات الأخيرة، حيث تعرضت مساحات واسعة من إسبانيا والبرتغال لحرائق كبيرة، خاصة خلال شهر أغسطس، نتيجة تزامن موجات الحرارة الشديدة مع الجفاف وانخفاض رطوبة الغطاء النباتي والرياح القوية.

ووفقًا لبيانات Copernicus Climate Change Service، بلغت المساحة المحترقة في أوروبا خلال عام 2025 نحو 1,034,552 هكتارًا، مع مساهمة كبيرة جدًا لحرائق شبه الجزيرة الأيبيرية. وبنهاية أغسطس 2025، وصلت المساحات المحترقة التراكمية إلى نحو 380,877 هكتارًا في إسبانيا و265,139 هكتارًا في البرتغال.

🎯 هدف المشروع

تم تطوير هذا التحليل بهدف دراسة التوزيع المكاني للمناطق المتأثرة بحرائق الغابات، وتقييم درجة شدة الاحتراق Burn Severity، إلى جانب متابعة قدرة الغطاء النباتي على التعافي بعد الحريق خلال الفترة من 2025 إلى 2026.

الفكرة لا تقتصر على تحديد الأماكن التي تعرضت للحريق فقط، ولكنها تهدف إلى الإجابة عن سؤالين رئيسيين:

أين كانت الحرائق أكثر شدة؟ وهل بدأ الغطاء النباتي في استعادة حالته بعد الحريق؟

🛰️ البيانات المستخدمة

يعتمد التحليل بصورة أساسية على بيانات الأقمار الصناعية Sentinel-2 MSI التابعة لبرنامج Copernicus، لما توفره من دقة مكانية مناسبة وقدرتها العالية على رصد الاختلافات في الغطاء النباتي وآثار الحرائق.

كما يمكن دمج بيانات:

Sentinel-2 MSI لرصد الغطاء النباتي وآثار الاحتراق
Copernicus DEM لدراسة تأثير التضاريس والانحدار
ESA WorldCover لتحديد أنواع استخدامات وغطاءات الأراضي
Copernicus / EFFIS للتحقق من مواقع ومساحات الحرائق المسجلة

🔥 تحليل شدة الاحتراق – Burn Severity

يُعد مؤشر Normalized Burn Ratio – NBR من أهم المؤشرات المستخدمة في دراسة حرائق الغابات باستخدام بيانات الأقمار الصناعية.

ويتم حسابه باستخدام نطاقي الأشعة تحت الحمراء القريبة NIR والأشعة تحت الحمراء قصيرة الموجة SWIR:

NBR = (NIR − SWIR) / (NIR + SWIR)

ثم تتم مقارنة قيمة المؤشر قبل الحريق وبعده لإنتاج مؤشر:

dNBR = NBR Before Fire − NBR After Fire

وتعبر القيم المرتفعة لمؤشر dNBR عن حدوث تغير كبير في الغطاء النباتي وارتفاع شدة الاحتراق.

وبناءً على ذلك يمكن تصنيف المناطق إلى:

🟢 Unburned
🟡 Low Severity
🟠 Moderate Severity
🔴 High Severity
🟥 Very High Severity

ويساعد هذا التصنيف في تحديد المناطق التي تعرضت لأكبر خسارة في الغطاء النباتي وتحتاج إلى أولوية في برامج الاستعادة البيئية.

🌱 تحليل تعافي الغطاء النباتي

لا تنتهي دراسة الحرائق بانتهاء الحريق نفسه، ولذلك تم دمج تحليل NDVI – Normalized Difference Vegetation Index لمراقبة استجابة الغطاء النباتي خلال الفترة التالية للحريق.

تتم مقارنة NDVI بعد الحريق مع صور لاحقة خلال عام 2026 لرصد المناطق التي بدأت فيها النباتات في استعادة نشاطها.

ومن خلال NDVI Change يمكن التمييز بين:

No Recovery – عدم ظهور تعافٍ واضح
Low Recovery – تعافٍ محدود
Moderate Recovery – تعافٍ متوسط
High Recovery – تعافٍ نباتي قوي

وبذلك تتحول الدراسة من مجرد خريطة للأماكن المحترقة إلى تحليل ديناميكي لمرحلة ما بعد الحريق Post-Fire Recovery.

⛰️ دور التضاريس

تم أيضًا إدخال نموذج الارتفاع الرقمي DEM والانحدار Slope كعنصر مساعد لفهم العلاقة بين طبيعة التضاريس وانتشار الحرائق.

فالتضاريس تؤثر في سرعة واتجاه انتشار النيران، كما تؤثر في تعرض الغطاء النباتي للشمس ومستويات الرطوبة وسلوك الرياح، ولذلك فإن دمجها مع مؤشرات الاحتراق يوفر تفسيرًا مكانيًا أكثر شمولًا لنمط الحرائق.

📊 ماذا توضح الخريطة؟

تُظهر الخريطة النهائية توزيع مستويات مختلفة من شدة الاحتراق في إسبانيا والبرتغال، مع إبراز مناطق التعافي النباتي بعد موسم الحرائق.

ويبرز شمال غرب شبه الجزيرة الأيبيرية كإحدى المناطق المهمة في أحداث حرائق 2025، مع وجود مناطق تعرضت لدرجات مختلفة من الاحتراق، يقابلها تفاوت في قدرة الغطاء النباتي على التعافي خلال الفترة التالية.

وتؤكد هذه النتائج أهمية عدم الاعتماد على الحدود الإدارية فقط عند دراسة الكوارث الطبيعية، وإنما تحليل العلاقة بين الغطاء النباتي والمناخ والتضاريس وشدة الاضطراب البيئي.

🌍 أهمية الاستشعار عن بُعد وGIS

توضح هذه الدراسة كيف يمكن تحويل البيانات الفضائية الخام إلى معلومات مكانية يمكن استخدامها في:

• تقييم الأضرار الناتجة عن حرائق الغابات
• تحديد المناطق ذات الأولوية لإعادة التأهيل
• مراقبة تعافي الغطاء النباتي
• دراسة تأثير التضاريس والغطاء الأرضي على الحرائق
• دعم خطط إدارة الغابات والمخاطر الطبيعية
• متابعة النظم البيئية خلال مرحلة ما بعد الكارثة

فالاستشعار عن بُعد لا يوفر لنا صورة لما حدث فقط، بل يسمح لنا أيضًا بقياس التغير، ومراقبة التعافي، وفهم النمط المكاني للكارثة عبر الزمن.

From fire scars to greener tomorrows. 🌱🔥

📩 هل تحتاج إلى مشروع مشابه؟

في Gisology لا نقدم خريطة فقط، بل نعمل على تحويل فكرتك أو موضوعك البحثي إلى تحليل مكاني متكامل وخرائط احترافية قابلة للاستخدام الأكاديمي والبحثي.

إذا كنت تعمل على:

رسالة ماجستير أو دكتوراه
مشروع تخرج أو بحث أكاديمي
دراسة بيئية أو تحليل مخاطر طبيعية
تحليل حرائق، فيضانات، جفاف، تلوث، تغيرات الغطاء الأرضي أو المناخ
مشروعات GIS وRemote Sensing وGoogle Earth Engine

يمكننا مساعدتك بداية من اختيار البيانات والمنهجية المناسبة، مرورًا بالتحليل المكاني ومعالجة صور الأقمار الصناعية، وحتى إنتاج الخرائط والنتائج النهائية بصورة احترافية.

نحرص على أن يكون كل مشروع مبنيًا على منهجية واضحة، بيانات مناسبة، تحليل قابل للتفسير، وتصميم خرائط يليق بالعرض الأكاديمي والمهني.

📩 للاستفسار عن مشروعك أو مناقشة فكرة الدراسة، تواصل معنا مباشرة.

أرسل لنا موضوع المشروع، منطقة الدراسة، والفكرة المطلوبة وسنساعدك في تحديد أفضل Workflow والبيانات والتحليلات المناسبة لتنفيذ المشروع.

Gisology
GIS • Remote Sensing • Google Earth Engine • Spatial Analysis

Turning satellite data into meaningful geographic insights. 🌍

Gisology | Geographic Insights for a Safer Tomorrow

29/09/2026

تحليل وتقييم مخاطر الفيضانات في كاليفورنيا – الولايات المتحدة الأمريكية باستخدام الاستشعار عن بعد ونظم المعلومات الجغرافية (GIS & Remote Sensing)

تُعد الفيضانات من أكثر الكوارث الطبيعية تأثيرًا على المجتمعات والبيئة، حيث لا تقتصر آثارها على غمر المناطق بالمياه فقط، بل تمتد لتشمل البنية التحتية، المناطق العمرانية، الأراضي الزراعية، والأنظمة البيئية المختلفة.

ومع التطور الكبير في تقنيات الاستشعار عن بعد (Remote Sensing) ونظم المعلومات الجغرافية (GIS)، أصبح من الممكن مراقبة وتحليل هذه الكوارث الطبيعية باستخدام بيانات الأقمار الصناعية بدقة عالية، مما يساعد في سرعة تقييم الأضرار ودعم عمليات اتخاذ القرار.

في هذا المشروع تم تنفيذ نموذج متكامل لتحليل فيضانات ولاية كاليفورنيا – الولايات المتحدة الأمريكية لعام 2023 باستخدام منصة Google Earth Engine وبيانات الأقمار الصناعية Sentinel-1 SAR و Sentinel-2، بهدف تحديد المناطق المتأثرة بالفيضان وتحليل التغيرات البيئية والعمرانية الناتجة عنه.

أولاً: استخدام بيانات Sentinel-1 SAR في رصد الفيضانات

تم الاعتماد على صور القمر الصناعي Sentinel-1 Radar (SAR)، وهي من أهم مصادر البيانات المستخدمة في دراسات الكوارث الطبيعية، وذلك بسبب قدرتها على العمل في مختلف الظروف الجوية، بما في ذلك وجود السحب أو ضعف الإضاءة، مما يجعلها مناسبة جدًا لرصد الفيضانات.

تم إجراء مقارنة بين صور الأقمار الصناعية قبل حدوث الفيضان (Pre-Flood) وصور ما بعد حدوث الفيضان (Post-Flood)، وذلك لتحليل التغيرات في الإشارة الرادارية الناتجة عن تجمع المياه.

تعتمد عملية اكتشاف المياه في صور الرادار على حقيقة أن الأسطح المائية تمتص جزءًا كبيرًا من الإشارة الرادارية، مما يؤدي إلى انخفاض قيم الانعكاس مقارنة بالأسطح الجافة، وبالتالي يمكن تحديد المناطق التي تعرضت للغمر.

ثانيًا: استخراج خريطة انتشار مياه الفيضان (Flood Extent Mapping)

بعد معالجة بيانات Sentinel-1، تم إنشاء نموذج لاستخراج المناطق المتأثرة بالفيضان من خلال:

تحليل الفرق بين صور ما قبل وبعد الحدث.

تحديد المناطق التي حدث بها تغير واضح في الإشارة الرادارية.

استخراج نطاق انتشار المياه داخل منطقة الدراسة.

حساب المساحات المتأثرة بالفيضان.

تعتبر خرائط انتشار المياه من أهم مخرجات تقييم الكوارث الطبيعية، حيث تساعد في تحديد المناطق الأكثر تضررًا وتوفير معلومات مكانية يمكن الاعتماد عليها في عمليات التخطيط والاستجابة للطوارئ.

ثالثًا: تقييم التأثير البيئي باستخدام Sentinel-2

تم استخدام صور Sentinel-2 متعددة الأطياف لدراسة تأثير الفيضان على البيئة من خلال مجموعة من المؤشرات الطيفية المهمة.

NDWI – Normalized Difference Water Index

يستخدم مؤشر NDWI للكشف عن المياه السطحية وتحديد التغيرات في انتشار المسطحات المائية.

يساعد هذا المؤشر في:

تحديد مناطق تجمع المياه.

تحسين دقة استخراج المناطق المغمورة.

مقارنة التغيرات المائية قبل وبعد الفيضان.

NDVI – Normalized Difference Vegetation Index

يستخدم مؤشر NDVI لتحليل حالة الغطاء النباتي وتقييم تأثير الفيضان على المناطق الخضراء والأراضي الزراعية.

يساعد تحليل NDVI في دراسة:

تغير صحة الغطاء النباتي.

تأثير المياه الزائدة على النباتات.

التغيرات التي تحدث بعد الكوارث الطبيعية.

NDBI – Normalized Difference Built-up Index

تم استخدام مؤشر NDBI لتحليل المناطق العمرانية وتقييم المناطق المبنية التي قد تكون معرضة لتأثيرات الفيضان.

يساعد هذا المؤشر في دراسة:

المناطق السكنية المتأثرة.

التوسع العمراني.

العلاقة بين المناطق المبنية ومخاطر الفيضانات.

رابعًا: التحليل المكاني باستخدام GIS

تم دمج نتائج تحليل الأقمار الصناعية داخل بيئة نظم المعلومات الجغرافية لإنتاج خرائط مكانية تساعد على فهم توزيع وتأثير الفيضان.

شمل التحليل:

تحديد مناطق الغمر بالمياه.

تحليل التغيرات البيئية قبل وبعد الفيضان.

دراسة العلاقة بين الفيضان واستخدامات الأراضي.

إنتاج خرائط تحليلية قابلة للاستخدام في الدراسات البيئية وإدارة المخاطر.

مخرجات المشروع

تم إنتاج مجموعة من النتائج والتحليلات الجغرافية تشمل:

خريطة انتشار مياه الفيضان (Flood Extent Map).

خرائط مقارنة صور الأقمار الصناعية قبل وبعد الحدث.

تحليل تغيرات الغطاء النباتي باستخدام NDVI.

تحليل التغيرات المائية باستخدام NDWI.

تحليل تأثير الفيضان على المناطق العمرانية باستخدام NDBI.

نموذج تحليلي يمكن تطبيقه على أحداث فيضانات مختلفة حول العالم.

أهمية استخدام GIS والاستشعار عن بعد في إدارة الكوارث

تساعد تقنيات GIS و Remote Sensing في:

تقييم حجم الكوارث الطبيعية بسرعة ودقة.

تحديد المناطق الأكثر تأثرًا.

دعم فرق الطوارئ وصناع القرار بالمعلومات المكانية.

تقليل الوقت والتكلفة مقارنة بطرق المسح التقليدية

متابعة التغيرات البيئية على نطاق واسع.

نقدم خدمات متخصصة في مجال GIS و Remote Sensing

تشمل خدماتنا:

إعداد وتحليل مشاريع نظم المعلومات الجغرافية GIS.

معالجة وتحليل صور الأقمار الصناعية.

تنفيذ تطبيقات Google Earth Engine.

إعداد خرائط الأبحاث العلمية ورسائل الماجستير والدكتوراه.

تنفيذ مشاريع التخرج والدراسات البيئية.

تصميم الخرائط الاحترافية والتحليلات المكانية.

للتواصل والاستفسار عن تنفيذ مشروعك أو دعم بحثك العلمي، يمكنكم مراسلتنا.

28/09/2026

تحليل جودة الهواء باستخدام تقنيات GIS و Python في بغداد – العراق
Air Quality Assessment Using GIS & Python in Baghdad, Iraq (2018–2026)
في إطار توظيف تقنيات نظم المعلومات الجغرافية (GIS) والتحليل البرمجي باستخدام Python، تم تنفيذ مشروع لتحليل التغيرات الزمنية والمكانية في جودة الهواء داخل مدينة بغداد وحوض دجلة والفرات – العراق خلال الفترة من 2018 إلى 2026.
🎯 هدف المشروع:
يهدف المشروع إلى دراسة سلوك أهم ملوثات الهواء وتحليل توزيعها المكاني عبر السنوات المختلفة، بهدف فهم الأنماط البيئية ومراقبة التغيرات في مستويات التلوث باستخدام الخرائط والتحليل الإحصائي المكاني.
تم الاعتماد على تحليل ثلاثة من أهم مؤشرات جودة الهواء:
🔴 1- ثاني أكسيد النيتروجين (NO₂) – Nitrogen Dioxide
يعتبر NO₂ من أهم مؤشرات تلوث الهواء، وينتج بشكل أساسي من احتراق الوقود في المركبات، ومحطات الطاقة، والأنشطة الصناعية.
تكمن أهمية هذا المؤشر في استخدامه كمقياس للنشاط الحضري ومستويات الانبعاثات الناتجة عن الأنشطة البشرية.
نتائج التحليل الزمني:
أظهر التحليل زيادة تدريجية في متوسط تركيز NO₂ خلال فترة الدراسة:
• 2018: حوالي 0.50 mol/m²
• 2022: حوالي 0.58 mol/m²
• 2026: حوالي 0.79 mol/m²
مما يوضح وجود ارتفاع ملحوظ في مستويات ثاني أكسيد النيتروجين خلال السنوات الأخيرة.
🟠 2- أول أكسيد الكربون (CO) – Carbon Monoxide
ينتج CO بشكل رئيسي من عمليات احتراق الوقود، وحركة المرور، والمصادر الصناعية.
ويعد من المؤشرات المهمة لتقييم تأثير الأنشطة البشرية على جودة الهواء خاصة في المناطق الحضرية.
نتائج التحليل الزمني:
أظهر المؤشر اتجاهًا تصاعديًا خلال فترة الدراسة:
• 2018: حوالي 1.28 mol/m²
• 2022: حوالي 1.35 mol/m²
• 2025: وصل إلى حوالي 1.61 mol/m²
مع وجود انخفاض طفيف خلال عام 2026.
🔵 3- ثاني أكسيد الكبريت (SO₂) – Sulfur Dioxide
ينتج SO₂ بشكل أساسي من احتراق الوقود المحتوي على الكبريت، والصناعات الثقيلة، ومحطات توليد الطاقة.
ويستخدم كمؤشر لتقييم تأثير الأنشطة الصناعية ومصادر الطاقة على البيئة.
نتائج التحليل الزمني:
أظهر المؤشر تغيرات تدريجية خلال السنوات:
• 2018: حوالي 0.40 mol/m²
• 2023–2024: ارتفاع إلى حوالي 0.53 mol/m²
• 2026: حوالي 0.55 mol/m²
🗺 التحليل المكاني باستخدام GIS
تم إنشاء خرائط مكانية عالية الدقة لتوضيح التوزيع الجغرافي للملوثات داخل منطقة الدراسة خلال السنوات المختلفة.
ساعد التحليل المكاني في:
✅ تحديد مناطق زيادة تركيز الملوثات.
✅ مقارنة التغيرات بين السنوات.
✅ دراسة نمط انتشار الملوثات داخل منطقة بغداد وحوض دجلة والفرات.
✅ دمج البيانات الزمنية مع التحليل المكاني للحصول على تقييم شامل لجودة الهواء.
🧠 الأدوات والتقنيات المستخدمة:
✔️ Python Programming
✔️ Geographic Information Systems (GIS)
✔️ Spatial Analysis
✔️ Environmental Data Analysis
✔️ Time-Series Analysis
✔️ High Resolution Mapping
✔️ Data Visualization
📌 مخرجات المشروع:
تم إنتاج مجموعة متكاملة من النتائج والتحليلات تشمل:
🔹 خرائط مكانية عالية الدقة لتوزيع ملوثات الهواء (NO₂ – CO – SO₂).
🔹 تحليل زمني يوضح اتجاهات تغير تركيز الملوثات خلال 9 سنوات.
🔹 مقارنة بين المؤشرات المختلفة لتقييم حالة جودة الهواء.
🔹 نماذج مرئية (Visualization) باستخدام Python لعرض البيانات بطريقة علمية واضحة.
🔹 قاعدة تحليلية يمكن استخدامها لدعم الدراسات البيئية واتخاذ القرارات المتعلقة بمراقبة جودة الهواء.
🚀 هل لديك مشروع يحتاج إلى تحليل مكاني أو معالجة بيانات جغرافية؟
نقدم خدمات متخصصة في:
✅ تنفيذ وتحليل مشاريع GIS
✅ إعداد الخرائط البحثية للأبحاث العلمية
✅ دعم رسائل الماجستير والدكتوراه
✅ تحليل بيانات الاستشعار عن بعد Remote Sensing
✅ تنفيذ مشاريع التخرج والدراسات البيئية
✅ تصميم الخرائط والتحليلات المكانية باحترافية
📩 للتواصل والاستفسار عن تنفيذ مشروعك أو دعم بحثك العلمي، تواصل معنا الآن، وسيتم دراسة متطلبات المشروع وتقديم الحلول المناسبة.

24/09/2026

🌿 25 عامًا من التغير في غابات الأمازون | 2000–2025

كيف تغيّر غطاء غابات الأمازون خلال ربع قرن؟
وهل يمكن لبيانات الأقمار الصناعية أن تكشف لنا مسار هذا التغير مكانيًا وزمنيًا؟

في هذا المشروع، تم تنفيذ تحليل مكاني وزمني للتغيرات التي شهدتها منطقة الأمازون خلال الفترة من 2000 إلى 2025، بهدف رصد التحولات في الغطاء الأرضي وإظهار المناطق التي شهدت تغيرًا ملحوظًا خلال هذه الفترة.

اعتمد التحليل على بيانات الأقمار الصناعية من سلسلة Landsat، مع الاستفادة من إمكانات Google Earth Engine في معالجة وتحليل البيانات الفضائية واسعة النطاق، ثم تنظيم النتائج وإخراجها في صورة خرائط مكانية قابلة للمقارنة.

تم اختيار ست سنوات زمنية تمثل مراحل مختلفة من الفترة المدروسة:

2000 | 2005 | 2010 | 2015 | 2020 | 2025

وبدلًا من التعامل مع كل سنة كخريطة منفصلة، تم بناء سلسلة زمنية تسمح بقراءة التغير تدريجيًا وملاحظة الاتجاه العام للتحولات التي حدثت داخل منطقة الدراسة.

📌 ماذا توضح الخريطة؟

توضح الخرائط التغيرات المكانية في توزيع الغطاء الأرضي داخل منطقة الأمازون، وتُظهر بصورة بصرية كيف ظلت المناطق ذات الغطاء الغابي هي المكوّن الأكبر في أجزاء واسعة من المنطقة، مع ظهور وتوسع مناطق أخرى على حساب الغطاء الطبيعي، ولا سيما في الأجزاء التي شهدت ضغوطًا أكبر نتيجة تغير استخدامات الأراضي.

وعند مقارنة الخرائط من عام 2000 حتى عام 2025، يمكن ملاحظة أن التغير لم يحدث بصورة متجانسة في جميع أنحاء الأمازون، وإنما ظهر في صورة أنماط مكانية متباينة ومناطق أكثر تعرضًا للتحول من غيرها.

وتكشف المقارنة الزمنية أيضًا عن أهمية النظر إلى التغير باعتباره عملية تراكمية؛ فبعض المناطق التي تبدو محدودة التغير عند مقارنة عامين فقط، تصبح أكثر وضوحًا عند تحليل سلسلة زمنية تمتد لـ25 عامًا.

🌱 ماذا تعني هذه النتائج؟

تكشف النتائج عن وجود تغيرات واضحة في نمط توزيع الغطاء الأرضي خلال الفترة المدروسة، مع تزايد ظهور المناطق المتحولة من الغطاء الطبيعي في بعض القطاعات، وهو ما يعكس الضغوط المستمرة المرتبطة بتغير استخدامات الأراضي والتوسع في الأنشطة البشرية.

ولا تقتصر أهمية هذا التغير على الجانب المكاني فقط؛ فغابات الأمازون تؤدي دورًا أساسيًا في تنظيم النظم البيئية، ودعم التنوع الحيوي، وتخزين الكربون، والمحافظة على التوازن البيئي والمناخي.

لذلك فإن مراقبة التغيرات التي تطرأ عليها باستخدام الاستشعار عن بُعد تتيح وسيلة فعالة لفهم أين يحدث التغير، وكيف يتطور عبر الزمن، وما المناطق التي تستحق مزيدًا من الدراسة والمراقبة.

🛰️ مصادر ومنهجية العمل

تم الاعتماد على:

• صور الأقمار الصناعية من سلسلة Landsat
• منصة Google Earth Engine لمعالجة وتحليل البيانات
• تقنيات الاستشعار عن بُعد ونظم المعلومات الجغرافية
• التحليل الزمني متعدد الفترات
• المقارنة المكانية للتغير في الغطاء الأرضي

والهدف النهائي من هذا النوع من التحليل ليس إنتاج خريطة جميلة فحسب، وإنما تحويل البيانات الفضائية الخام إلى معلومة مكانية يمكن تفسيرها والاستفادة منها في الدراسات البيئية والتخطيط والمراقبة المستمرة للتغيرات الطبيعية والبشرية.

وهذه هي الفكرة الأساسية التي أعمل عليها في مشروعاتي:
أن تكون الخريطة نتيجة لتحليل حقيقي، وليست مجرد تمثيل بصري للبيانات.

📍 Gisology | نظم المعلومات الجغرافية والحلول المكانية

أقدّم خدمات متخصصة في نظم المعلومات الجغرافية والاستشعار عن بُعد تشمل تحليل صور الأقمار الصناعية، التحليل الزمني للتغيرات البيئية، مؤشرات الغطاء النباتي واستخدامات الأراضي، الدراسات المناخية والبيئية، وإنتاج الخرائط الأكاديمية والاحترافية.

كما أعمل على دعم الأبحاث العلمية، رسائل الماجستير والدكتوراه، ومشروعات التخرج من مرحلة تحديد البيانات والمنهجية المناسبة، مرورًا بالتحليل المكاني والاستشعار عن بُعد، وحتى إنتاج الخرائط والنتائج النهائية بصورة علمية ومنظمة.

إذا كان لديك فكرة بحثية أو مشروع يحتاج إلى تحليل مكاني حقيقي وتحويل البيانات إلى نتائج وخرائط واضحة، يسعدني التعاون معك.

📩 للاستفسار أو طلب تنفيذ مشروع GIS أو Remote Sensing، يمكنكم التواصل عبر الرسائل الخاصة.

Gisology
GIS Mapping & Spatial Solutions

24/09/2026

تحليل المخاطر البيئية المركبة – إقليم البنجاب، باكستان (2018–2025)
أتممت مؤخراً نموذج تحليل مكاني متقدم ودراسة بيئية شاملة لإقليم البنجاب، حيث قمت بدمج بيانات الأمطار (CHIRPS)، مؤشر الغطاء النباتي (MODIS NDVI)، ونماذج الارتفاعات الرقمية (SRTM DEM) داخل منصة الحوسبة السحابية Google Earth Engine.
أبرز النتائج (Key Findings)
🌧 ديناميكيات الأمطار والهطول المتطرف
أظهرت بيانات الأمطار والرسوم البيانية للسلاسل الزمنية السنوية وجود تباين ملحوظ في كميات الهطول المطري عبر الإقليم.
سجلت السنوات التي شهدت ذروة مطرية (مثل عام 2020) أعلى معدلات تراكم سنوية، والتي ترتبط بشكل مباشر بمخاطر السيول والفيضانات الموسمية في المناطق المنخفضة.
🌱 صحة الغطاء النباتي وتقييم الجفاف
أثبت تحليل مؤشر الغطاء النباتي (MODIS NDVI) للفترة من (2018
إلى 2025) استقراراً نسبياً في الإنتاجية الزراعية والغطاء النباتي، مما يعكس كفاءة الإدارة الزراعية رغم التغيرات المناخية.
🌊 التأثير الطبوغرافي وخريطة المخاطر المركبة
كشف تحليل الانحدارات باستخدام نماذج الارتفاعات (SRTM DEM) أن مخاطر الفيضانات تتركز بشكل أساسي في التضاريس المستوية والمنخفضة وممرات الأنهار.
من خلال دمج مؤشرات الفيضانات والجفاف، نجحت خريطة المخاطر المركبة في تسليط الضوء بوضوح على بؤر التهديد البيئي التي تتطلب أولوية في الإدارة والمتابعة.
خطوات العمل (Workflow)
Google Earth Engine (GEE): المعالجة السحابية للبيانات المكانية وتصميم لوحة التحكم التفاعلية.
SRTM DEM (30m): التقييم الطبوغرافي ونمذجة مخاطر الفيضانات المستندة إلى الانحدارات.
MODIS (MOD13Q1): استخراج مؤشرات الغطاء النباتي وتقييم الإجهاد النباتي.
CHIRPS Daily Rainfall: تتبع تراكم الأمطار وتحليل الاتجاهات التاريخية.
هذا العمل يوضح كيف يمكن لدمج مشاهدات الأقمار الصناعية متعددة المستشعرات مع البيانات الطبوغرافية أن يوفر تقييماً سريعاً وموثوقاً لمراقبة الكوارث البيئية وإدارة المخاطر الإقليمية.
📌 هل تحتاج إلى مساعدة في بحثك أو رسالتك العلمية؟ نحن في GISology Academy نقدم استشارات أكاديمية متكاملة لرسائل الماجستير والدكتوراه، وتجهيز وتحليل نماذج الاستشعار عن بعد ونظم المعلومات الجغرافية، بالإضافة إلى خدمات النشر في المجلات العلمية المحكمة. تواصل معنا الآن وابدأ خطوتك نحو التميز الأكاديمي!

08/09/2026

25 عاماً تحت المجهر: كيف كشف الاستشعار عن بُعد خريطة الجفاف في ألميريا بإسبانيا باستخدام Google Earth Engine؟

ماذا لو استطعنا العودة إلى 25 عاماً من المراقبة بالأقمار الصناعية، ليس فقط لمعرفة أين حدث الجفاف، بل أيضاً لتحديد أين تكرر الجفاف، وما المناطق الزراعية الأكثر تعرضاً له؟

هذا هو السؤال الذي انطلقنا منه في أحدث تحليلاتنا باستخدام نظم المعلومات الجغرافية والاستشعار عن بُعد لدراسة منطقة ألميريا Almería جنوب إسبانيا.

تُعد ألميريا واحدة من أهم المناطق الزراعية في البيئات شبه الجافة على مستوى العالم، وتشتهر بامتدادها الهائل من الزراعة داخل الصوب الزراعية. وفي مثل هذه البيئة، لم يعد رصد الإجهاد النباتي والحراري والجفاف على المدى الطويل مجرد تحليل أكاديمي، بل أصبح أداة مهمة لدعم إدارة الموارد المائية، والتخطيط الزراعي، والمراقبة البيئية، وتقييم المخاطر الاستثمارية.

ولفهم هذه الديناميكيات، قمنا ببناء نموذج تحليلي مكاني سحابي باستخدام Google Earth Engine (GEE)، لمعالجة سلسلة زمنية تمتد من 2000 إلى 2025، بالاعتماد على بيانات الأقمار الصناعية MODIS وبيانات الغطاء الأرضي ESA WorldCover.

ماذا قمنا بتحليله؟

01 | مؤشر حالة الغطاء النباتي VCI

بدلاً من التعامل مع قيمة NDVI كرقم منفرد، قمنا بتقييم حالة الغطاء النباتي مقارنة بأدنى وأعلى قيم تاريخية له خلال فترة الدراسة.

وبذلك أصبح بالإمكان تحديد ما إذا كانت حالة الغطاء النباتي طبيعية، أم أنها تشهد تدهوراً ملحوظاً مقارنة بسلوكها التاريخي.

02 | مؤشر الحالة الحرارية TCI

قمنا بتحليل درجة حرارة سطح الأرض LST ومقارنتها بالنطاق الحراري التاريخي، بهدف تحديد المناطق التي تتعرض لإجهاد حراري مرتفع.

وتكتسب هذه الخطوة أهمية خاصة في البيئات شبه الجافة، حيث تؤدي درجات الحرارة المرتفعة إلى زيادة التبخر والنتح، وبالتالي زيادة الضغط على الموارد المائية والنبات.

03 | التقييم المتكامل للجفاف VHI

تم دمج VCI وTCI في مؤشر مركب لتقييم حالة الجفاف، بحيث يجمع بين تدهور الغطاء النباتي والإجهاد الحراري في تحليل مكاني واحد.

وبذلك لا نعتمد على متغير بيئي واحد، وإنما نحصل على رؤية أكثر شمولاً للتوزيع المكاني للجفاف.

04 | عزل الأراضي الزراعية

باستخدام بيانات ESA WorldCover 2021، قمنا بعزل المناطق الزراعية عن باقي مكونات سطح الأرض.

وهذه الخطوة سمحت لنا بتركيز التحليل على الأراضي الزراعية المنتجة، بدلاً من السماح للمناطق العمرانية أو الصخرية أو غير الزراعية بالتأثير على النتائج.

05 | تحليل تكرار الجفاف خلال 25 عاماً

وهنا جاءت واحدة من أهم مراحل التحليل.

قمنا بحساب عدد السنوات التي تعرض فيها كل بكسل لحالات الجفاف الشديد خلال فترة الدراسة، باستخدام VHI < 30 كعتبة للجفاف الشديد.

وبالتالي لم تكن النتيجة مجرد خريطة للجفاف، وإنما خريطة لتكرار الجفاف توضح المناطق التي تعرضت للجفاف الشديد بشكل متكرر عبر الزمن.

ماذا كشفت النتائج؟

• تذبذب واضح في الغطاء النباتي

أظهرت السلسلة الزمنية لـ NDVI نمطاً موسمياً واضحاً، إلى جانب انخفاضات ملحوظة خلال بعض فترات الجفاف، مما يعكس استجابة الغطاء النباتي للتغيرات المناخية والبيئية.

• تركز الإجهاد الحراري مكانياً

أظهر تحليل LST ارتفاعاً ملحوظاً في درجات حرارة سطح الأرض في أجزاء من السهول الداخلية والشرقية مقارنة بالمناطق المرتفعة المحيطة بها.

• تعرض ملحوظ للمناطق الزراعية

بعد تطبيق القناع الزراعي، ظهرت مساحات واسعة من الأراضي الزراعية المكشوفة ضمن مستويات الجفاف المتوسط إلى الشديد، في حين أظهرت مناطق الصوب الزراعية نمطاً طيفياً مختلفاً.

• ظهور بؤر جفاف مزمنة

كشفت خريطة تكرار الجفاف عن مناطق تعرضت لأكثر من 12 سنة من الجفاف الشديد خلال فترة الدراسة البالغة 25 عاماً.

وهذه المناطق لا تمثل مجرد مواقع شهدت أحداث جفاف عابرة، وإنما تمثل بؤراً ذات تعرض متكرر ومحتمل لمخاطر بيئية وزراعية طويلة المدى.

لماذا هذا النوع من التحليل مهم؟

لأن تحديد عام واحد من الجفاف يخبرنا بما حدث.

لكن تحليل 25 عاماً من تكرار الجفاف يخبرنا أين تكمن المشكلة بشكل مستمر.

وهنا تظهر قيمة التحليل المكاني في دعم:

إدارة الموارد المائية
تحديد المناطق الأكثر احتياجاً إلى خطط إدارة المياه والاستجابة للجفاف.

الاستثمار الزراعي
تقييم المخاطر البيئية طويلة المدى قبل الاستثمار في الأراضي أو البنية التحتية الزراعية.

التخطيط الزراعي
دعم اختيار المحاصيل والاستراتيجيات الأكثر قدرة على تحمل ظروف الجفاف.

التأمين الزراعي
تحسين تقييم مخاطر الجفاف بالاعتماد على السجل التاريخي للتعرض المكاني.

البحوث البيئية والمناخية
دراسة تأثير التغيرات المناخية على الغطاء النباتي وتدهور الأراضي والتصحر.

GISology Academy | من بيانات الأقمار الصناعية إلى الذكاء المكاني

في GISology Academy، لا يقتصر عملنا على إنتاج الخرائط التقليدية.

نحن نعمل على بناء حلول جغرافية تحليلية متقدمة تحول بيانات الأقمار الصناعية والبيانات المكانية إلى معلومات قابلة للتحليل وداعمة للبحث العلمي والتخطيط واتخاذ القرار.

تشمل خدماتنا:

• بناء نماذج مخصصة لرصد الجفاف والتغير المناخي.
• تحليل السلاسل الزمنية طويلة المدى لبيانات الأقمار الصناعية.
• تطوير نماذج Google Earth Engine وPython.
• تحليل الإجهاد النباتي والحراري.
• إعداد خرائط المخاطر الزراعية والبيئية.
• تطوير تطبيقات وتحليلات GIS والاستشعار عن بُعد التفاعلية.
• تقديم برامج تدريبية احترافية في GIS وRemote Sensing.

من صورة واحدة من القمر الصناعي إلى 25 عاماً من المعلومات البيئية — البيانات المكانية يمكنها أن تحكي قصة أكبر بكثير.

إذا كان لديك مشروع في نظم المعلومات الجغرافية، الاستشعار عن بُعد، البيئة، الزراعة أو التغير المناخي، يمكننا مساعدتك في تحويل بياناتك إلى تحليل مكاني متكامل وذي قيمة حقيقية.

تواصل مع GISology Academy لتطوير مشروعك المكاني أو للانضمام إلى برامجنا التدريبية المتقدمة.

07/09/2026

التحليل الهيدرولوجي والمورفومتري للأحواض المائية | من قراءة التضاريس إلى فهم سلوك المياه

هل يمكن أن تخبرنا تضاريس سطح الأرض عن المناطق الأكثر عرضة للجريان السطحي والسيول والتعرية؟

الإجابة نعم.

فمن خلال تحليل نموذج الارتفاعات الرقمية (DEM)، واستخراج شبكة التصريف المائي، ودراسة الخصائص المورفومترية للحوض، يمكن الانتقال من مجرد تمثيل شكل سطح الأرض إلى فهم ديناميكية المياه داخل الحوض وتحديد المناطق ذات الحساسية الهيدرولوجية الأعلى.

في هذا العمل تم تنفيذ تحليل هيدرولوجي ومورفومتري متكامل لأحد الأحواض المائية، بهدف دراسة العلاقة بين التضاريس، والانحدار، واتجاه الجريان، وشبكة التصريف، وشكل الحوض، وطبيعة استجابته للمياه والجريان السطحي.

بدأت مراحل التحليل من نموذج الارتفاعات الرقمية (DEM)، ومن خلال المعالجة الهيدرولوجية والتحليل المكاني تم اشتقاق مجموعة من العناصر الأساسية، من أبرزها:

• اتجاه الجريان المائي (Flow Direction).
• تراكم الجريان (Flow Accumulation).
• استخراج شبكة التصريف والأودية.
• تصنيف المجاري المائية وفق نظام Strahler للرتب النهرية.
• تحديد الحوض المائي وتقسيمه إلى أحواض فرعية.
• حساب كثافة التصريف (Drainage Density).
• حساب تكرار المجاري المائية (Stream Frequency).
• تحليل نمط شبكة التصريف وتوزيعها المكاني.

ولم يتوقف التحليل عند الجانب الهيدرولوجي، بل تم الانتقال إلى التحليل المورفومتري لفهم الخصائص الهندسية والطبوغرافية للحوض ومدى تأثيرها في سلوك الجريان.

وشمل ذلك مجموعة من المؤشرات المورفومترية، من أهمها:

نسبة التشعب (Bifurcation Ratio)
لفهم درجة تفرع شبكة التصريف وعلاقتها بالبنية الجيولوجية وطبيعة استجابة الحوض للجريان.

معامل الشكل (Form Factor)
لتقييم شكل الحوض ومدى احتمالية تركّز الجريان خلال فترات زمنية قصيرة.

نسبة الاستدارة (Circularity Ratio)
للتعبير عن مدى اقتراب شكل الحوض من الشكل الدائري وتأثير ذلك في خصائص التصريف.

نسبة الاستطالة (Elongation Ratio)
لتحديد درجة استطالة الحوض وعلاقتها بالتضاريس ونمط الجريان.

نسبة التضرس (Relief Ratio)
لتقييم شدة التضرس والفرق الرأسي في سطح الحوض وعلاقته بطاقة الجريان والتعرية.

إضافة إلى:

• متوسط الانحدار.
• الارتفاعات والتدرج التضاريسي.
• وعورة السطح (Ruggedness).
• كثافة شبكة التصريف.
• تكرار المجاري المائية.

وتكمن القيمة الحقيقية لهذه المؤشرات في دمجها وتحليلها مكانيًا، وليس في دراسة كل مؤشر بصورة منفردة؛ إذ يسمح التكامل بينها بتحديد الأحواض الفرعية والمناطق التي تتصف بخصائص قد تزيد من سرعة الجريان، أو تركّز المياه، أو قابلية السطح للتعرية وانجراف التربة.

ما أهمية هذا التحليل؟

1. تقييم أخطار السيول والفيضانات
يساعد التحليل في تحديد الأحواض الفرعية والمناطق الأكثر قابلية لاستقبال وتجميع مياه الجريان، بما يدعم إعداد خرائط المخاطر وتحديد أولويات أعمال الحماية.

2. دراسة التعرية وانجراف التربة
يوفر فهمًا للعلاقة بين الانحدار، والتضرس، وكثافة التصريف، وشدة الجريان، بما يساعد في تقييم المناطق الأكثر تعرضًا لفقدان التربة.

3. إدارة الموارد المائية
يسهم في فهم خصائص الأحواض وشبكات التصريف وتحديد المناطق ذات الأهمية الهيدرولوجية.

4. الدراسات الجيومورفولوجية
يساعد في تفسير تطور الأحواض المائية، ونمط شبكة التصريف، والعلاقة بين شكل سطح الأرض والعمليات الجيومورفولوجية.

5. التخطيط العمراني والمشروعات الهندسية
يمكن توظيف نتائج التحليل في تقييم المواقع قبل تنفيذ المشروعات، خاصةً في المناطق التي قد تتأثر بمسارات الجريان السطحي أو السيول.

6. الدراسات والأبحاث الأكاديمية
يمثل التحليل الهيدرولوجي والمورفومتري أساسًا مهمًا في العديد من أبحاث الجغرافيا الطبيعية، والهيدرولوجيا، والجيومورفولوجيا، وإدارة المخاطر، ورسائل الماجستير والدكتوراه.

الفكرة الأساسية

الهدف من التحليل ليس إنتاج خريطة لشبكة من الأودية أو جدول من القيم المورفومترية فحسب، وإنما تحويل البيانات الطبوغرافية إلى قراءة مكانية متكاملة لسلوك المياه داخل الحوض.

فكل انحدار، وكل مجرى مائي، وكل تغير في شكل الحوض يمكن أن يحمل معلومة تساعد على تفسير حركة المياه، وتحديد مناطق التركّز، وفهم احتمالات الجريان والتعرية.

وهنا تظهر قوة نظم المعلومات الجغرافية والاستشعار عن بُعد؛ إذ يمكن من خلالهما دمج البيانات الطبوغرافية والهيدرولوجية والمكانية لإنتاج خرائط تحليلية ونتائج قابلة للتفسير والتطبيق.

إذا كنت تعمل على بحث علمي، أو رسالة ماجستير أو دكتوراه، أو دراسة هيدرولوجية، أو مشروع لتقييم أخطار السيول والتعرية، وتحتاج إلى تنفيذ تحليل هيدرولوجي أو مورفومتري باستخدام GIS والاستشعار عن بُعد، يمكننا تنفيذ مراحل التحليل وإعداد الخرائط والنتائج بما يتوافق مع طبيعة منطقة الدراسة وأهداف البحث.

Gisology | GIS Mapping & Spatial Solutions

05/09/2026

تعد غابات الأمازون الاستوائية في البرازيل الرئة البيئية الكبرى لكوكب الأرض والمحرك الرئيسي للدورة الهيدرولوجية والمناخية العالمية، ومتابعة التحولات البيئية والإجهاد الرطوبي فيها تمثل ضرورة علمية استراتيجية لفهم اتجاهات الجفاف ومواجهة التغيرات المناخية المتسارعة. في هذه الدراسة الجغرافية التطبيقية المتخصصة، قمنا بإجراء تقييم مكاني وزمني متقدم (Spatiotemporal Assessment) لديناميات الجفاف والغطاء النباتي في ولاية أمازوناس بالبرازيل، عبر مقارنة رقمية تفصيلية بين عامي 2015 و2025 للوقوف على التحولات البيئية الحاصلة خلال عقد كامل.

اعتمدنا في المنهجية المطبقة على الاستفادة من منصة الحوسبة السحابية المتقدمة Google Earth Engine لمعالجة مرئيات الأقمار الصناعية المأخوذة من المستشعر MODIS لمنتج الانعكاس السطحي (MOD09A1) بدقة مكانية قدرها 500 متر. تضمنت خطوات العمل جلب الحدود الإدارية الرسمية لولاية أمازوناس واقتطاع نطاق الدراسة بدقة فائقة، ثم تنفيذ معالجات طيفية متعددة استهدفت حساب دليل الاختلاف الخضري المعياري NDVI لقياس كثافة وصحة الغطاء النباتي والنشاط التركيبي الضوئي، ودليل الاختلاف المائي المعياري NDWI لتقييم مستويات الرطوبة والمحتوى المائي المحتجز في الأوراق والمحيط البيئي. ولم تكتفِ الدراسة بملاحظة المؤشرات المنفردة، بل قمنا بدمج المؤشرين رياضياً لاستنباط دليل الجفاف التركيبي المعياري NDDI، والذي يُعد الأداة الأكثر دقة وحساسية في كشف شدة الجفاف الجوي والنباتي والجهد المائي التراكمي. كما قمنا ببناء نماذج بيانية زمنية سلسلية (Time-Series Modeling) لمتابعة التغيرات والتذبذبات الشهرية والموسمية التيطرأت على قيم
المؤشرات طوال سنتي المقارنة.

أسفرت المعالجات الفضائية والنتائج الرقمية عن كشف تحولات جغرافية واستجابات بيئية واضحة داخل ولاية أمازوناس؛ إذ أوضحت الخرائط التوزيعية تبايناً مكانياً ملحوظاً في مستويات الإجهاد الرطوبي، حيث تركزت أعلى معدلات الجفاف وارتفعت قيم مؤشر NDDI بشكل حاد في النطاقات الشمالية والجنوبية من الولاية نتيجة التراجع الملموس في كفاءة الغطاء الخضري وانخفاض الرطوبة السطحية، في حين أظهرت الأشرطة المحاذية للمجرى الرئيسي لنهر الأمازون وروافده الكبرى استقراراً نسبياً ومستويات رطوبة أعلى. وعلى الصعيد الزمني، كشفت الرسومات البيانية السلسلية عن اتجاهات موسمية حادة، حيث سجلت الدراسة ذروة الإجهاد المائي وانخفاض الرطوبة خلال الأشهر الممتدة من أغسطس إلى أكتوبر، مما يؤكد تزايد حساسية الغطاء النباتي الاستوائي للتقلبات المناخية الموسمية وارتفاع حدة فترات الجفاف
خلال عقد المقارنة.

توفر هذه المخرجات والخرائط الفضائية قاعدة بيانات جغرافية احترافية عالية الدقة، تشكل ركيزة معلوماتية أساسية لمراكز الأبحاث البيئية، وصناع القرار، وراسمي السياسات المناخية، والجهات المعنية بإدارة الكوارث الطبيعية؛ حيث تساعد هذه المؤشرات في بناء استراتيجيات الإنذار المبكر والتنبؤ بمخاطر حرائق الغابات، وتقييم هشاشة النظام البيئي، وتوجيه جهود الحماية وتنمية الموارد المائية والطبيعية في حوض الأمازون
بكفاءة فائقة.

إذا كنت تسعى لتنفيذ دراسات استشعار عن بعد متخصصة، أو معالجة البيانات الفضائية ومرئيات الأقمار الصناعية، واستخراج المؤشرات الرقمية والخرائط المعتمدة لدراستك الأكاديمية أو مشروعاتك البيئية والهيدرولوجية، يسعدنا تقديم الدعم الفني والاستشاري الاحترافي لك عبر خدماتنا في GISology Academy. تواصل معنا الآن لتحويل فكرة بحثك أو مشروعك إلى دراسة جغرافية متكاملة ومصممة وفق أعلى المعايير الأكاديمية والدولية.

Gisology

30/09/2026

29/09/2026

28/09/2026

24/09/2026

24/09/2026

08/09/2026

07/09/2026

05/09/2026

Address

Website

Alerts

Shortcuts

Share

Category

Listing takedown request