الصفحة الرئيسية قائمة المقالات بيانات المقالة
المجلة المصرية للتغير البيئي
أرشيف الدورية
المجلد المجلد 17 (2025)
المجلد المجلد 16 (2024)
المجلد المجلد 15 (2023)
المجلد المجلد 14 (2022)
المجلد المجلد 13 (2021)
المجلد المجلد 12 (2020)
المجلد المجلد 11 (2019)
المجلد المجلد 10 (2018)
المجلد المجلد 9 (2017)
المجلد المجلد 8 (2016)
المجلد المجلد 7 (2015)
المجلد المجلد 6 (2014)
المجلد المجلد 5 (2013)
المجلد المجلد 4 (2012)
المجلد المجلد 3 (2011)
المجلد المجلد 2 (2010)
المجلد المجلد 1 (2009)
. (2024). تصنيف استخدامات الأراضي وكشف التغيير بحوض وادي فاطمة، غربي المملكة العربية السعودية. المجلة المصرية للتغير البيئي, 16(5), 149-176. doi: 10.21608/egjec.2024.381023
. "تصنيف استخدامات الأراضي وكشف التغيير بحوض وادي فاطمة، غربي المملكة العربية السعودية". المجلة المصرية للتغير البيئي, 16, 5, 2024, 149-176. doi: 10.21608/egjec.2024.381023
. (2024). 'تصنيف استخدامات الأراضي وكشف التغيير بحوض وادي فاطمة، غربي المملكة العربية السعودية', المجلة المصرية للتغير البيئي, 16(5), pp. 149-176. doi: 10.21608/egjec.2024.381023
. تصنيف استخدامات الأراضي وكشف التغيير بحوض وادي فاطمة، غربي المملكة العربية السعودية. المجلة المصرية للتغير البيئي, 2024; 16(5): 149-176. doi: 10.21608/egjec.2024.381023

تصنيف استخدامات الأراضي وكشف التغيير بحوض وادي فاطمة، غربي المملكة العربية السعودية

المقالة 6، المجلد 16، العدد 5، أكتوبر 2024، الصفحة 149-176  XML PDF (10.25 MB)
نوع المستند: بحوث محکمة
معرف الوثيقة الرقمي: 10.21608/egjec.2024.381023
مشاهدة على SCiNiTO مشاهدة على SCiNiTO
المستخلص
يهدف هذا البحث إلى تصنيف استخدامات الأراضي بحوض وادي فاطمة شمال مدينة مكة المكرمة من خلال دراسة التغيرات التي طرأت على استخدامات الأراضي والغطاء النباتي باستخدام مرئيات الأقمار الصناعية ، حيث تناولت  الدراسة تحليل مرئيات الأقمار الصناعية ما بين عام 1972 وعام 2022م، حيث تم في هذه الدراسة تصنيف استخدامات الأراضي والغطاء النباتي باستخدام مرئيات القمر الصناعي لاندسات Landsat خلال الأعوام 1984، و1990، و2000، و2014، و2018، و2022، وكذلك كشف التغييرات التي حدثت خلال تلك الفترة، كذلك تم تحليل مرئيات القمر الصناعي كورونا CORONA وكذلك القمر الصناعي Sentinel-2 والمرئيات المتاحة في منصة Google Earth للفترة 1972 – 2022 لدراسة وتتبع الآثار البيئية التي حدثت خلال تلك الفترة. حيث تظهر النتائج أن هناك توسعاً متتابع للمناطق العمرانية ما بين 1984 و2022م في حوض وادي فاطمة. يظهر التوسع العمراني بشكل واضح للمناطق القريبة من المدن الرئيسية مثل شمال مدينة مكة المكرمة والجزء الجنوبي الشرقي لمدينة جدة في غرب الحوض والجزء الشمالي الغربي لمدينة الطائف في منطقة أعلى الوادي. فيما يخص المنطقة الوسطى من الحوض، فتشير نتائج تصنيف الغطاء الأرضي واستخدامات الأراضي في توسع ملحوظ في منقطة المنتصف تتمثل في محافظة الجموم والقرى التابعة لها، حيث شهدت مؤخراً (ما بعد عام 2000) توسعاً عالياً. تظهر النتائج أيضاً تغيراً في النبات الطبيعي، حيث تظهر الأحراش Bushes بشكل واضح في منطقة أدنى الوادي خلال العام 1984م بينما تختفي في السنوات اللاحقة ابتداءً من العام 1990م. أظهرت الدراسة أهمية استخدام مرئيات الأقمار الصناعية في مراقبة التغيرات التي تطرأ على سطح الأرض، وخاصة في متابعة التغييرات في استخدامات الأراضي والغطاء النباتي. حيث إن مرئيات الأقمار الصناعية تمكّن من تتبع هذه التغيرات وتحديد وقتها وحجمها والوضع الذي آلت إليه. وبالتالي يساعد على تقييم أفضل للتأثيرات المحتملة وصنع القرارات المناسبة. وعلية توصي الدراسة الى بناء نظام مراقبة بيئي لمنطقة حوض وادي فاطمة بشكل عام والمنطقة التي تقع في أدنى الحوض بشكل خاص لضمان استدامة المنطقة البيئية وكذلك استدامة الموارد الطبيعية فيها. وايضاً هناك حاجة ماسة للتدخل لتخفيف الآثار البيئية السلبية الناتجة عن عدم جريان المجرى الرئيسي لسد وادي فاطمة في منطقة أدنى الحوض، وذلك لأن الآثار البيئية الحالية ستشهد حدة ربما في المستقبل مما قد يزيد المخاطر على البيئة الحيوية وكذلك أخطار قد تصل حدتها لتأثر على سلامة وصحة الإنسان.
الكلمات الرئيسية
كشف التغيير؛ تغيرات استخدامات الأراضي؛ تغيرات الغطاء النباتي؛ سد وادي فاطمة
الموضوعات الرئيسية
التغير البيئي الناجم عن الأنشطة البشرية.
النص الكامل

This research aims to classify land use in the Wadi Fatima basin, north of Makkah Al-Mukarramah, by studying the changes that have occurred in land use and vegetation cover using satellite imagery. The study analyzed satellite images between 1972 and 2022, where land use and vegetation cover were classified using Landsat satellite imagery for the years 1984, 1990, 2000, 2014, 2018, and 2022. It also detected the changes that occurred during that period. Additionally, the study analyzed images from the CORONA satellite, Sentinel-2 satellite, and imagery available on the Google Earth platform from 1972 to 2022 to study and track the environmental impacts that occurred during that period. The results show a successive expansion of urban areas between 1984 and 2022 in the Wadi Fatima basin. Urban expansion is evident in areas close to major cities such as northern Makkah Al-Mukarramah, the southeastern part of Jeddah in the western part of the basin, and the northwestern part of Taif in the upper part of the wadi. Regarding the central part of the basin, the results of land cover and land use classification indicate a noticeable expansion in the midstream area, represented by the Al-Jamum governorate and its surrounding villages, which have recently (after 2000) experienced rapid expansion. The results also show a change in natural vegetation, with bushes appearing prominently in the lower part of the wadi during 1984, but disappearing in subsequent years starting from 1990. The study demonstrated the importance of using satellite imagery in monitoring changes occurring on the Earth's surface, particularly in tracking changes in land use and vegetation cover. Satellite imagery enables tracking these changes, determining their timing and magnitude, and identifying the resulting situation. Consequently, it aids in better assessing potential impacts and making appropriate decisions. The study recommends establishing an environmental monitoring system for the Wadi Fatima basin area in general, and the area located in the lower part of the basin in particular, to ensure the environmental sustainability and the sustainability of its natural resources. There is also an urgent need for intervention to mitigate the negative environmental impacts resulting from the non-flow of the mainstream of the Wadi Fatima dam in the lower part of the basin, as the current environmental impacts may become more severe in the future, potentially increasing risks to the biotic environment and posing dangers that could affect human safety and health.

المراجع

المراجع

  1. البارودي، محمد سعيد (1985) الميزانية المائية لحوض وادي فاطمة، الجمعية الجغرافية الكويتية، العدد 88.
  2. مهرجي، عبدالله والغامدي، أحمد (1998) مقارنة التأثيرات البيئية لسديَ فاطمة بمكة وعكرمة بالطائف، مجلة جامعة الملك عبدالعزيز: العلوم الهندسية، العدد 2.
  3. وزارة البيئة والمياه والزراعة (2018) نشرة السدود اليومية، المملكة العربية السعودية.
    1. ALSO PALSAR (2011), JAXA/METI ALOS PALSAR L1.5_PALSAR, Accessed through ASF DAAC 28 June 2023, DIO: 10.5067/Z97HFCNKR6VA
    2. Al-Mutiry, M., Hermas, E. A., Alqurashi, A. F., Alharbi, O., Khormi, H., & Al khallas, S. (2023). Desertification hazards in the middle zone of Wadi Fatimah, West Saudi Arabia. The Egyptian Journal of Remote Sensing and Space Sciences, 26(3), 491-503. doi:https://doi.org/10.1016/j.ejrs.2023.06.002
    3. Al-Sodany, Y. M., Fadl, M. A., Farrag, H. F., & Saif, T. Y. (2015). Effect of Dams on the vegetation of arid regions. J. Environ. Sci. Water Res, 4, 71-91.
    4. Alqurashi, A. F. (2021). Quantification of Urban Patterns and Processes through Space and Time Using Remote Sensing Data: A Comparative Study between Three Saudi Arabian Cities. Sustainability, 13(22), 12615. Retrieved from https://www.mdpi.com/2071-1050/13/22/12615
    5. Alqurashi, A. F., & Kumar, L. (2016). Spatiotemporal patterns of urban change and associated environmental impacts in five Saudi Arabian cities: A case study using remote sensing data. Habitat International, 58, 75-88. doi:https://doi.org/10.1016/j.habitatint.2016.10.001
    6. Baatz, M. (2000). Multiresolution segmentation : An optimization approach for high quality multi-scale image segmentation. Angewandte geographische informationsverarbeitung, 12-23. Retrieved from https://cir.nii.ac.jp/crid/1572261550679971840
    7. Barsi, J. A., Hook, S. J., Palluconi, F. D., Schott, J. R., & Raqueno, N. G. (2006). Landsat TM and ETM+ thermal band calibration. Paper presented at the Earth Observing Systems XI.
    8. Butcher, G., Barnes, C., & Owen, L. (2019). Landsat: The cornerstone of global land imaging. GIM International, 2019, 31-35.
    9. Chander, G., Markham, B. L., & Helder, D. L. (2009). Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment, 113(5), 893-903. doi:https://doi.org/10.1016/j.rse.2009.01.007
    10. Chen, G., Weng, Q., Hay, G. J., & He, Y. (2018). Geographic object-based image analysis (GEOBIA): emerging trends and future opportunities. GIScience & Remote Sensing, 55(2), 159-182. doi:10.1080/15481603.2018.1426092
    11. Congalton, R. G. (1991). A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 37(1), 35-46. doi:https://doi.org/10.1016/0034-4257(91)90048-B
    12. Farr, T. G., Rosen, P. A., Caro, E., Crippen, R., Duren, R., Hensley, S., Alsdorf, D. (2007). The Shuttle Radar Topography Mission. Reviews of Geophysics, 45(2). doi:https://doi.org/10.1029/2005RG000183
    13. Foody, G. M. (2002). Status of land cover classification accuracy assessment. Remote Sensing of Environment, 80(1), 185-201. doi:https://doi.org/10.1016/S0034-4257(01)00295-4
    14. Gao, Y., Mas, J. F., Niemeyer, I., Marpu, P. R., & Palacio, J. L. (2007). Object-based image analysis for mapping land-cover in a forest area. Paper presented at the Proc. of 5th International Symposium on Spatial Data Quality.
    15. Gleason, C. J., & Im, J. (2012). Forest biomass estimation from airborne LiDAR data using machine learning approaches. Remote Sensing of Environment, 125, 80-91. doi:https://doi.org/10.1016/j.rse.2012.07.006
    16. Hermas, E. A., Alharbi, O., Alqurashi, A. F., Niang, A., Al-Ghamdi, K., Al-Mutiry, M., & Farghaly, A. (2019). Characterisation of Sand Accumulations in Wadi Fatmah and Wadi Ash Shumaysi, KSA, Using Multi-Source Remote Sensing Imagery. Remote Sensing, 11(23), 2824. Retrieved from https://www.mdpi.com/2072-4292/11/23/2824
    17. Huang, C., Davis, L. S., & Townshend, J. R. G. (2002). An assessment of support vector machines for land cover classification. International Journal of Remote Sensing, 23(4), 725-749. doi:10.1080/01431160110040323
    18. Jafari, R., & Hasheminasab, S. (2017). Assessing the effects of dam building on land degradation in central Iran with Landsat LST and LULC time series. Environmental monitoring and assessment, 189, 1-15.
    19. Kavzoglu, T., & Colkesen, I. (2009). A kernel functions analysis for support vector machines for land cover classification. International Journal of Applied Earth Observation and Geoinformation, 11(5), 352-359. doi:https://doi.org/10.1016/j.jag.2009.06.002
    20. Lu, D., Mausel, P., Brondízio, E., & Moran, E. (2004). Change detection techniques. International Journal of Remote Sensing, 25(12), 2365-2401. doi:10.1080/0143116031000139863
    21. Minear, J. T. (2010). The downstream geomorphic effects of dams: a comprehensive and comparative approach. (Doctor of Philosophy). University of California, Berkeley, USA.
    22. Samal, D. R., & Gedam, S. S. (2015). Monitoring land use changes associated with urbanization: An object based image analysis approach. European Journal of Remote Sensing, 48(1), 85-99. doi:10.5721/EuJRS20154806
    23. Sharaf, M. A., Hussein, M. T., & Al-Bassam, A. M. (2001). Upconing and Saline Water Intrusion and the Need for Water Conservation in the Lower Part of Wadi Fatimah, Western Saudi Arabia. International Journal of Water Resources Development, 17(2), 211-226. doi:10.1080/07900620120031270
    24. Sheykhmousa, M., Mahdianpari, M., Ghanbari, H., Mohammadimanesh, F., Ghamisi, P., & Homayouni, S. (2020). Support vector machine versus random forest for remote sensing image classification: A meta-analysis and systematic review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13, 6308-6325.
    25. Singh, A. (1989). Review Article Digital change detection techniques using remotely-sensed data. International Journal of Remote Sensing, 10(6), 98. doi:10.1080/01431168908903939
    26. Song, C., Woodcock, C. E., Seto, K. C., Lenney, M. P., & Macomber, S. A. (2001). Classification and Change Detection Using Landsat TM Data: When and How to Correct Atmospheric Effects? Remote Sensing of Environment, 7. 230-244 5 (2). doi:https://doi.org/10.1016/S0034-4257(00)00169-3
    27. Thanh N., P., & Kappas, M. (2018). Comparison of Random Forest, k-Nearest Neighbor, and Support Vector Machine Classifiers for Land Cover Classification Using Sentinel-2 Imagery. Sensors, 18 (1), Retrieved from https://www.mdpi.com/1424-8220/18/1/18
    28. Weng, Q., Firozjaei, M. K., Sedighi, A., Kiavarz, M., & Alavipanah, S. K. (2019). Statistical analysis of surface urban heat island intensity variations: A case study of Babol city, Iran. GIScience & Remote Sensing, 56(4), 576-604.
    29. Woodcock, C. E., Allen, R., Anderson, M. C., Belward, A. S., Bindschadler, R., Cohen, W., Helmer, E. (2008). Free access to Landsat imagery. SCIENCE VOL 320: 1011.
    30. Zhang, Z., Wang, X., Zhao, X., Liu, B., Yi, L., Zuo, L., Hu, S. (2014). A 2010 update of National Land Use/Cover Database of China at 1:100000 scale using medium spatial resolution satellite images. Remote Sensing of Environment, 149, 142-154. doi:https://doi.org/10.1016/j.rse.2014.04.004

 

الإحصائيات
عدد المشاهدات للمقالة: 176
تنزیل PDF: 181