موضوع الدراسة:
يقدم البحث تحليلاً كمياً لاستخراج طبقة الكتلة العمرانية باستخدام أحد التقنيات الحديثة من خلال برمجيات نظم المعلومات الجغرافية GIS عن طريق نمذجة مجموعة من الاجراءات باستخدام تقنية الذكاء الاصطناعي في استخراج بيانات طبقة المباني Extracting Building Footprints من صور الأقمار الصناعية ذات الدقة العالية ونماذج التعلم العميق.
أهداف الدراسة:
تهدف الدراسة إلى محاولة للتوصل إلى استخدام نظام متكامل باستخدام تقنية الذكاء الاصطناعي وخوارزميات التعلم العميق بالاعتماد على تقنيات نظم المعلومات الجغرافية لاستخراج طبقة المباني والكتلة العمرانية من خلال معالجة الصور الفضائية عالية الدقة في محاولة لتطوير أحد النظم الكارتوجرافية والتي يمكن استخدامها في انتاج الخرائط الموضوعية للمدن.
منهجية الدراسة:
تعتمد منهجية هذه الدراسة على عدة خطوات عملية متسلسلة ومترابطة تبدأ في الحصول على مدخلات النظام أولاً: الحصول على المرئيات الفضائية لمنطقة الدراسة بدقة مكانية عالية مع إجراء بعض المعالجات الأولية للمرئية الفضائية، ثانياً: اختيار نموذج التحليل واستخراج طبقة المباني ثالثاً: استخدام نموذج استخراج طبقة المباني KSA -Extracting Building Footprints المقدم من شركة Esri والذي استخدم في تدريبه مايقارب 250 صورة من مختلف مناطق المملكة العربية السعودية ذات دقة تصل الى 30 سم. رابعاً: معالجة النتائج المستخرجة من النظام خامساً: قياس دقة النتائج
بيانات الدراسة:
اعتمدت هذه الدراسة على الصور الفضائية عالية الدقة بدقة 30 سم لمنطقة الدراسة مقدمة من شركة Digital Globe.
نتائج الدراسة:
توصلت الدراسة إلى عدد من النتائج والتي يمكن تقسمها كما يلي:
نتائج ذات صلة بالمنهجية والنموذج المستخدم:
أظهرت الدراسة أن إنتاج بيانات الكتل العمرانية بواسطة صور الأقمار الصّناعية ذات الدقة المكانية العالية باستخدام نظم المعلومات الجغرافية والتعلم العميق يبدأ بتحديد المدخلات والتأكد من الدقة المعيارية لكل مدخل بدء من اختيار الصور الفضائية ومدى ملاءمتها للنموذج المستخدم مما يقلل الوقت والجهد المطلوب بشكل كبير.
نتائج ذات صلة بمخرجات النموذج:
أظهرت الدراسة إلى أهمية معالجة المخرجات فيما بعد ومنها معالجة حواف المبنى Regularize building footprints والتي تؤثر في حساب دقة الشكل والمساحة بالمقارنة بالرسم اليدوي.
أظهرت النتائج تأثير النمط العمراني المنتظم غير المنتظم على دقة النموذج في استخراج طبقة المباني في منطقة الدراسة بالمقارنة لإجمالي العدد الحقيقي المتوقع حيث بلغت 47.80% بحي الزهور بينما بلغت 11.63 %بحي الديرة.
تم تطبيق نسبة التشابة بمقدار 30% وتم الحصول على نتائج ذات دقة اعلى لحين الزهور والديرة وصلت دقتها مايقارب 80% الى 90%.
تم اختيار منطقتين أخرى للتأكد من نتائج دقة النموذج وهي حي حطين في مدينة الرياض وحي النهضة في مدينة جدة.
وصلت دقة النتائج أيضا من %85 الى 94% حيث تم التأكد من هذه النتائج بعد حساب كلا منAccuracy, Dice, F1score, Index, IoU, Precision, Recall وذلك من خلال تطبيق لغة البايثون على نتائج المخرجات من خلال صور الكتل العمرانية.
الخاتمة:
قدمت الدراسة عرضاً تفصيلياً عن أساليب استخراج طبقة المباني والكتل العمرانية من الصور الفضائية عالية الدقة من خلال استخدام تقنيات الذكاء الاصطناعي والتعلم العميق Deep learningبنظم المعلومات الجغرافية حيث تم عرض مجموعة من الخوارزميات والتي تعد الاساس التقني لتعليم الآلة وذلك من حيث آليه العمل ودقة النتائج.