التكامل المستقبلي بين الذكاء الاصطناعي والدراسات الجغرافية: رؤية تطويرية
DOI:
https://doi.org/10.25130/jfa.conf.10.4.11الكلمات المفتاحية:
الذكاء الاصطناعي، الدراسات الجغرافية، GeoAI، نظم المعلومات الجغرافية، الاستشعار عن بعدالملخص
يسعى هذا البحث إلى استشراف أبعاد التكامل المستقبلي بين الذكاء الاصطناعي والدراسات الجغرافية من منظور تطويري، بوصفه أحد المسارات العلمية الحديثة القادرة على إحداث نقلة نوعية في منهجيات البحث الجغرافي. فقد تناول البحث في بدايته الإطار المفاهيمي للذكاء الاصطناعي والجغرافية، مع توضيح السمات الجوهرية التي تجعل من الذكاء الاصطناعي أداة فاعلة في تحليل البيانات المكانية والزمانية، ورصد الأنماط المعقدة. كما استعرض الأبعاد النظرية التي يقوم عليها هذا التكامل، بما في ذلك قانون توبلر، مشكلة الوحدات المساحية القابلة للتعديل (MAUP)، والتغاير المكاني، باعتبارها مرتكزات أساسية لأي دمج فعال بين الذكاء الاصطناعي والجغرافية.
ثم ركز البحث على التطبيقات العملية، مثل الاستشعار عن بعد، ونظم المعلومات الجغرافية، والتنبؤ بالتغيرات البيئية والمناخية، وإدارة الموارد الطبيعية، وإدارة المخاطر والكوارث، فضلاً عن دور الذكاء الاصطناعي في التخطيط الحضري والمدن الذكية .
التنزيلات
المراجع
أ.العربية:
1. السرحان، فؤاد عبد العزيز، (2021)، مدخل إلى نظم المعلومات الجغرافية بين النظرية والتطبيق، عمان: دار صفاء للنشر والتوزيع.
2. فائق،عوضين،(2022)،استخدامات تقنيات الذكاء الاصطناعي بين المشروعية وعدم المشروعية،المجلة النائية القومية،المجلد الخامس والستون،العدد الاول .
3. عبد النور،عادل عبد النور،(2005)، مدخل إلى الذكاء الاصطناعي، المملكة العربية السعودية،مدينة الملك عبد العزيز للعلوم التقنية.
4. داوود، جمعة محمد، (2015)، أسس وتطبيقات الاستشعار عن بعد، القاهرة: دار الفكر.
5. العلي، عادل، ذباب، حسين،السعدي، عمار (2010). اعتماد المرئيات الفضائية الرقمية في دراسة ومراقبة ظاهرة التصحر. رسالة ماجستير غير منشورة، جامعة بغداد.
6. Stuart Russell & Peter Norvig (2021). Artificial Intelligence: A Modern Approach. 4th Edition, Pearson.
7. Janowicz, K., Gao, S., McKenzie, G., Hu, Y., & Bhaduri, B. (2020). GeoAI: spatially explicit artificial intelligence techniques for geographic knowledge discovery and beyond. International Journal of Geographical Information Science.
8. Ma, L., Liu, Y., Zhang, X., Ye, Y., Yin, G., & Johnson, B. A. (2019). Deep learning in remote sensing applications: A meta-analysis and review. ISPRS Journal of Photogrammetry and Remote Sensing, 152, 166–177.
9. Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
10. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
11. Esri. (2023). GeoAI. ArcGIS Pro 3.5 help documentation. Retrieved August 27, 2025, .
12. Waters, N. (2017). Tobler’s first law of geography. In D. Richardson, N. Castree, M. F. Goodchild, A. Kobayashi, W. Liu, & R. A. Marston (Eds.), International encyclopedia of geography: People, the earth, environment and technology .
13. Ma, L., Liu, Y., Zhang, X., Ye, Y., Yin, G., & Johnson, B. A. (2019). Deep learning in remote sensing applications: A meta-analysis and review. ISPRS Journal of Photogrammetry and Remote Sensing.
14. Zhu, X. X., Tuia, D., Mou, L., Xia, G. S., Zhang, L., Xu, F., & Fraundorfer, F. (2017). Deep learning in remote sensing: A comprehensive review. IEEE Geoscience and Remote Sensing Magazine.
15. Feng, Q., Liu, J., & Gong, J. (2022). Monitoring desertification evolution with machine learning techniques. Remote Sensing of Environment.
16. Batty, M. (2018). Artificial intelligence and smart cities. Environment and Planning B: Urban Analytics and City Science, 45(1).
