تقييم كفاءة المؤشرات النباتية (NDVI-SAVI-EVI-WDVI) في رصد الغطاء النباتي بالمناطق الجافة وشبه الجافة – حوض وادي منصور دراسة حالة
DOI:
https://doi.org/10.5281/zenodo.22738828الكلمات المفتاحية:
المرئيات الفضائية، حوض وادي منصور، الغطاء النباتي، الاستشعار عن بعدالملخص
هدفت هذه الدراسة إلى تقييم كفاءة أربعة مؤشرات نباتية طيفية NDVI) ، SAVI، EVI، (WDVI في رصد الغطاء النباتي في حوض وادي منصور، أحد الأحواض الجافة الواقعة في الجزء الشمالي الغربي من ليبيا، تحديدًا في منطقة بني وليد.
اعتمدت الدراسة على استخدام مرئية فضائية للقمر الصناعي Landsat-8 لشهر مارس 2025. كما استندت المنهجية إلى تصنيف الغطاء النباتي إلى ثلاث فئات رئيسية، مع تقييم دقة النتائج باستخدام 30 عينة مرجعية جُمعت وفق أسلوب التوزيع العشوائي الطبقي.
أظهرت النتائج تفوق مؤشر SAVI بوصفه أكثر المؤشرات كفاءة في رصد الغطاء النباتي، حيث بلغت الدقة الكلية (Overall Accuracy) نحو 93.3%، ومعامل كابا (Kappa Coefficient) 0.85، وذلك بفضل قدرته العالية على تقليل تأثير خلفية التربة. في المقابل، كشفت مصفوفات الخطأ عن ميل مؤشر NDVI إلى المبالغة في تقدير الكثافة النباتية، في حين أظهر مؤشر EVI تحفظًا في رصد الغطاء النباتي المشتت، بينما اتسم مؤشر WDVI بحساسية مرتفعة لخط التربة، مما أثر في دقته في بعض الفئات.
وتخلص الدراسة إلى أهمية استخدام المؤشرات النباتية المعدلة للتربة عند دراسة البيئات الجافة وشبه الجافة، لما لها من دور في تحسين دقة التمثيل المكاني للغطاء النباتي، وتعزيز موثوقية نتائج.
المراجع
الدوريات العلمية والنشرات:
1.الغريب، الحسين محمد، (2024) كشف التغيرات الموسمية للغطاء النباتي في منطقة بني وليد باستخدام تقنية الاستشعار عن بعد ونظم المعلومات الجغرافية، المحلة الإفريقية للدراسات المتقدمة في العلوم الإنسانية والاجتماعية، المجلد 2، العدد 1، يناير.
2.الرحيلي، بسمة بنت سلامة، (2014)، كفاءة المؤشرات النباتية في تقدير المحاصيل الزراعية من مرئيات القمر الصناعي سبوت -5 في منطقة الهدا، المجلة المصرية للتغير البيئي، العدد المجلد 6 العدد 1، مارس.
3.هويدي، غادة محمد، (2025)، تأثير العوامل المحيطة بالغطاء النباتي في قيمة المؤشر النباتي NDVI لصور القمر الصناعي Landsat في منطقة الجبل الأخضر، مجلة ليبيا للدراسات الجغرافية، المجلد 6 ،العدد 1 يناير، https://doi.org/10.37375/jlgs.v6i1.3742
1. Mahmoud, A., Meftah, A., & Zaid, A. (2025). Evaluating the predictive potential of NDVI and MSAVI for soil properties in the rangeland of Southern Al-Jabal Al-Akhdar, Libya. Alqalam Journal of Medical and Applied.Sciences,8(4),2408-2416.
2. IBM. (n.d.). What is a confusion matrix? https://www.ibm.com/sa-ar/think/topics/confusion-matrix
3. Gao, F., Anderson, M. C., & Kustas, W. P. (2026). Advances in multi-source satellite data fusion for environmental monitoring. Remote Sensing ofEnvironment,310(1),114-128 .https://doi.org/10.1016/j.rse.2025.0032
4. Chen, Q., Vaudour, E., Richer-de-Forges, A. C., & Arrouays, D. (2025).
5. Spectral indices in remote sensing of soil: Definition, popularity, and issues: A critical overview.RemoteSensingofEnvironment.329. 114918.https://doi.org/10.1016/j.rse.2025.11491
6. U.S. Geological Survey. (2025). Landsat imagery characteristics. usgs.gov
. Atlas(n.d.)https://atlas.co/glossary/ground-truth-verification/
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 مجلة الجمعية الجغرافية الليبية
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
