ديناميكيات النمو العمراني ومحاكاة تغيراته في مدينة الدمام باستخدام نموذج تقييم تغيير استخدام الأرض (MOLUSCE)

مليحة حامد العبدلي

doi:10.33193/JALHSS.131.2026.1701

مليحة حامد العبدلي أستاذ مشارك قسم الجغرافيا، كلية العلوم الاجتماعية، جامعة أم القرى، مكة المكرمة، المملكة العربية السعودية

DOI: https://doi.org/10.33193/JALHSS.131.2026.1701

الكلمات المفتاحية: النمو العمراني، الشبكة العصبية الاصطناعية (ANN)، وحدات محاكاة تغير استخدام الأرض ((MOLUSCE))، مدينة الدمام، مرئيات سينتنال (Sentinel-2)

الملخص

يهدف البحث إلى تحليل ديناميكيات أغطية واستعمالات الأرض (LULC) بمدينة الدمام (2016-2026م)، واستشراف التحولات المكانية للنمو العمراني حتى عام 2056م. اعتمدت المنهجية على التصنيف الموجه لمرئيات (Sentinel-2) لإنتاج خرائط الأساس، وتوظيف نموذج (MOLUSCE) في بيئة (QGIS)، مدعوماً بالشبكات العصبية الاصطناعية (ANN) والخلايا التلقائية. واستند التنبؤ إلى دمج الطبقات التاريخية مع محددات بيئية (الارتفاع، والأودية) ومعايير وصولية وتنمية (المباني، والطرق ونوعيتها، والخدمات).

كشفت النتائج أنه في عام 2016م تصدرت الرواسب الرملية المساحة بنسبة 48.36% (162.92 كم²)، تلتها المباني بنسبة 23.92%، ثم الطرق (14.63%)، والمياه (9.3%)، والغطاء النباتي (3.99%). وبحلول عام 2026م، حدت تحول جذري؛ إذ قفزت المباني للمرتبة الأولى بنسبة 40.6% (136.8 كم²)، وتراجعت الرواسب إلى 29.25%، بينما نمت الطرق والغطاء النباتي إلى 18.66% و6.18%، وانكمشت المياه إلى 5.31%. وتؤكد مخرجات النمذجة (2036-2056م) استمرار التوسع الحضري تصاعدياً على حساب الأغطية الطبيعية؛ حيث تُشير دالة التنبؤ لعام 2056م إلى هيمنة الكتلة المبنية بنسبة 60.33% (203.27 كم²) والطرق بنسبة 23.1%، في حين ينحسر تمثيل الرواسب الرملية، والغطاء النباتي، والأسطح المائية إلى (10.8%، 3.1%، 2.67%) على التوالي من إجمالي مساحة المدينة.

المراجع

1. Ahmad, M.N., Shao, Z., Javed, A. (2022). Modelling Land Use/Land Cover (LULC) Change Dynamics, Future Prospects, and Its Environmental Impacts Based on Geospatial Data Models and Remote Sensing Data. Environ. Sci. Pollut. Res, 30, 32985–33001.
2. Baghel, S., Kothari, M.K., Tripathi, M.P., Singh, P.K.,Jain, S.K. (2024). Spatiotemporal LULC Change Detection and Future Prediction for the Mand Catchment Using MOLUSCE Tool. Environ. Earth Sci, 83, 1–15.
3. Baig, M. F., Mustafa, M. R. U., Baig, I., Takaijudin, H. B., & Zeshan, M. T. (2022). Assessment of Land Use Land Cover Changes and Future. Water, 1–17. https://doi.org/ 10.3390/w14030402.
4. Beroho, M., Briak, H., Cherif, E. K., Boulahfa, I., Ouallali, A., Mrabet, R., Kebede, F., et al. (2023). Future Scenarios of Land Use/Land Cover (LULC) Based on A CA-Markov Simulation Model: Case of a Mediterranean Watershed in Morocco. Remote Sensing 15(4): 1162. DOI: 10.3390/rs15041162.
5. Boakye, E., Anyemedu, F. O. K., Quaye-Ballard, J. A., and Donkor, E. A. (2020). Spatio-Temporal Analysis of Land Use/Cover Changes in the Pra River Basin, Ghana. Applied Geomatics 12: 83–93. DOI: 10.1007/s12518-019-00278-3.
6. Eman A., Gawali, B. W. (2022). Modeling Land Use Change in Sana’a City of Yemen with MOLUSCE. Hindawi Journal of Sensors, 2022, 1-15, https://doi.org/10.1155/2022/741903.
7. Gündüz, H. H. (2025). Land-Use Land-Cover Dynamics and Future Projections Using GEE, ML, and QGIS-MOLUSCE: A Case Study in Manisa. Sustainability, 17(4), 1363; https://doi.org/10.3390/su17041363.
8. Iskandar, B., Kurnia. A. A., Jauhari, A., Zannah, F. (2024). Modeling Land Cover Change Using MOLUSCE in Kahayan Tengah Forest Management Unit, Kalimantan Tengah. Jurnal Sylva Lestari, 12(2), 242-257, May 2024 DOI: https://doi.org/10.23960/jsl.v12i2.865.
9. Khwarahm, Nabaz R., Najmaddin, Peshawa M., Ararat, Korsh and Qader, Sarchil (2021) Past and future prediction of land cover land use change based on earth observation data by the CA–Markov model: a case study from Duhok governorate, Iraq. Arabian Journal of Geosciences, 14 (15), [1544]. (doi:10.1007/s12517-021-07984-6).
10. Kumari, S. and Roy, A.. (2024). Simulation of Land Use and Land Cover Using the MOLUSCE Plugin Integrated with QGIS for the Western Himalayan Region of India, Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLVIII-M-5, 81–85, https://doi.org/10.5194/isprs-archives-XLVIII-M-5-2024-81-2025, 2025.
11. Mandal, B., Mondal, S., & Mandal, S. (2023). GISbased landslide susceptibility zonation (LSZ) mapping of Darjeeling Himalaya, India using weights of evidence (WoE) model. Arabian Journal of Geosciences, 16(7). https://doi.org/10.1007/s12517-023-11523-w.
12. Osman, M. A. A., Abdel-Rahman, E. M., Onono, J. O., Olaka, L. A., et al. (2023). Mapping, Intensities and Future Prediction of Land Use/Land Cover Dynamics Using Google Earth Engine and CA-Artificial Neural Network Model. PLOS ONE 18(7): e0288694. DOI: 10.1371/journal.pone.0288694.
13. Ramadan, G. F., and Hidayati, I. N. (2022). Prediction and Simulation of Land Use and Land Cover Changes Using Open Source QGIS. A Case Study of Purwokerto, Central Java, Indonesia. The Indonesian Journal of Geography, 54(3), 344–351. DOI: 10.22146/ijg.68702.
14. Tewabe, D., and Fentahun, T. (2020). Assessing Land Use and Land Cover Change Detection Using Remote Sensing in the Lake Tana Basin, Northwest Ethiopia. Cogent Environmental Science, 6, https://doi.org/10.1080/23311843.2020.1778998.
15. Wang, Q., Guan, Q., Sun, Y., Du, Q., Xiao, X. et al. (2023). Simulation of Future Land Use/Cover Change (LUCC) in Typical Watersheds of Arid Regions under Multiple Scenarios. J. Environ. Manag, 335, 117543.