I
‫الملخص‬
‫هذه‬ ‫ظل‬ ‫في‬ .‫تشهده‬ ‫الذي‬ ‫السكاني‬ ‫للتزايد‬ ‫ونتيجة‬ ‫البيئي‬ ‫النظام‬ ‫خدمات‬ ‫من‬ ‫تقدمه‬ ‫لما‬ ‫نظرا‬ ‫كبيرة‬ ‫بأهمية‬ ‫الساحلية‬ ‫المناطق‬ ‫تتميز‬
‫هذا‬ ‫من‬ ‫الهدف‬ .‫البحر‬ ‫سطح‬ ‫مستوى‬ ‫ارتفاع‬ ‫مثل‬ ‫المناطق‬ ‫هذه‬ ‫تشهدها‬ ‫التي‬ ‫والضغوط‬ ‫المناخية‬ ‫والتغيرات‬ ‫المتزايدة‬ ‫األهمية‬
‫الحاسوب‬ ‫تقنيات‬ ‫باستخدام‬ ‫وهذا‬ ‫هشاشتها‬ ‫تقييم‬ ‫بغرض‬ ‫الساحلية‬ ‫المناطق‬ ‫لمراقبة‬ ‫آلية‬ ‫وشبه‬ ‫فعالة‬ ‫وسيلة‬ ‫إيجاد‬ ‫هو‬ ‫العلمي‬ ‫البحث‬
‫التغيرات‬ ‫عن‬ ‫معلومات‬ ‫الستخراج‬ ‫جديدة‬ ‫طرق‬ ‫وتطوير‬ ‫اختبار‬ ‫العمل‬ ‫هذا‬ ‫في‬ ‫نحاول‬ ،‫السياق‬ ‫هذا‬ ‫وفي‬ .‫بعد‬ ‫عن‬ ‫واالستشعار‬
‫التلقائي‬ ‫االستخراج‬ ‫يخص‬ ‫األول‬ ،‫أساسيين‬ ‫محورين‬ ‫تحليل‬ ‫شملت‬ ‫الدراسة‬ ‫هذه‬ .‫للساحل‬ ‫واالقتصادية‬ ‫االجتماعية‬ ،‫الفيزيائية‬
‫الخط‬ ‫الستخراج‬ ‫بالنسبة‬ .‫الساحلية‬ ‫األراضي‬ ‫غطاء‬ ‫عن‬ ‫الكشف‬ ‫هو‬ ‫والثاني‬ ،‫الساحل‬ ‫خط‬ ‫وهو‬ ،‫التآكل‬ ‫معدل‬ ‫لتقييم‬ ‫رئيسي‬ ‫لعامل‬
‫ساحل‬ ‫في‬ ‫تتمثل‬ ‫نموذجية‬ ‫منطقة‬ ‫مستوى‬ ‫على‬ ‫الصناعية‬ ‫األقمار‬ ‫صور‬ ‫خالل‬ ‫من‬ ‫المؤشرات‬ ‫من‬ ‫العديد‬ ‫تحليل‬ ‫تم‬ ،‫الساحلي‬
‫تطوير‬ ‫إجراء‬ ‫تم‬ ،‫األجسام‬ ‫على‬ ‫والقائمة‬ ‫البيكسل‬ ‫على‬ ‫القائمة‬ ‫التصنيف‬ ‫أساليب‬ ‫بين‬ ‫مقارنة‬ ‫دراسة‬ ‫خالل‬ ‫من‬ .)‫(الجزائر‬ ‫مستغانم‬
.‫اآللي‬ ‫التعلم‬ ‫خوارزميات‬ ‫باستخدام‬ ‫حسابي‬
‫س‬
‫اهمت‬
‫والتي‬ ‫الساحل‬ ‫خطوط‬ ‫من‬ ‫مختلفة‬ ‫أنواع‬ ‫على‬ ‫بالحصول‬ ‫هذه‬ ‫التصنيف‬ ‫طرق‬
،‫الصناعية‬ ‫األقمار‬ ‫صور‬ ‫على‬ ‫الحصول‬ ‫فيه‬ ‫تم‬ ‫الذي‬ ‫اليوم‬ ‫نفس‬ ‫في‬ ‫عليه‬ ‫الحصول‬ ‫تم‬ ،‫مرجعي‬ ‫ساحلي‬ ‫بخط‬ ‫مقارنتها‬ ‫تمت‬
‫بواسطة‬
‫دقتها‬ ‫وتقدير‬ ‫المستعملة‬ ‫المنهجية‬ ‫صحة‬ ‫من‬ ‫للتحقق‬ ‫فريدة‬ ‫فرصة‬ ‫المقارنة‬ ‫هذه‬ ‫مثلت‬ .‫العالمي‬ ‫المواقع‬ ‫تحديد‬ ‫نظام‬
.
‫تم‬
‫ال‬ ‫التعلم‬ ‫نموذج‬ ‫على‬ ‫استنادا‬ ‫متكاملة‬ ‫منهجية‬ ‫تطوير‬ ‫كذلك‬
،‫الترابطية‬ ‫العصبية‬ ‫الشبكة‬ ،‫عميق‬
‫السواحل‬ ‫خطوط‬ ‫رصد‬ ‫أجل‬ ‫من‬
‫أعلى‬ ‫األجسام‬ ‫على‬ ‫القائمة‬ ‫التصنيف‬ ‫وطرق‬ ،‫الترابطية‬ ‫العصبية‬ ‫الشبكة‬ ‫الطريقتين‬ ‫بين‬ ‫الجمع‬ ‫نتائج‬ ‫أظهرت‬ .‫األرضي‬ ‫والغطاء‬
( ‫اإلجمالية‬ ‫الدقة‬ ‫من‬ ‫درجة‬
49
٪
‫و‬ ‫الساحل‬ ‫لخط‬
49
٪
‫خط‬ ‫هشاشة‬ ‫مدى‬ ‫بتقييم‬ ‫سمح‬ ‫البيانات‬ ‫تحليل‬ ‫فإن‬ ،‫وأخيرا‬ .)‫األرض‬ ‫لغطاء‬
‫الجغرافي‬ ‫المعلومات‬ ‫ونظم‬ ‫بعد‬ ‫عن‬ ‫االستشعار‬ ‫أساليب‬ ‫باستخدام‬ ‫مستغانم‬ ‫في‬ ‫الساحل‬
.‫ة‬
‫الكلمات‬
‫الرئيسية‬
،‫األرض‬ ‫استغالل‬ ،‫التآكل‬ :
‫الساحل‬ ‫هشاشة‬ ،‫الساحل‬ ‫خط‬ ،‫بعد‬ ‫عن‬ ‫االستشعار‬ ،‫اآللي‬ ‫التعلم‬
Abstract: The growing importance of coastal zones because of their ecosystem services,
urbanization, and the alarming accelerated rise in sea level, are conducting an increasing number
of scientists to perform coastal vulnerability assessments, which require a systematic monitoring
approach. The goal of this work was to identify an efficient method of automatic coastal
monitoring for its vulnerability assessment using remote sensing. We aim to test and develop a
new methods for the extraction of thematic information of the coastal physical and socioeconomical dynamic. For shoreline extraction, several indicators have been analyzed via remote
sensed images taking as pilot zone the Mostaganem coastline (Algeria). Through a comparative
study between classifications based on Pixel- and Object-Based Image Analysis, algorithmic
development was conducted on several Machine Learning classifiers, Random Forest and
Support Vector Machine. The different shorelines extracted were compared to an in-situ
reference shoreline acquired by a DGPS on the same day as the satellite images. This was a
unique opportunity to validate the developed methods. An integrated approach based on a Deep
Learning model, i.e. Convolutional Neural Network has been developed for shoreline. The
classification results derived from the combined CNN-OBIA method achieved the highest overall
accuracy (94%). The data analysis allowed to assess the coastal vulnerability of Mostaganem
coastline.
Keywords: Erosion; Land use; Machine Learning; Remote-sensing; Shoreline; Vulnerability