تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة الكلمات المفتاحية
  3. صور الأقمار الصناعية

الأبحاث المرتبطة بالكلمة المفتاحية: صور الأقمار الصناعية




  • نظام بيانات كوبرنيكوس البيئي يتيح معالجة السحابة العامة لبيانات رصد الأرض

    2026 | المؤلف: Dávid D. Kovács وآخرون | المجلة: Scientific Data | المجال: نظم المعلومات والإدارة (Information Systems and Management)

    يعمل نظام بيانات كوبرنيكوس (CDSE) كمنصة البيانات الرسمية للأقمار الصناعية لبرنامج كوبرنيكوس، حيث يوفر وصولاً سلسًا إلى صور الأقمار الصناعية من خلال ملفات محسّنة للسحابة. تتيح هذه المنصة للمستخدمين معالجة البيانات عبر واجهات برمجة التطبيقات (APIs) ومعالجة الآلات الافتراضية، مما يلغي الحاجة إلى بنية تحتية محلية للبيانات ويمكّن التحليل العلمي على نطاق واسع. يلبي CDSE…


  • مراقبة الكلوروفيل-أ في بحيرة فيوا، نيبال باستخدام صور الأقمار الصناعية والتعلم القائم على التجميع

    2026 | المؤلف: Prayon Joshi وآخرون | المجلة: Frontiers in Environmental Science | المجال: علم المحيطات (Oceanography)

    تبحث الدراسة في ضعف البحيرات في المناطق التي تهيمن عليها الرياح الموسمية تجاه تغير المناخ والتغذية الزائدة، مع التركيز على الكلوروفيل-أ كعلامة رئيسية لكتلة الفيتوبلانكتون. باستخدام صور الأقمار الصناعية وتعلم الآلة، قامت الدراسة بتقييم 24 مجموعة من النماذج وصور الأقمار الصناعية لبحيرة فيوا، نيبال. تشير النتائج إلى أن نموذج التجميع الذي يجمع بين الانحدار باستخدام…


  • استرجاع الاستشعار عن بعد المعزز بالتوليد: ربط صور الاستشعار عن بعد والمعرفة الشاملة مع مجموعة بيانات متعددة الوسائط ونموذج توليد معزز بالاسترجاع

    2026 | المؤلف: Congcong Wen وآخرون | المجلة: IEEE Geoscience and Remote Sensing Magazine | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    تستعرض هذه القسم التقدمات الأخيرة في نماذج الرؤية-اللغة (VLMs) وتطبيقاتها في مهام الاستشعار عن بعد مثل وصف الصور، وفهم المشاهد، والإجابة على الأسئلة البصرية (VQA). بينما تركز نماذج VLMs الحالية للاستشعار عن بعد بشكل أساسي على فهم المشاهد المغلقة والوصف العام، فإنها غالبًا ما تفتقر إلى دمج المعرفة الخارجية، مما يحد من قدرتها على إجراء…


  • الكشف عن الأجسام المعتمدة على التعلم العميق للمنصات البحرية على صور Sentinel-1 وتأثير بيانات التدريب الاصطناعية

    2026 | المؤلف: Robin Spanier وآخرون | المجلة: International Journal of Remote Sensing | المجال: التلوث (Pollution)

    تتناول هذه الدراسة الحاجة الملحة لرصد البنية التحتية البحرية بشكل فعال، مثل مزارع الرياح البحرية ومنصات النفط، من خلال تطوير نماذج كشف قوية. باستخدام مزيج من صور الأقمار الصناعية الصناعية والحقيقية من Sentinel-1 من أربع مناطق، استخدمت الأبحاث نموذج كشف الكائنات القائم على التعلم العميق YOLOv10 لتعزيز الأداء في تحديد المنصات البحرية. تم اختبار النموذج…


  • خريطة عالية الدقة للمستوطنات الحضرية والريفية في أفريقيا باستخدام التعلم العميق وصور الأقمار الصناعية

    2026 | المؤلف: Mohammad Kakooei وآخرون | المجلة: Scientific Reports | المجال: علوم الغلاف الجوي (Atmospheric Science)

    تقدم البحث إطار عمل جديد قائم على DeepLabV3 للتعلم العميق لرسم الخرائط في المناطق الحضرية والريفية عبر إفريقيا بدقة عالية تبلغ 10 أمتار، باستخدام بيانات متعددة المصادر بما في ذلك صور Landsat-8، وأضواء الليل من VIIRS، وبيانات استخدام الأراضي والتغطية (LULC) من ESRI. يعالج هذا الإطار القيود المفروضة على مجموعات البيانات العالمية الحالية، مثل GHSL-SMOD…


  • خرائط نوع المحاصيل السنوية بدقة 30 م في شمال شرق الصين من 2001 إلى 2022

    2026 | المؤلف: Yuanyuan Di وآخرون | المجلة: Scientific Data | المجال: علم البيئة (Ecology)

    تتناول هذه الورقة البحثية نقص خرائط المحاصيل عالية الدقة في شمال شرق الصين، وهي منطقة زراعية حيوية مسؤولة عن ثلث إنتاج الحبوب في البلاد، قبل عام 2013. قام المؤلفون بتطوير خرائط سنوية لأنواع المحاصيل بدقة 30 مترًا للمنطقة الممتدة من 2001 إلى 2022 من خلال استخدام جميع صور لاندسات وMODIS المتاحة جنبًا إلى جنب مع…


  • ازدياد انتشار الطحالب العائمة العالمية

    2025 | المؤلف: Lin Qi وآخرون | المجلة: Nature Communications | المجال: علم المحيطات (Oceanography)

    في هذه الدراسة، يحقق المؤلفون في الاتجاهات العالمية لانتشار الطحالب الكبيرة والطحالب الدقيقة على مدى العقدين الماضيين، باستخدام مجموعة بيانات تضم 1.2 مليون صورة فضائية تم تحليلها من خلال الذكاء الاصطناعي. تكشف النتائج أن حصائر الطحالب الكبيرة قد توسعت بشكل كبير، حيث تغطي مساحة إجمالية تبلغ 43.8 مليون كيلومتر مربع، بمعدل نمو سنوي غير مسبوق…


  • رسم خرائط الفيضانات العالمية باستخدام بيانات رادار الأقمار الصناعية على مدى 10 سنوات

    2025 | المؤلف: Zhenyun Du وآخرون | المجلة: Nature Communications | المجال: التغيرات الكوكبية والعالمية (Global and Planetary Change)

    في هذه الدراسة، استخدم المؤلفون منهجية من خطوتين لاكتشاف الفيضانات. في البداية، استخدموا نموذج شبكة عصبية تم تدريبه خصيصًا على بيانات الرادار ذي الفتحة الاصطناعية (SAR) لتحديد المرشحين المحتملين للفيضانات. بعد مرحلة الكشف هذه، نفذ الباحثون عملية تصفية لإزالة الإيجابيات الكاذبة من خلال دمج مجموعات بيانات مساعدة. تم تجميع النتائج المكررة من خطوة التصفية هذه…


  • تعزيز توقع محصول القمح من خلال دمج بيانات المناخ والأقمار الصناعية باستخدام تقنيات الذكاء الاصطناعي المتقدمة

    2025 | المؤلف: Zhenyun Du وآخرون | المجلة: Scientific Reports | المجال: البيئة والتطور والسلوك والتصنيف (Ecology, Evolution, Behavior and Systematics)

    تبحث هذه الورقة البحثية في التنبؤ بعوائد القمح الشتوي في جنوب البنجاب، باكستان، باستخدام نهج متعدد المراحل يقسم دورة المحصول إلى أربع مراحل. من خلال دمج صور الأقمار الصناعية، وبيانات الطقس الموسمية، ومعلومات التربة عبر منصة Google Earth Engine، تستخدم الدراسة نماذج مختلفة من التعلم الآلي (ML) والتعلم العميق (DL)، بما في ذلك الغابة العشوائية…


  • AER U-Net: هيكل U-Net متعدد المقاييس معزز بالاهتمام لتجزئة المسطحات المائية باستخدام صور الأقمار الصناعية Sentinel-2

    2025 | المؤلف: Naga Surekha Jonnala وآخرون | المجلة: Scientific Reports | المجال: الهندسة البيئية (Environmental Engineering)

    تركز البحث على التقسيم التلقائي للمسطحات المائية من صور الأقمار الصناعية للاستشعار عن بعد، وهي مهمة حاسمة لإدارة الموارد المائية الفعالة ومراقبة البيئة. غالبًا ما تكافح الطرق التقليدية، بما في ذلك الأساليب المعتمدة على العتبات وتقنيات التعلم الآلي، في تحديد المسطحات المائية ذات الأشكال غير المنتظمة بدقة بسبب التحديات مثل الظروف البيئية المتغيرة وعيوب الصور…


1 2
التالي→

حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.