تولید نقشه PCA با استفاده از تصاویر سنجنده ASTER در کانی شناسی – سامانه گوگل ارث انجین

865 بازدید

اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.

آموزش رایگان نرم افزار ENVI

در ENVI حرفه ای شو 🦾

0 تا 100 مفاهیم سنجش از دور

کاملا رایگان شروع کن 🧩

آموزش رایگان ArcGIS pro

واقعاااااا رایگاااااانه 🤗

آموزش گوگل ارث انجین

شدیدا توصیه شده 🌏

دانلود لندیوز 10 متری ایران و …

به کمک گوگل ارث انجین 🚀

کتاب موتور پردازش مجازی

اولین کتاب آموزش گوگل ارث انجین 📗

طبقه بندی تصاویر ماهواره ای

آشنایی با انواع روش ها 😲

پیش پردازش تصاویر ماهواره ای

هندسی – رادیومتریکی – اتمسفری 🀄

دانلود داده های آلتیمتری

ترازسنجی برای دریاچه ها 🧿

پوشش اراضی 10 متری

تولید شده توسط ESRI 🧐

نمایش سه بعدی در ArcGIS

مدل رقومی ارتفاع 🗻

مطالب پربازدید

در این محصول آموزشی روش تولید نقشه PCA با استفاده از تصاویر سنجنده ASTER در مطالعات کانی شناسی و سامانه گوگل ارث انجین آموزش داده شده است. در این محصول تمامی مراحل لازم برای پردازش و کار با داده های سنجنده استر خصوصا در مراحل تصحیحات توسط امیرحسین احراری توضیح داده شده است. در این محصول بصورت تخصصی موضوع کار…

در این محصول آموزشی روش تولید نقشه PCA با استفاده از تصاویر سنجنده ASTER در مطالعات کانی شناسی و سامانه گوگل ارث انجین آموزش داده شده است. در این محصول تمامی مراحل لازم برای پردازش و کار با داده های سنجنده استر خصوصا در مراحل تصحیحات توسط امیرحسین احراری توضیح داده شده است.

در این محصول بصورت تخصصی موضوع کار با داده های سنجنده استر به همراه مشکلات و محدودیت های آن در سامانه گوگل ارث انجین تدریس شده است. فراخوانی، تصحیح و روش استخراج الگوریتم PCA از جمله مهم ترین مطالبی است که در سامانه ارث انجین به آن ها پرداخته شده است.


مشخصات محصول

  • مدرس: امیرحسین احراری
  • تخصص: کارشناس سنجش از دور و پردازش تصاویر ماهواره ای
  • موضوع: کاربرد سنجش از دور در کانی شناسی
  • ماهواره: سنجنده ASTER
  • داده های تمرینی: دارد
  • نرم افزار: سامانه Google Earth Engine

تهیه آموزش:

به منظور خرید این محصول آموزشی بر روی دکمه زیر 👇 کلیک کرده و پس از پرداخت وجه، بلافاصله ویدئوی آموزشی را دانلود نمایید.


نمونه ویدئوی کوتاهی از آموزش:


توضیحات محصول

این محصول آموزشی در دو بخش اصلی تهیه شده است. بخش اول در ارتباط با چگونگی فراخوانی و تصحیح رادیومتریکی تصاویر سنجنده ASTER و بخش دوم در ارتباط با روش محاسبه تبدیل طیفی PCA در سامانه گوگل ارث انجین است.

لازم بذکر است که تمامی محدودیت ها و مشکلات مربوط به داده های استر در گوگل ارث انجین بررسی شده و راهکار ایجاد یک مجموعه داده کاربردی برای انجام محاسبات بعدی تعریف شده است. این محصول بصورت تخصصی در مطالعات کانی شناسی کاربرد داشته و چگونگی استفاده از روش PCA در جداسازی تنوع کانی های تشریح شده است.


عناوین آموزشی

عناوین آموزش داده شده در این محصول عبارت اند از:

  • فراخوانی تصاویر استر
  • بررسی ویژگی های تصاویر استر
  • انتخاب باندهای کاربردی در کانی شناسی
  • تصحیح رادیومتریکی تصاویر استر
  • محاسبه تجریه مولفه های اصلی PCA
  • نقش PCA در تفکیک و جداسازی کانی ها
  • خروجی گرفتن از تصاویر برای نرم افزارهای دسکتاپ

روش PCA

تجریه مولفه های اصلی PCA یکی از پرکاربردترین روش های تبدیل طیفی تصاویر ماهواره ای است که از آن برای جداسازی پوشش های مختلف سطح زمین استفاده می شود. در این روش دو فرایند فشرده سازی و بارزسازی تفاوت ها انجام می شود. تصاویر ورودی به این الگوریتم بصورت چند باندی بوده و خروجی معادل با مولفه هایی است که اطلاعات در آن ها متراکم سازی شده و تفاوت ها را آشکار کرده است. در این روش کوچکترین تفاوت های بین باندی آشکار شده و امکان تشخیص بهتر تفاوت ها را فراهم می کند.

عموما از این روش در مطالعات کانی شناسی استفاده می شود. به عبارت دیگر شباهت های طیفی میان کانی های تشکیل دهنده خاک به حدی است که معمولا امکان تشخیص بصری آن ها از یکدیگر وجود ندارد. بر همین اساس به لطف روش های رقومی چون PCA امکان بارزسازی دقیق این تفاوت های کوچک به خوبی فراهم می شود.


سنجنده ASTER

استر به عنوان پرکاربردترین سنجنده ماهواره ای در مطالعات کانی شناسی است. دلیل این امر باندهای طیفی آن است که بصورت تخصصی برای این گونه از مطالعات طراحی شده است. ۶ باند سنجنده استر در محدوده مادون قرمز بازتابی است که متناسب با محدوده های جذبی کانی ها در این محدوده تعریف شده است. این سنجنده با توان تفکیک مکانی ۳۰ متری و ۱۴ باند طیفی متنوع امکان تولید انواع نقشه های کانی شناسی و سنگ شناسی را فراهم کرده است. از سال ۲۰۱۰ میلادی باندهای مادون قرمز طول موج کوتاه این سنجنده به دلیل خطای CrossTalk از کار افتاد و از دسترس خارج شد.

با این حال باندهای مرئی، مادون قرمز نزدیک و حرارتی آن هم چنان در دسترس و قابل استفاده است. لازم بذکر است که در مطالعات کانی شناسی امکان استفاده از باندهای مادون قرمز طول موج کوتاه مربوط به پیش از سال ۲۰۱۰ نیز وجود دارد البته به شرط آن که تغییر قابل توجهی در منطقه مورد مطالعه ایجاد نشده باشد.


تهیه آموزش:

به منظور خرید این محصول آموزشی بر روی دکمه زیر 👇 کلیک کرده و پس از پرداخت وجه، بلافاصله ویدئوی آموزشی را دانلود نمایید. 

نوشته های مرتبط :

49 دیدگاه. ارسال دیدگاه جدید

  • با سلام یه سوال داشتم در رابطه با سامانه گوگل ارث انجین، که آیا امکان برش تصاویر با استفاده از شیب فایل در حد شهرستان وجود دارد؟

    پاسخ
  • سلام آقایی مهندسی وقت شما بخیر
    من برای بررسی کانی ها آهن با استفاد از داده های سنجنده استر اقدام کردم اما زمانی که با دستور ppi را بررسی کردم و میخواهستم از کتابخانه های طیفی استفاد کنم همه باز scor وoff را برای من صفر بیان میکند میشود راهنمایی کند ممنون تان

    پاسخ
    • با سلام و احترام

      شاخص PPI نشان دهنده رصد خلوص پیکسل هاست. شاید پیکسل هایی که شما ازش نمونه دارید پیکسل های خالصی نیستند. به همین دلیل مقادیر آن را صفر نشان داده است.

      موفق باشید

      پاسخ
      • با سلام
        خوب بررسی کردم یک چیز جالب تر یاد گرفتم.
        اما میخواهم روش SAMرا بر روی داده های سنجنده استر انجام دهم انجام نمیشود در صورت که خوب میدانم که همان ناحیه معدنی همین کانی ها وجود دارد مانند هماتیت و مگنیت و مگنیز .اما انجام نمیشود. لطفا کند رهنمایی فرماید.

        پاسخ
  • محمد حسین حبیبی
    1399-07-07 5:19 ب.ظ

    سلام وقتتون بخیر
    من این آموزش رو کامل دیدم و سوالی ک دارم این هست که چگونه می‎شود به اطلاعاتی دست یافت که از روی نقشه PCA نوع و کلاسه بندی کانی های یک منطقه خاص که مثلا به رنگ خاصی نشان داده شده اند را متوجه شد؟
    در واقع براساس چه اطلاعات کیفی و یا عددی نوع و ترکیب حدودی کانی ها را تعیین کنیم؟
    تا چه میزان این حدس و تعیین نوع کانی قابل استناد و اطمینان هست که به طور مثال یک رخنمونی از کانی های مگنتیت در فلان جا هست.
    ممنون می شم به سوالم پاسخ دهید.
    با تشکر.

    پاسخ
    • با سلام و احترام

      در گام اول PCA خاک رو بر اساس کانی های تشکیل دهنده متمایز می کند. در گام دوم اینکه هر رنگ نشان دهنده چه نوع کانی هست نیاز به داده های زمینی و پردازش های مکمل دیگری مانند روش های unmixing و mtmf دارد که در ارث انجین قابل اجرا نیست. به عبارت دیگر صرفا یک دستور برای جداسازی کانی ها استفاده نمی شود بلکه مجموعه ای از دستورات باید بصورت ترکیبی استفاده کنیم تا نقشه کانی ها تولید شود. با توجه به اینکه روش PCA یکی از روش های اصلی در این زمینه محسوب می شود در این محصول به آن پرداختیم. سایر روش هایی که گفتم در ارث انجین به سادگی قابل اجرا نیست. به همین دلیل دیگر به آن اشاره ای نکردیم. اما نرم افزار ٍENVI بصورت کامل این الگوریتم ها را پوشش داده است. به آموزش زیر مراجعه کنید:
      https://girs.ir/ثبت-نام-وبینار-روش-های-کانی-شناسی-سنجند/

      موفق باشید

      پاسخ
      • محمدحسین حبیبی
        1399-07-10 6:55 ب.ظ

        سلام
        ممنون از پاسختون
        من قسمت ۶ دوره استاد بزرگ ENVIرو تهیه کردم و بسیار عال بود
        تو مستر کلاس آیندتونم ثبت نام کردم تا بیشتر ازتون یاد بگیرم و سوالاتم رو بپرسم .
        بسیار ممنون از مجموعه خوبتون و نحوه صحیح آموزشتون.
        ای کاش فقط مدرک هم بدید به دوستان که تو کارگاه ها و دوره هاتون شرکت می کنن، بسیار عالی میشه.
        باتشکر از زحماتتون.

        پاسخ
        • با سلام و احترام

          ممنون از شما.
          در خدمتتون هستیم. متاسفانه از لحاظ قانونی ما مجوز گواهی دادن برای کلاس ها رو نداریم. چون در حال حاضر یک استارتاپ هستیم.

          موفق باشید

          پاسخ
  • محمدحسین حبیبی
    1399-07-07 5:27 ب.ظ

    سلام وقت بخیر
    سوالم در مورد نحوه تشخیص نوع و ترکیب کانی ها با استفاده از نقشهPCA هست؟ پس از این که نقشه تهیه شد، برچه اساسی مناطقی که رنگ های متفاوتی دارند را به دسته های کانی ها و یا سنگ های خاصی اطلاق کنیم؟
    آیا شیوه و راه حلی دارد؟

    پاسخ
    • با سلام و احترام

      در روش PCA تفاوت های کوچک بین باندهای گوناگون بارز می شود. در مناطق بیابانی که فقط یک پوشش یعنی خاک و سنگ وجود دارد تفاوت های بارز شده بر حسب کانی های موجود در آن ها است.
      الگوریتم PCA را در هر منطقه ای که اجرا کنید تفاوت های بین پوشش ها را بارزتر می کند.

      موفق باشید

      پاسخ
  • سلام مهندس
    روش ppiرا بررسی کردم درست هم جواب گرفتم .
    اما میخواهم از روش Spectral angal map استفاد کنم در صورت میدانم کانی ها موجود در منطقه را اما باز هم جواب نمیده زمان که نمایش میدهد تصاویر سیاه است.

    پاسخ
    • با سلام و احترام

      داخل دستور SAM پیشنهاد میکنم که دو رفتار طیفی براش تعریف کنید. یکی رفتار طیفی آهن و دیگری رفتار طیفی پوششی دیگر.

      موفق باشید

      پاسخ
  • با سلام و عرض وقت بخیر
    ضمن تشکر از شما ، در انتهای کلیپ شماره۴ وقتی نوبت به radiometricMean میرسه بعد از ران نمودن مشکلی پیش نمیاد اما وقتی تیک مریوط به radianceMean میزنم با خطای زیر مواجه میشم:
    radianceMean: Tile error: Expected a homogeneous image collection, but an image with an incompatible band was encountered. Mismatched type for band ‘B04’:
    Expected type: Float.
    Actual type: Float.
    Image ID: null
    This band might require an explicit cast.
    راه حلی برای رفع اون سراغ دارین؟

    پاسخ
    • با سلام و احترام

      این خطا بدلیل مشکل در کدنویسی ایجاد شده. پیشنهاد میکنم دقیقا با کد بنده مقایسه کنید (لینکش همراه محصول هست) تا خطای موجود در کد خود را شناسایی کنید.

      موفق باشید

      پاسخ
      • سلام و عرض وقت بخیر
        این مشکل به قوت خود باقی هست.مایل هستین لینک مربوط به کدهای نوشته شده، برای شما داخل ایمیل تون ارسال کنم؟

        پاسخ
        • با سلام و احترام

          بنده امروز ایمیل شما رو دریافت کردم و در ارتباط با آن توضیح دادم خدمتتون. لینک کد بررسی شده رو هم براتون ارسال کردم. اگر باز به مشکلی خوردید همین جا کامنت بزارید بی زحمت.

          با سپاس از شما.

          پاسخ
          • سلام و عرض ادب
            خروجی نهایی تولید شده صرفا تصویر هست ،آیا میشه لژاند خاصی برای اون تهیه کرد که نوع تفکیک رنگی هارو مشخص کنه؟یعنی تفکیک رنگی ها رو چطور نامگذاری کنیم؟مثلا رنگ زرد معرف چی هست؟

          • با سلام و احترام

            خروجی حاصل از pca به مانند نقشه طبقه بندی شده نیست و به عنوان خروجی نهایی برای کار کانی شناسی در نظر گرفته نمی شود. در کنار آن باید پردازش های پیشرفته تری نیز انجام شود.

            موفق باشید

  • وحید سلطانی
    1399-10-20 1:44 ق.ظ

    جناب مهندس آیا این آموزش قابلیت استفاده در تصاویر لندست رو هم داره یا خیر

    پاسخ
    • با سلام و احترام

      بله کد ارائه شده برای تصاویر لندست نیز قابل استفاده است. فقط باید آی دی تصویر ورودی و باندها رو متناسب با داده های لندست تغییر دهید.

      موفق باشید

      پاسخ
  • افشین بادکوبه
    1399-11-16 5:12 ب.ظ

    سلام جناب احراری
    برای دانلود تصاویر استر بعد از تصحیح رادیومتری که شما داخل کد انجام دادید لازمه که مقادیر روی چه فرمتی باشند تا توسط پردازش های بعدی داخل انوی پیکسل ولیو ها بهم نریزد و مقادیر درست محاسبه شوند؟ مثلا باید خروجی Int باشد یا float در هنگام خروجی گرفتن از ارث انجین؟
    دستور ToInt. رو اضافه کنم به اکسپورت؟

    پاسخ
    • با سلام و احترام

      بهتر است نتایج بدست آمده بصورت float باشد.

      موفق باشید

      پاسخ
      • افشین بادکوبه
        1399-11-21 7:25 ب.ظ

        با استفاده از نمونه کدی که شما داخل آموزش در قسمت تصاویر ASTER نوشتید و رادیانس محاسبه کردید
        همون میانگین تصاویر رادیانس رو خروجی بگیریم بصورت float است؟ یا نیاز هست کاری در نرم افزار ENVI روی آن انجام شود؟

        پاسخ
        • با سلام و احترام

          دیگر نیازی به تغییر ندارد و می توانید همان را وارد انوی کنید.

          موفق باشید

          پاسخ
        • باسلام و احترام
          میتونم بپرسم اموزشی که گفتید، کدوم یکی از اموزش‌های این سایت یا اموزشهای جناب احراری هست؟

          پاسخ
  • سلام الف هستم
    جناب مهندس احراری سوالی داشتم لطف نموده پاسخ ارایه نمایید.
    رفتار طیفی یعنی همان طول موج را میگوید
    آیاد از باند های سنتینل دو بمثل باند های یعنی استر swir نیز در تشخیص منرالها استفاده میتوانم ویا خیر
    از قبل ممنون لطف شما

    پاسخ
    • با سلام و احترام

      رفتار طیفی عبارت است از نسبت بازتابهای طیفی یک پدیده در طول موج های مختلف.

      بله می توانید استفاده کنید. اما تعداد کانی هایی که با استفاده از استر قابل تشخیص هست بسیار بیشتر هستند. تعداد کمتری از کانی ها با تصاویر لندست و سنتینل قابل تشخیص است.

      موفق باشید

      پاسخ
  • سلام عرض ادب جناب مهندس احراری مکررا خدمت شما دو سوال را ارایه میدارم لطف نموده جواب ارایه بدارید.
    ۱- آیا رفتار طیفی همان طول موج را میگویند
    ۲- آیا از باند های سنتینل (۲) به مانند باند های (Swir استر ) برای تشخیص منرال استفاده کرده میتوانم ویا خیر.

    پاسخ
    • با سلام و احترام

      جواب سوالتون رو داده بودم.
      رفتار طیفی عبارت است از نسبت بازتاب امواج الکترومغناطیسی در طول موج های مختلف.
      می توانید از لندست و سنتینل برای شناسایی کانی ها استفاده کنید اما در مقایسه با استر قدرت کمتری در این زمینه دارند.

      موفق باشید

      پاسخ
  • باسلام و احترام
    معذرت میخوام من برای انجام پایان نامه ( رشته مهندسی معدن گرایش اکتشاف )باید با نرم افزار Envy و سنجش از دور کار کنم و در این زمینه هیچ اطلاعاتی ندارم و الان که میخوام انجام بدم حتی فرمت تصاویر ماهواره ای یا کاربرد و نحوی استفاده آنها را بلد نیستم، میخواستم اگه امکانش هست در مورد این که از چه منبع، کتاب یا آموزشی استفاده کنم که بتونم از صفر خودم کار کنم؛ راهنمایی بفرمایید. ممنون

    پاسخ
  • باسلام و احترام
    معذرت میخوام من قبلا در مورد منبع برای شروع یادگیری سنجش از دور از شما راهنمایی گرفتم و شما دو دوره رایگان اصول سنجش از دور و کلیات کار با نرم افزار انوی رو به من معرفی کردید که خیلی مفید بودند و ممنون از شما. منتهی من یه سری مقدمات در مورد کار با نرم افزار انوی و تصاویر ماهواره ای میخواستم و خود شما هم در پارت دوم دوره کلیات اولیه کار با نرم افزار انوی فرمودید که در این رابطه 16 ساعت مقدمه وجود داره، میخواستم اگه میشه برای تهیه این مقدمات کار با انوی راهنماییم کنید. ممنون

    پاسخ
  • سلام مجدد
    چند قسمتشو دیدم، احساس کردم به مقدمه ی بیشتری نیاز دارم.
    ممنون

    پاسخ
  • باسلام و احترام
    ضمن خسته نباشید خدمت شما جناب احراری، آیا برای کارهای کانی شناسی و استفاده از تصاویر سنجنده استر، حتما باید پوشش گیاهی را حذف کرد؟

    پاسخ
    • با سلام و احترام

      پوشش گیاهی قابل حذف کردن نیست. مکان هایی که پوشش گیاهی دارد امکان تعیین کانی های زیر گیاه به راحتی امکان پذیر نیست و شدیدا مشکل ساز هست.
      به همین دلیل امکان کانی شناسی در مکان هایی با دقت مناسب هست که پوشش گیاهی در آن نبوده و بصورت خاک لخت باشد.

      موفق باشید

      پاسخ
      • سلام مجدد
        چرا پس توی یکی از اموزشهاتون اقای سکندری پوشش گیاهی رو حذف کردن؟

        پاسخ
        • بنده آموزش آقای سکندری رو نگاه نکردم و اطلاعی ندارم. بدون اطلاعات کافی در ارتباط با محتوای آموزش دیگران نمیتونم اظهار نظر کنم.
          شاید هدف حذف پوشش گیاهی توسط آقای سکندری این بوده که مقادیر پوشش گیاهی در محاسبات دخیل نشه نه اینکه به سطح زیر پوشش گیاهی دسترسی پیدا کنند.
          شما وقتی پوشش گیاهی رو در تصاویر ماهواره ای ماسک می کنید عملا مقادیر آن از تصویر داره حذف میشه و عملا به خاک زیر سطح آن دسترسی نخواهید داشت.

          موفق باشید

          پاسخ
  • آزیتا مولایی نسب
    1401-07-09 8:32 ق.ظ

    سلام آقای مهندس احراری
    وقت شما بخیر
    ممنون بابت آموزش های خوبتان
    یه سوالی داشتم:
    من باید PCA (آنالیز مولفه های اصلی) بین باندهای لندست 8 را با ارث انجین محاسبه کنم اما کدهای آن را ندارم آیا این آموزش شما مناسب کار من هست که تهیه کنم؟
    ممنون میشم راهنمایی کنید.
    متشکرم

    پاسخ
    • با سلام و احترام

      در این محصول آموزشی روش محاسبه PCA تدریس شده اما داده های ورودی استر هست. اگر می توانید خودتان داده های لندست را فراخوانی و این کد را برای لندست استفاده کنید کاربردی است.

      موفق باشید

      پاسخ
  • عابدینی
    1402-10-02 2:32 ب.ظ

    سلام استاد ااحراری عزیز و تشکر از آموزش بسیار خوبتان
    سوال من در مورد باند 3 هست که در آموزش حذف شد
    من برای محاسبات کانی شناسی که قبلا از شما در نرم افزار envi اموزش دیده بودم نیاز به هر 14 باند را دارم.
    لطفا بفرمایید برای باند ‘B3N’ که داخل استک قرار بگیرد چکار کنم ?
    ممنون از راهنمایی

    پاسخ
    • با سلام و احترام

      از این باند برای تولید مدل رقومی زمین استفاده میشه که اطلاع ندارم آیا در دسترس هست یا خیر. اما میدانم که این باند برای کانی شناسی استفاده نمی شود.

      موفق باشید

      پاسخ
  • عابدینی
    1402-10-04 8:56 ب.ظ

    سلام و احترام استاد احراری عزیز
    ممنون بابت پاسخ
    سوال من این هست که چطوری کد را برای طوری تغییر بدهم که از خروجی آن یک فایل با 14 باند خروجی بگیرم و در نرم افزار envi که قبلا آموزش دادید وارد (معرفی ۲۴ شاخص کانی شناسی منطبق با باندهای سنجنده ASTER) و بتوانم 24 شاخص کانی را محاسبه نمایم.
    این کد خروجی میده ولی داخل envi نمیشه ازش استفاده کرد
    https://code.earthengine.google.com/10dbdeea1ab349229a7011684963d17d

    ممنون از راهنمایی

    پاسخ

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.

keyboard_arrow_up