تولید نقشه کشت آبی و باغات با استفاده از تصاویر گوگل ارث و ماهواره لندست – در نرم افزار ENVI

4.33 out of 5 based on 9 customer ratings

250,000 تومان

  • مدرس : مهندس امیرحسین احراری
  • تخصص: کارشناس سنجش از دور
  • نرم افزار : ENVI
  • موضوع : سنجش از دور کشاورزی
  • مدت آموزش : ۸ ساعت 
  • تعداد ویدیو های آموزشی : ۳۰ عدد
  • داده های تمرینی : دارد.
دسته: برچسب: , , , , , , , , , , , , , , , , , , , , , , , , ,

توضیحات

محصول آموزشی تولید نقشه کشت آبی و باغات با استفاده از تصاویر گوگل ارث و ماهواره لندست در نرم افزار ENVI منتشر شد! در این محصول آموزشی روش جداسازی باغات از زمین های زراعی در تصاویر ماهواره ای لندست آموزش داده شده است. روش ارائه شده در این محصول آموزش برای جداسازی پوشش های گیاهی طبیعی و زراعی نیز کاربرد دارد. تمامی مراحل آموزشی این محصول در نرم افزار انوی، بر اساس نمونه های برداشت شده از گوگل ارث تدریس شده است. با استفاده از این محصول آموزشی، شما ایده های جدیدی را در ارتباط با استفاده ترکیبی نرم افزار انوی و گوگل ارث بدست خواهید آورد.


مشخصات محصول آموزشی 

  • قیمت: ۲۵۰/۰۰۰ تومان 
  • مدرس: امیرحسین احراری 
  • تخصص: کارشناس سنجش از دور و پردازش تصاویر ماهواره ای
  • موضوع: سنجش از دور کشاورزی
  • نرم افزار: ENVI و Google Earth
  • داده های تمزینی:‌ دارد. 
  • تعداد لوح فشرده:‌۴ عدد
  • مدت زمان آموزش:‌۸ ساعت 
  • تعداد ویدیوها: ۲۰ عدد

توضیحات محصول آموزشی 

این محصول آموزشی یکی از تخصصی ترین آموزش های آکادمی سنجش از دور در زمینه سنجش از دور کشاورزی است که یکی از چالش های طبقه بندی زمین های زراعی را مورد توجه قرار داده است. همواره جداسازی پوشش های باغات از زمین های زراعی و پوشش های گیاهی طبیعی به عنوان یک چالش مهم در سنجش از دور محسوب می شده است. در همین راستا با استفاده از این محصول آموزشی شما با روش استفاده از چرخه فنولوژی، آشنا خواهید شد که کلید اصلی جداسازی پوشش های گیاهی متفاوت است. در این محصول آموزشی روش شناسایی و پایش تغییرات رشد محصولات متفاوت و جداسازی آنها بر اساس این ویژگی به منظور جداسازی کشت آبی و باغی تدریس شده است. 


عناوین آموزشی 

عناوین آموزشی تدریس شده در این محصول بر اساس نرم افزار ENVI و تصاویر لندست عبارت اند از:

  1. وجه تمایز باغات و زمین های زراعی 
  2. روش شناسایی باغات و زمین های زراعی در گوگل ارث 
  3. روش شناسایی باغات و زمین های زراعی در تصاویر لندست 
  4. روش محاسبه شاخص های طیفی کاربردی در جداسازی محصولات زراعی 
  5. روش آشکارسازی تغییرات چرخه فنولوژی محصولات و چرخه رشد آن ها

ماهواره Landsat-8

در این محصول آموزشی به منظور جداسازی کلاس باغات از زمین های زراعی، از تصاویر ماهواره ای لندست ۸ استفاده شده است. اگرچه هدف اصلی طراحی ماهواره لندست در زمینه کاربری اراضی و پایش تغییرات آن است اما پوشش مداوم ۱۶ روزه زمین توسط این ماهواره با توان تفکیک مکانی ۳۰ و ۱۵ متر، به همراه باندهای مرئی و مادون قرمز نزدیک، شرایط مطلوبی را برای مطالعه زمین های زراعی ایجاد کرده است. بر همین اساس در سال های اخیر، ماهواره های سری لندست به شکلی گسترده در زمینه مطالعه زمین های زراعی و تولید نقشه های نوع کشت و پوشش گیاهی مورد استفاده قرار گرفته است. چرا که به خوبی امکان جداسازی زمین های زراعی و اجرای انواع شاخص های کاربردی در زمین های زراعی را فراهم آورده است. 


کاربرد Google Earth

گوگل ارث در سنجش از دور امکان دسترسی به داده های ماهواره ای توان تفکیک مکانی بالا را فراهم کرده است. اما فراموش نکنید که تصاویر حاصله از گوگل ارث تنها بصورت عکس هستند و به عنوان یک تصویر در نظر گرفته نمی شوند. بسیاری از کاربران سنجش از دور تفاوت بین عکس و تصویر را نمی دانند و به اشتباه همواره از واژه عکس ماهواره ای استفاده می نمایند. داده های ماهواره ای گوگل ارث فقط برای تفسیر بصری و بصورت کیفی قابل استفاده است و قابلیت محاسبات طیفی و رادیومتریکی را ندارد به عنوان عکس شناخته می شوند. اما داده های ماهواره ای لندست چون از ویژگی های رادیومتریکی و طیفی برخوردار است و قابلیت استفاده در پردازش های رقومی و استخراج اطلاعات بصورت خودکار را دارد به عنوان تصویر شناخته می شوند. 


در این محصول آموزشی، شما با روش استفاده از عکس های گوگل ارث برای جداسازی باغات از زمین های زراعی آشنا می شوید. درحقیقت عکس گوگل ارث با جزییات مکانی بالا به خوبی امکان جداسازی زمین های زراعی و باغات را فراهم کرده و به عنوان یک ابزار مناسب برای تفسیر بصری محسوب می شود. در همین راستا، در این محصول آموزشی روش شناسایی این دسته از زمین ها ابتدا در گوگل ارث آموزش داده شده و سپس از منطق آن برای جداسازی زمین های مذکور در تصاویر ماهواره ای لندست استفاده شده است. در نهایت نقشه زراعی بدست آمده از تصاویر لندست، بر اساس نمونه های برداشتی در گوگل ارث اعتبارسنجی شده و بصورت کمی دقت آن ارزیابی می شود.



تکنیک های دورسنجی

تکنیک های دورسنجی آموزش داده شده در این محصول عبارت اند از:

  • دانلود تصاویر سری زمانی لندست
  • انتخاب تصاویر مناسب برای کاربرد کشاورزی
  • تصحیحات رادیومتریکی 
  • تصحیحات اتمسفری با روش FLAASH
  • تلفیق تصاویر لندست از ۳۰ به ۱۵
  • محاسبه شاخص پوشش گیاهی نرمال شده
  • ترکیب سری زمانی تصاویر لندست
  • برنامه نویسی خودکار آماده سازی داده ها در IDL
  • محاسبه چرخه فنولوژیکی محصولات 
  • جداسازی پوشش ها بر اساس روند رشد
  • استفاده از تصاویر گوگل ارث برای تفکیک اراضی 
  • نقش تصاویر گوگل ارث در اعتبارسنجی نتایج
  • طبقه بندی زمین های زراعی با روش SVM
  • طبقه بندی زمین های زراعی با روش Random Forest
  • برداشت نمونه های اعتبارسنجی از گوگل ارث
  • تولید ماتریس خطاها و اعتبارسنجی نتایج

بخش بندی محصول آموزشی 

این محصول آموزشی از سه بخش اصلی تشکیل شده است که عبارت است از: 

  1. دانلود و آماده سازی داده ها برای کاربرد کشاورزی
  2. ترکیب داده های سری زمانی و استخراج چرخه رشد محصولات
  3. طبقه بندی و تولید نقشه زراعی به همراه اعتبارسنجی آن با ماتریس خطاها


مهم ترین عناوین آموزشی

  • استفاده ترکیبی گوگل ارث و ماهواره لندست 
  • خودکارسازی پردازش داده های سری زمانی با استفاده از زبان IDL
  • ترکیب داده های سری زمانی NDVI 
  • جداسازی باغات و کشت آبی
  • استفاده از الگوریتم Random Forest
  • بررسی قابلیت های الگوریتم Decision Tree در فرایند طبقه بندی
  • اعتبار سنجی نتیجه فرضیات ارائه شده با استفاده از Google Earth

مهارت های حاصل از این محصول 

  • منطبق کردن نتایج ماهواره لندست و گوگل ارث
  • کدنویسی سری زمانی برای تصاویر ماهواره لندست
  • روش انجام طبقه بندی Random Forest
  • اعتبار سنجی کیفی و کمی نقشه کشت آبی و باغی با استفاده از Google Earth
  • مهارت انجام کار با یک نرم افزار تخصصی (متن باز) طبقه بندی تصاویر ماهواره ای


سوالات مهم کاربران

در این بخش مهم ترین ابهامات و سوالاتی که کاربران در ارتباط با این محصول آموزشی دارند مطرح و تشریح شده است. هدف از ارائه این پرسش و پاسخ ها آن است تا کاربران با تمامی جنبه ها و ویژگی های این محصول آموزشی آشنا شده و با دیدگاه کاملی نسبت به خرید محصولات اقدام نمایند. با این حال درصورتی که سوالات بیشتری داشتید می توانید آن ها را از طریق بخش نظرات در همین صفحه مطرح کنید تا مدرس آن پاسخ گو باشد. 


روش بکاربرده شده در این آموزش برای تصاویر ماهواره سنتینل نیز قابل استفاده است؟

بله. در صورتی که شما با روش های پیش پردازش و آماده سازی داده های سنتینل آشنایی داشته باشید میتوانید از این محصول آموزشی برای آن استفاده نمایید.


آیا تصاویر ماهواره ای رایگان دقت لازم برای جداسازی کشت های آبی و باغات را دارا هستند؟ 

بله. با استفاده از تصاویر ماهواره ای سری لندست و سنتینل به راحتی میتوان نسبت به جداسازی این پوشش ها اقدام کرد.


چگونه ادعای مذکور را تایید میکنید؟

استفاده از داده های مرجع که از دقت بالاتری دارند مانند تصاویر موجود در گوگل ارث میتوانند برای اعتبار سنجی کمی و کیفی مورد استفاده قرار گرفته و از لحاظ علمی نیز قابل استناد در مقالات نیز هست.


در این محصول آموزشی دقیقا چه نوع گیاه هایی را با دقت بالا از یکدیگر تفکیک کردید؟

در این محصول جداسازی پوشش گیاهی طبیعی و زراعی و کشت آبی و باغی بصورت کامل آموزش داده شده است.


در نقشه کشت آبی و باغی چه کلاس هایی را در فرایند طبقه بندی شناسایی کردید؟

  • زمین های کشت آبی
  • مراتع و پوشش های گیاهی طبیعی
  • باغات
  • زمین های بایر
  • هدف اصلی در تولید این محصول آموزشی جداسازی پوشش های گیاهی طبیعی و زراعی به همراه زمین های کشت آبی و باغات بوده است.

روش پیاده سازی چه الگوریتم هایی را در این محصول آموزشی ارائه کردید؟

  • طبقه بندی کمترین فاصله Minimum Distance
  • طبقه بندی بیشترین شباهت Maximum Likelihood
  • طبقه بندی مبتنی بر شبکه های عصبی مصنوعی Neural Network
  • طبقه بندی مبتنی بر بردارهای ماشین پشتیبان Support Vector Machines
  • طبقه بندی مبتنی بر Random Forest
  • طبقه بندی مبتنی بر تصمیم گیری درختی Decision Tree

در بخش اعتبار سنجی به تحلیل چه پارامترهایی پرداختید؟

  • روش اجرای ماتریس خطاها
  • تحلیل پارامتر overall accuracy
  • معرفی پارامتر kappa coefficient
  • تحلیل پارامتر خطای omission
  • تحلیل پارامتر خطای commission
  •  تحلیل پارامتر user accuracy
  • تحلیل پارامتر producer accuracy

مدرس این دوره کیست؟

  • امیرحسین احراری
  • کارشناس سنجش از دور و پردازش تصاویر ماهواره ای
  • نویسنده کتاب موتور مجازی پردازش تصاویر ماهواره ای 
  • دارای مدرک کارشناسی و کارشناسی ارشد سنجش از دور 
  • از دانشگاه تهران، دانشکده جغرافیا
  • مدرس و طراحی بیش از ۱۰۰ محصول آموزشی 
  • طراح و مدرس دوره آموزشی استاد بزرگ ENVI
  • دارای سابقه ۸ سال تدریس سنجش از دور 
  • و …..

لینک های مفید