برنامه نویسی محصولات دانلودی

آموزش جامع کار با سری های زمانی با استفاده از پایتون – بدون مشابه داخلی و خارجی

آموزش سری زمانی با پایتون
هادی امامی
نوشته شده توسط هادی امامی

آموزش جامع کار با سری های زمانی با استفاده از زبان پایتون منتشر شد

پایتون یک زبان برنامه‌نویسی سطح بالا (High-Level) است که به وسیله‌ آن عمل برنامه‌ نویسی به آسانی و با سرعتی بالا انجام می‌پذیرد. از جمله کاربردهای زبان برنامه نویسی پایتون می توان به حوزه پردازش تصویر اشاره نمود. اگر با نگاه ریاضی به پردازش تصویر نگاه کنیم، تابعی است که به عنوان ورودی تصویری را دریافت می‌کند و با استفاده از فرمول‌ها و قواعد داده‌شده، مجموعه‌ای از علامت‌ های ریاضی که مفاهیم خاصی را برای ماشین دارد؛ بر‌می گرداند.

در این آموزش به بررسی اجمالی سری های زمانی انواع مختلف پدیده ها در زبان پایتون پرداخته شده است. پدیده های مثل برف، پوشش گیاهی، تبخیر و تعرق، دمای سطح زمین از جمله پدیده هایی هستند که در این آموزش به بررسی سری زمانی آن ها پرداخته شده است. همچنین این آموزش تکمیلی آموزش جامع پایتون در سنجش از دور نیز می باشد.

موارد مهم مطرح در این آموزش :

معرفی سایتی جدید به منظور دانلود تصاویر مختلف بر اساس شیپ فایل محدوده

پردازش بیش از ۱۰۰۰ تصویر برای هر پدیده به منظور محاسبه سری زمانی

محاسبه میزان تغییرات سری زمانی پوشش برف بر اساس کیلومتر مربع

محاسبه میزان تغییرات سری زمانی پوشش گیاهی بر اساس کیلومتر مربع

محاسبه میزان تغییرات سری زمانی دمای سطح زمین بر اساس کلوین و سانتیگراد

محاسبه میزان تغییرات سری زمانی تبخیر و تعرق بر اساس کیلوگرم بر مترمربع

ساخت انیمشین و Time laps برای مشاهده تغییرات سری زمانی


مشخصات محصول آموزشی

  • قیمت: ۲۲۰ هزار تومان
  • مدت زمان : حدود ۵ ساعت
  • مدرس: هادی امامی – فرهنگ زارع
  • تخصص: کارشناس سنجش از دور و پردازش تصاویر ماهواره ای
  • موضوع: آموزش جامع سری های زمانی تصاویر ماهواره ای در پایتون
  • نرم افزار: IDLE Python – Spyder
  • مخاطب: علاقه مندان سنجش از دور و کدنویسی در سنجش از دور
  • نوع آموزش: ویدیویی
  • پاورپوینت: ندارد
  • داده های تمرینی:‌ دارد
  • پیش نیاز: آموزش مقدماتی پایتون

توضیحات محصول آموزشی

در این محصول، از نرم افزار Spyder که نرم افزاری بسیار کاربردی و متن باز به منظور کار با پایتون  استفاده شده است. این نرم افزار به دلیل قابلیت های بسیار مناسبی که در زمینه نمایش دیتاها و متغییر ها دارد در بحث سنجش از دور بسیار می تواند مفید واقع شود.

در این آموزش از تصاویر مختلف ماهواره مودیس استفاده شده است. همچنین از پروداکت های مختلف این ماهواره به منظور پایش سری زمانی پدیده های مختلف استفاده شده است

پکیج هایی مثل:  Numpy – Matplotlib – Skimage – Datetime – Pandas استفاده شده است و سعی شده به ساده ترین و دقیق ترین شکل موجود کدها را پیاده سازی نمود به طوری که با گذراندن این دوره کاربر به تسلط کافی در زمینه کار با سری های زمانی در سنجش از دور دست پیدا خواهید کرد.

در این محصول آموزشی از تصاویر ماهواره ای مودیس استفاده شده است. اما نکته قابل توجه در به کار گیری سایر تصاویر مثل لندست و استر و …. در این آموزش است که کاربران می تواند با تصاویر مختلف کار کنند. تصاویر ماهواره مودیس به صورت پروداکت های مختلف برای انواع مختلف پدیده ها قابل دسترس بوده که از این پروداکت ها به منظور بررسی سری زمانی بلند مدت و کوتاه مدت می توان استفاده نمود. در این محصول از تصاویر و پروداکت های Snow Cover – NDVI – LST – ET استفاده شده است.

این مجموعه آموزشی برای اولین بار با زبان پایتون به منظور بررسی سری های زمانی برای انواع مختلف پدیده ها پرداخته است. سری های زمانی و پایش آن ها یک مبحث بسیار مهم و اساسی در بحث سنجش از دور می باشد که با استفاده از این آموزش تسلط کافی به منظور کار با بقیه پروداکت ها و ماهواره ها نیز فراهم می شود.

کدهای استفاده شده در این آموزش کامل حاصل تجربیات بوده و کپی شده از سایت یا مرجعی نمی باشد و به صورت اولین بار این محصول در کشور ارائه می شود.


معرفی آموزش:


عناوین آموزشی

عناوین آموزشی شامل موارد زیر می باشد:

  • آشنایی با پایتون به صورت کوتاه
  • آشنایی با پکیج ها و کتابخانه های مطرح در سنجش از دور
  • آشنایی با pip و زیربخش های آن به صورت اجمالی
  • آشنایی با نحوه نصب پکیج ها (نحوه نصب ورژن خاصی از پکیج ها)
  • معرفی سایت Earth Data
  • معرفی سایتی جدید به منظور دانلود تصاویر بر اساس شیپ فایل
  • نحوه دانلود بیش از ۵۰۰۰ هزار تصویر با حجم بسیار اندک
  • نحوه دانلود اطلاعات آماری تصاویر به صورت جامع
  • معرفی نرم افزاری جدید و بسیار قدرتمند به منظور کدنویسی با زبان پایتون
  • نحوه فراخوانی تصاویر به صورت مجموعه تصاویر(فراخوانی بیش از ۱۰۰۰ تصویر به صورت یکجا به محیط کدنویسی)
  • آموزش نحوه ترکیب تصاویر با یکدیگر
  • نحوه محاسبه Scale factor برای انواع پروداکت های مختلف
  • کار با آرایه ها
  • نحوه استخراج مقادیر خاص از تصویر
  • نحوه آستانه گذاری بر روی مقادیر
  • آشنایی با ساخت توابع مختلف
  • نحوه Layer Stack کردن تصاویر در پایتون
  • نحوه جداسازی تاریخ تصاویر از اسم تصاویر
  • نوشتن تابع به منظور تبدیل تاریخ به قالب استاندارد
  • کار با Data Frame ها در پایتون به صورت کاربردی
  • نمایش تصاویر به شکل های مختلف
  • نحوه ایجاد نمودار سری زمانی بر اساس تصاویر ورودی
  • محاسبه میزان مساحت هر پدیده در هر تصویر
  • نحوه ذخیره اطلاعات به صورت فایل اکسل
  • نحوه تغییر ابعاد تصاویر مختلف
  • کار با فونت ها و متن ها در نمودارها
  • نحوه ایجاد انیمیشن سری زمانی برای پدیده های مختلف
  • ایجاد Time laps سری های زمانی

تهیه آموزش:

به منظور تهیه این محصول آموزشی بر روی دکمه زیر کلیک کنید:


چند محصول آموزشی مرتبط:


 

۸ دیدگاه

  • سلام خدمت شما، بسیار آموزش خوب و جدیدی است خدا قوت. ممنون بابت انتشار این آموزش قوی. فقط یک سوالی برام پیش اومده اون هم این هست که این آموزش صرفا اماده سازی یک سری زمانی هست یا تحلیل سری زمانی؟چون روش های مدلسازی وتحلیل سری های زمانی شامل روش های مدل ها از جملهAR,ARIMA,ARMA,SARIMA,Multivariate و … می باشد ؟ شما این تحلیل رو بهش پرداختید؟

    • با سلام ممنون از انرژی مثبت شما .
      در این آموزش ما بر اساس دیتایی ک در اختیار داریم به بررسی و ایجاد نمودار سری زمانی پرداختیم .در مورد روش های مدلسازی در این آموزش صحبتی نشده.
      ممنون ازشما

  • با سلام
    در این دوره آموزشی، چقدر نیاز به آشنائی قبلی با زبان پایتون هست؟ دوستانی که با پایتون تنها آشنائی اولیه دارن می تونن از این مجموعه استفاده کنن؟

    • سلام عرض ادب و خسته نباشید
      در تمامی دوره های ما صرفا آشنایی اولیه با پایتون کافی هست و بقیه موارد در صورت نیاز توضیح داده شده است.
      موفق باشید

  • با سلام و احترام
    من دوره را در حال بررسی هستم. و متاسفانه این ارور را در ابتدای کار دارم. که مربوط به skimage و io است ممنون میشم راهنمایید کنید
    —————————————————————————
    AttributeError Traceback (most recent call last)
    C:\Anaconda3\lib\site-packages\numpy\core\fromnumeric.py in shape(a)
    ۱۹۵۴ try:
    -> ۱۹۵۵ result = a.shape
    ۱۹۵۶ except AttributeError:

    AttributeError: ‘ImageCollection’ object has no attribute ‘shape’

    During handling of the above exception, another exception occurred:

    TypeError Traceback (most recent call last)
    in
    —-> ۱ print(np.shape(ic))
    ۲ print(np.size(ic))

    in shape(*args, **kwargs)

  • با سلام و احترام
    ضمن تشکر از اموزش بسیار مفیدتون یه سوال داشتم. در انتهای برنامه مربوط به Snow، زمانی ه df[‘date’] = df[‘date’].apply(convert) را استفاده میکنم با ارور این مواجه می شوم.
    TypeError Traceback (most recent call last)
    in
    —-> ۱ df[‘date’] = df[‘date’].apply(convert)

    C:\Anaconda3\lib\site-packages\pandas\core\series.py in apply(self, func, convert_dtype, args, **kwds)
    ۴۱۹۸ else:
    ۴۱۹۹ values = self.astype(object)._values
    -> ۴۲۰۰ mapped = lib.map_infer(values, f, convert=convert_dtype)
    ۴۲۰۱
    ۴۲۰۲ if len(mapped) and isinstance(mapped[0], Series):

    pandas\_libs\lib.pyx in pandas._libs.lib.map_infer()

    in convert(date)
    ۱ def convert(date):
    —-> ۲ new_date = datetime.datetime.strftime (str(date), ‘%Y%j’)
    ۳ return new_date

    TypeError: descriptor ‘strftime’ requires a ‘datetime.date’ object but received a ‘str’
    با توجه به اینکه کد را مجدد خودم نوشتم کد را از روی کار شما کپی کرده و جایگزین کردم و مجدد این خطا ظاهر شد.
    ممنون می شوم که راهنمایی بفرمایید.

دیدگاهتان را بنویسید

اگر تمایل به تدریس و تولید آموزش و کسب درآمد دارید بر روی دکمه رو به رو کلیک کنید و فرم را پر کنیدلطفا کلیک کنید
+ +