فیلم مستر کلاس آشکارسازی تغییرات و پیش بینی کاربری اراضی با استفاده از تصاویر ماهواره ای – کاربردی برای مقالات ISI

960 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

فیلم مستر کلاس آشکارسازی تغییرات و پیش بینی کاربری اراضی با استفاده از تصاویر ماهواره ای منتشر شد! در این مستر کلاس شما با روش انجام پروژه های آشکارسازی تغییرات و پیش بینی کاربری اراضی با استفاده از تصاویر ماهواره ای به منظور انجام پروژه های علمی و نوشتن مقالات ISI آشنا خواهید شد. در این دوره آنلاین با استفاده…

فیلم مستر کلاس آشکارسازی تغییرات و پیش بینی کاربری اراضی با استفاده از تصاویر ماهواره ای منتشر شد! در این مستر کلاس شما با روش انجام پروژه های آشکارسازی تغییرات و پیش بینی کاربری اراضی با استفاده از تصاویر ماهواره ای به منظور انجام پروژه های علمی و نوشتن مقالات ISI آشنا خواهید شد. در این دوره آنلاین با استفاده از تصاویر ماهواره ای لندست روش آشکارسازی تغییرات و پیش بینی کاربری اراضی با استفاده از نرم افزارهای ENVI, SAGA-GIS و IDRISI آموزش داده خواهد شد.


مشخصات کلاس

  • قیمت:  300/000 تومان
  • مدرس: زهرا صدیقی فر
  • تخصص: کارشناسی ارشد هیدروژئومورفولوژی از دانشگاه خوارزمی
  • موضوع: آموزش آشکارسازی تغییرات کاربری اراضی (Change Detection) در نرم افزار SAGA-GIS و ENVI
  • نرم افزار:   IDRISI & GOOGLE EARTH & SAGA-GIS & ENVI
  • مخاطب: علاقمندان به موضوعات سنجش از راه دور و کاربرد آن در تغییرات محیطی
  • پیش نیاز: آشنایی مقدمانی با ArcGIS و Google Earth

خرید فیلم کلاس

به منظور تهیه فیلم کلاس بر روی گزینه زیر کلیک کرده و بلافاصله دانلود کنید. 


عناوین آموزشی

مهم ترین عناوین آموزشی این محصول عبارت اند از: 

  •  بخش اول: مفاهیم اولیه  Change Detection و بررسی مقالات ISI چاپ شده در این زمینه در معتبرترین مجلات خارجی در طی سال های اخیر
  •  بخش دوم: اجرای نرم افزار SAGA-GIS جهت آشکارسازی تغییرات کاربری و توضیح انواع طبقه بندی ها
  •  بخش سوم: اجرای طبقه بندی Decision Tree در نرم افزار ENVI و ارزیابی دقت و صحت سنجی نتایج و تحلیل و توصیف آن
  •  بخش چهارم: تهیه جداول انواع درصد- مساحت و نمودارهای تغییرات و مقایسه سال های مختلف 
  •  بخش پنجم: اجرای روش رگرسیون گیری تصاویر ماهواره ای در نرم افزار SAGA-GIS
  •  بخش ششم: اجرای روش CA-MARKOV جهت پیش بینی با هدف آینده نگری وضعیت تغییرات کاربری ها در نرم افزار IDRISI
  • بخش هفتم: آشنایی با روش مقاله نویسی (ISI) و نکات مهم در این زمینه

نرم افزار SAGA-GIS

  • نرم افزار SAGA-GIS یک نرم افزار متن باز و پرکاربرد در سنجش از دور و سیستم اطلاعات جغرافیایی است.
  • کلمه SAGA مخفف عبارت System for Automated Geoscientific Analysis است. 
  • این نرم افزار توسط گروه جغرافیای طبیعی دانشگاه گوتینگون آلمان طراحی شده. 
  • نرم افزار SAGA مجموعه ای با ارزش از الگوریتمهای کاربردی در در زمین آمار، سنجش از دور و سیستم اطلاعات جغرافیایی است. 

قابلیت های نرم افزار SAGA عبارت اند از :

  • خواندن انواع داده های سنجش از دور و سیستم اطلاعات جغرافیایی 
  • قابلیت اجرا و پیاده سازی بسیاری از فیلترهای مکانی و فرکانسی بر روی تصاویر ماهواره ای 
  • قابلیت ترکیب، برش و نمونه یابی مجدد داده های رستری
  • قابلیت اجرای الگوریتم های تخصصی در زمینه زمین آمار
  • قابلیت اجرای انواع محاسبات ریاضیاتی بین باندی 
  • قابلیت اجرای بیش از ۱۵ الگوریتم طبقه بندی تصاویر ماهواره ای 
  • قابلیت اجرای طبقه بندی شی گرا به همراه عملیات قطعه بندی تصویر
  • قابلیت شبیه سازی شده بسیاری از مدل های زیست محیطی : مانند مدل نیتروژن، مدل فرسایش، مدل توسعه چشم انداز
  • قابلیت پردازش مدل های رقومی زمین و تولید انواع محصولات قابل استخراج از آن

کاربرد این دوره

این دوره آموزشی، با هدف انجام مقالات ISI و همینطور انجام پروژه های مهم در زمینه تغییرات کاربری های اراضی و موضوع CHANGE DETECTION می باشد. و همچنین در نهایت درخصوص نحوه تهیه مقالات ISI و نکات مهم در این زمینه توضیح داده خواهد شد. 


معرفی مدرس

  • زهرا صدیقی فر
  • کارشناسی ارشد هیدروژئومورفولوژی از دانشگاه خوارزمی
  • مدرس استارتاپ آکادمی سنجش از راه دور ایران
  • محقق در زمینه هیدرولوژی، Applicant of Remote Sensing on Environmental Change

خرید فیلم کلاس

به منظور تهیه فیلم کلاس بر روی گزینه زیر کلیک کرده و بلافاصله دانلود کنید. 


 

0/5 (0 نظر)

نوشته های مرتبط :

آموزش های رایگان پیشنهادی :

17 دیدگاه. ارسال دیدگاه جدید

  • maryam ahmadi
    1400-02-05 11:38 ب.ظ

    سلام وقت بخیر
    مهلت ثبت نام کلاس انلاین تا چه تاریخی است؟
    مجددا کد تخفیف نمیگذارید ؟

    پاسخ
    • با سلام و احترام

      تا روز برگزاری کلاس مهلت ثبت نام دارید.
      یکی دو روز اخیر یک کد تخفیف در سایت معرفی شد. هم اکنون مهلت استفاده از آن پایان لافته است.
      احتمالا در اواخر ماه رمضان یک کد تخفیف عرضه شود.
      موفق باشید

      پاسخ
      • ضمن عرض سلام خدمت جناب مهندس و تشکر بابت دوره های فوقالعادتون جسارتا بنده در دوره استاد بزرگ enviتون شرکت کردم و یک جلسه کامل در این دوره در رابطه با change detection بود میخواستم از خدمتون سوال کنم ببینم مطالب این دوره متفاوت هستش نسبت به اون دوره چون خیلی از توضیحاتی که نوشتین مطالبش بنظر تکراری هستش (چون موضوع پایان نامه بنده در رابطه با change detection هستش میخواستم ببینم لازمه شرکت دد این دوره یا نه ممنون میشم جواب بدین با تشکر )

        پاسخ
        • با سلام و وقت بخیر
          ویژگی خاصی که این دوره دارد بررسی مقالات ISI و راهنمایی مدرس برای نوشتن مقالات می باشد. همچنین این دوره مفصل تر است و زمان بیشتری به آن پرداخته می شود. از طرف دیگر در این دوره به مدلسازی و پیش بینی تغییرات کاربری اراضی پرداخته می شود که در دوره مورد اشاره شما آموزش داده نشده است

          پاسخ
  • با درود و آرزوی تندرستی
    آیا آموزشی که آنلاین نباشه در این موضوع ندارید؟

    پاسخ
    • درود
      ویدئوی هر جلسه در اختیار شرکت کنندگان قرار می گیرد یا می توانید پس از برگزاری دوره آن را تهیه کنید که با قیمت بالاتری خواهد بود.

      پاسخ
    • با سلام و احترام

      آموزش های مختلفی در زمینه آشکار سازی تغییرات در سایت هست اما مشابه این آموزش در نرم افزار ساگا رو فعلا نداریم.
      می توانید ثبت نام کرده و پس از پایان کلاس فیلم دوره رو تهیه نمایید.

      موفق باشید

      پاسخ
  • ابوذر صادقی
    1400-03-12 7:47 ب.ظ

    سلام وقت بخیر استاد احراری
    روز برگزاری کلاس برنامه ریزی میکنیم که بیرون نریم جایی نریم
    بعد از ساعت 7 الان ساعت 7.46 دقیقه هس هنوز وارد کلاس نشدن
    حداقل مدرس روز قبلش یا صبحش اطلاع بدن واقعا که

    پاسخ
    • با سلام و احترام

      در این مورد مدرس تقصير نداشتن. مشکل از سایت و ما بود. از شما عذرخواهی میکنیم. خانم مهندس خودشون هم مثل شما معطل شدن و این ایراد از طرف ما بود نه مدرس. مجددا از حضور شما عذرخواهی میکنیم.

      موفق باشید

      پاسخ
  • روز بخیر
    چطور میشود از وزن لایه های ورودی شبکه های عصبی پرسپترون خروجی گرفت ?
    متشکرم

    پاسخ
  • سلام. وقت بخیر
    این روش جزو machine learning یا linear classifier هست.اگر منظورتون در saga-gis هست خب به همون صورتی که برای Random forest و سایر طبقه بندی ها توضیح داده شد و خروجی گرفته شده برای این روش هم بهمین صورت هست.

    پاسخ
  • معصومه عرب
    1400-10-03 12:27 ق.ظ

    با سلام و عرض ادب
    من ویدیوی این دوره رو استفاده کردم. تدریس خانم مهندس خیلی عالی هستش و تقریبا به تمامی جزئیات پرداخته شده است.
    و به دوستانی که مثل من رشتشون سنجش از راه دور نیست و برای تزشون باید این مفاهیم رو یاد بگیرن توصیه می کنم این فیلم رو تهیه کنن.

    متشکرم

    پاسخ
  • میرحسین
    1401-02-18 11:02 ق.ظ

    سلام وقت بخیر. بعد از خروجی گرفتن از تصویر ماهواره ای در فرمت تیف در نرم افزار انوی، و در هنگام وارد کردن به نرم افزار ساقا تمامیه باندها وارد ساگا میشوند. درصورتی که تو فیلم آموزشی فقط یک فایل basin1 بودش. من حتی از انوی به جی ای اس خروجی گرفتم و وارد ساگا کردم ولی بازم باندهای تصاویر برای من به نمایش گذاشته میشه و موقع انتخاب یک باند، تصویر به صورت کاذب دیده نمیشه تا بتونیم باتوجه به پوشش منطقه پلی گون رندم بزنیم و طبقه بندی صورت بگیره. ممنون میشم راهنمایی بفرمایید.

    پاسخ
    • زهرا صدیقی فر
      1401-02-18 11:53 ق.ظ

      سلام
      وقت شما بخیر باشه
      فایل basin که می فرمایید، در واقع اسم منطقه هست که من به این اسم انتخاب کردم. در واقع شما ابتدا بعد از اینکه تصویرتون رو از سایت USGS دانلود می فرمایید، بعد از اینکه تصحیحات رو انجام دادید روی تصویر، طبق کاری که من انجام دادم، داخل GIS تصویر به فرمت TIF تبدیل و با اسم Basin سیو کردم. و بعد بردم داخل Saga . شما به هر اسمی که موقع تبدیل فرمت سیو بفرمایید، چه در GIS و چه در انوی یا محیط دیگری، به هر اسمی که سیو بفرمایید به همون اسم هم فایلش در SAGA نمایش داده می شه. و اینکه درمحیط Saga در منوی properties اگر اشتباه نکنم، در قسمت سمت راست، تمامی باندها برای شما نمایش داده می شه. و طبق هدفی که دارید باندها رو تنظیم و شروع به زدن سیگنیچر می فرمایید. اما یک نکته! قبل از اینکه شروع به نمونه برداری بفرمایید بهتره یک نگاهی به گوکل ارث روی منطقه اتون داشته باشید برای اون سال مورد نظر، که یک اشراف کلی و آگاهی از نوع کاربری های منطقه داشته باشید که موقع نمونه برداری خیلی مبهم براتون نباشه.
      انشاءالله موفق باشید.

      پاسخ
    • میرحسین
      1401-02-18 1:16 ب.ظ

      مشکل مربوط به عدم استفاده از ورژن جدید نرم افزار بودش حل شد تشکر.

      پاسخ
  • سیدمجیدحافظی
    1401-03-28 1:57 ب.ظ

    سلام استاد وقتتون بخیر.

    من به یک مشکلی در فرایند طبقه بندی با روش random forest برخوردم و اون اینکه نمونه های train رو من از قبل داشتم و دیگه در داخل نرم افزار از روی تصویر برداشت مجدد نکردم. و فقط اونا رو import کردم .نمونه هام به صورت نقطه ایی و با فرمت shp

    هستن در ۶ کلاس مختلف.بر اساس اموزش شما هم اونا رو merge کردم. اما موردی که هست وقتی میخوام در قسمت Training area نمونه هامو انتخاب کنم چیزی نمایش داده نمیشه که طبقه بندی بر اساس اونها انجا بشه و مورد دیگه اینکه نمونه هامو توی

    قسمت feature importance نمایش میده که البته طبقه بندی انجام نمیشه و ارور invalid input میده. چطور استاد این مورد رو حل کنم…؟

    پاسخ
    • سلام، متشکرم وقت شما بخیر باشه
      من تا الان همیشه گزینه polygon رو انتخاب کردم برای زدن سیگنیچر. و دقت کنید وقتی لایه کاربری رو می سازید قبل از سیگنیچر زدن، روی لایه کلیک راست و حتما گزینه add to map رو بزنید. چون اگر این کار رو انجام ندید هرچقدر سیگنیچر بزنید به نقشه اضافه و در نهایت چیزی سیو نمی شه. اگر کاملا طلق فیلم پیش برید به هیچ مشکلی بر نمی خورید.

      پاسخ

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

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