محصول آموزشی کاربرد گوگل ارث انجین در مدیریت منابع آب و هیدرولوژی منتشر شد! در این محصول آموزشی شما می توانید با اصول کاربردی گوگل ارث انجین در مطالعات منابع آب و هیدرولوژی آشنا شوید. انواع داده ها و تکنیک های پردازشی در ارتباط با کاربردهای منابع آب و هیدرولوژی در سنجش از دور و سامانه گوگل ارث انجین تدریس شده است. این محصول آموزشی فیلم کارگاه مهندس احراری در زمینه کاربردهای ارث انجین در مطالعات آب و هیدرولوژی است که هم اکنون شما می توانید آن را تهیه نمایید. مطالب ارائه شده در این دوره کاملا جدید بوده و در دوره های آموزشی گذشته بصورت یک جا به آن ها پرداخته نشده است.
محصول آموزشی کاربرد سامانه گوگل ارث انجین در منابع آب منتشر شد! در این محصول آموزشی روش کار با داده های ماهواره ای منابع آب در گوگل ارث انجین آموزش داده شده است. با استفاده از این محصول آموزشی شما توانایی شناسایی و پایش تغییرات انواع منابع آب با استفاده از داده های ماهواره ای متفاوت در سنجش از دور را پیدا خواهید کرد. هم اکنون می توانید کاملترین پکیج کاربرد گوگل ارث انجین در منابع آب را خریداری کنید.
مشخصات محصول آموزشی
- مدرس: امیرحسین احراری
- موضوع: کاربرد سنجش از دور در منابع آب
- نرم افزار: سامانه گوگل ارث انجین
- زمان آموزش: ۸ ساعت
- داده های تمرینی: دارد
- کدهای آماده: دارد
- پیش نیاز: ندارد.
توضیحات محصول آموزشی
محصول آموزشی کاربرد سامانه گوگل ارث انجین در منابع آب، بصورت کامل به روش فراخوانی و پردازش انواع داده های کاربردی در منابع آب پرداخته است. با استفاده از این محصول شما با روش محاسبه بارش باران، بارش برف، سیل، آب معادل برف، ذخایر آبی، تبخیر. وتعرق گیاه، رطوبت خاک، مساحت سطحی اب و آشکارسازی تغییرات آن ها آشنا می شوید. تکنیک های آموزشی در این محصول آموزشی به خوبی موضوع پایش تغییرات متغیرهای آبی در گوگل ارث انجین را پوشش داده است و قابلیت استفاده در انواع تحقیقات علمی و پروژه های تجاری را نیز دارا است.
عناوین آموزشی در گوگل ارث انجین
عناوین و موضوعات آموزش داده شده در گوگل ارث انجین عبارت اند از:
- محاسبه شاخص آب: landsat
- محاسبه مساحت سطحی آب: landsat
- سری زمانی مساحت سطحی آب: landsat+modis
- پایش تغییرات پهنه برفی: modis
- پایش تغییرات تبخیر و تعرق: modis
- پایش تغییرات رطوبت خاک: smap
- پایش تغییرات بارش: trmm+gpm+chirps
- پایش تغییرات بارش برف: fldas
- پایش خشکسالی: modis
- کار با پروداکت آب: landsat
- پایش تغییرات ذخایر آبی: grace
- آشکارسازی سیل: sentinel-3
ماهواره ها و سنجنده ها
انواع ماهواره ها و سنجنده های بکاربرده شده در این محصول آموزشی عبارت اند از:
- ماهواره landsat
- تصاویر تصحیح اتمسفری شده
- پروداکت آب
- ماهواره sentinel-3
- پایش سیل
- سنجنده modis
- پروداکت پوشش گیاهی
- پروداکت دمای سطح زمین
- پروداکت آب
- پروداکت برف
- پروداکت تبخیر و تعرق
- ماهواره smap
- پروداکت رطوبت سطحی
- پروداکت رطوبت زیرسطحی
- ماهواره grace
- پروداکت ذخایر آبی
- ماهواره trmm
- پروداکت بارش سه ساعته
- پروداکت بارش ماهیانه
- مدل اقلیمی fldas
- پروداکت عمق برف
- پروداکت آب معادل برف
- پروداکت بارش برف
بیشتر بخوانید: گوگل ارث انجین چیست؟
کاربرد گوگل ارث انجین محاسبه شاخص آب
در بخش اول این آموزش، با استفاده از داده های تصحیح اتمسفری شده ماهواره لندست، روش محاسبه شاخص طیفی آب با استفاده از باند آبی و مادون قرمز نزدیک در حوضه دریاچه ارومیه آموزش داده شده است. در این قسمت ضمن آشنایی با روش آشکارسازی پهنه آبی، شما با روش آشکارسازی تغییرات پهنه آبی دریاچه ارومیه بصورت مکانی آشنا می شوید. به عبارت دیگر در این قسمت، چگونگی آشکارسازی تغییرات پهنه آبی دریاچه ارومیه از طریق مقایسه داده های دو زمان متفاوت آموزش داده شده است.
پروداکت آب ماهواره لندست در گوگل ارث انجین
در بخش دوم این آموزش، روش فراخوانی و پردازش پروداکت آب ماهواره لندست آموزش داده شده است. با استفاده از این پروداکت شما می توانید ضمن شناسایی انواع پهنه های آبی نسبت به آشکارسازی تغییرات آن در بازه زمانی ۱۵ ساله نیز اقدام نمایید. لازم بذکر است که این پروداکت بصورت آماده در دسترس است و شما صرفا با چند خط کد ساده می توانید نسبت به فراخوانی و آشکارسازی تغییرات مرتبط با آن اقدام نمایید.
پایش مساحت سطحی آب در گوگل ارث انجین
در بخش سوم این آموزش، روش فراخوانی تصاویر تصحیح اتمسفری شده سنجنده مادیس و روش آشکارسازی تغییرات پهنه های آبی آموزش داده شده است. در این قسمت شما با روش فراخوانی تصاویر تصحیح اتمسفری شده مادیس، روش محاسبه شاخص پوشش آبی، جداسازی آب از سایر پوشش ها به همراه، سری زمانی تغییرات مساحت سطحی آشنا خواهید شد. با استفاده از تکنیک های آموزش داده شده در این بخش شما قادر به پایش ۲۰ ساله تغییرات مساحت سطحی دریاچه ارومیه خواهید بود.
پایش خشکسالی در گوگل ارث انجین
در بخش چهارم، روش پایش خشکسالی با استفاده از شاخص های vci و tci و تغییرات آن ها در زمین های زراعی آموزش داده شده است. در این بخش شما روش محاسبه شاخص های مذکور با استفاده از پروداکت پوشش گیاهی و دمای سطح زمین مادیس را فرا می گیرید. همچنین با روش محاسبات سری زمانی و آشکارسازی روند تغییرات مقادیر هریک از این شاخص ها برای ارزیابی روند تغییرات خشکسالی نیز آموزش داده شده است. روند نسبی تغییرات بلند مدت شاخص های رطوبت و خشکی گیاه که پیش تر به آن اشاره شده، امکان شناسایی خشکسالی را به خوبی فراهم می کند.
پایش بارندگی در گوگل ارث انجین
در بخش پنجم، روش پایش تغییرات بارش با استفاده از داده های ماهواره ای trmm, gpm, chirps آموزش داده شده است. با استفاده از داده های ماهواره ها و مدل های مذکور امکان شناسایی و آشکارسازی تغییرات بارش در مقیاس های ۳۰ دقیقه، سه ساعته، ماهیانه و روزانه به خوبی فراهم است. با استفاده از مطالب این قسمت، شما می توانید با روش پایش تغییرات باران در مناطق مختلف ایران به خوبی آشنا شده و نمودار آن را تولید و تحلیل نمایید.
پایش پوشش برف در گوگل ارث انجین
در بخش ششم، با روش شناسایی پهنه های برفی و استخراج انواع پارامترهای مرتبط با آن آشنا خواهید شد. در این قسمت، روش پایش تغییرات مساحت سطحی برف، آب معادل برف، عمق برف و بارش برف با استفاده از پروداکت برف سنجنده مادیس و پروداکت برف مدل اقلیمی fldas آموزش داده شده است. داده ها و تکنیک های ارائه شده در این قسمت در حال حاضر به عنوان ساده ترین و در عین حال کاربردی ترین روش های استخراج اطلاعات در ارتباط با پوشش های برفی محسوب می شوند.
پایش تغییرات رطوبت خاک در گوگل ارث انجین
در بخش هفتم، روش آشکارسازی رطوبت خاک با استفاده از داده های مایکرویو smap آشنا خواهید شد. در این بخش چگونگی فراخوانی پروداکت رطوبت سطحی و رطوبت زیرسطحی با استفاده از داده های ماهواره smap آموزش داده شده است. تکنیک های ارائه شده در این قسمت به گونه ای است که روش استخراج تصاویر رستری به همراه نمودار تغییرات زمانی میانگین آن در بازه های زمانی مشخص آموزش داده شده و بصورت مکانی و زمانی شاهد پایش تغییرات آن خواهید بود.
پایش تغییرات ذخایر آبی در گوگل ارث انجین
در بخش هشتم، روش فراخوانی داده های ماهواره grace آموزش داده می شود. در این قسمت، شما با روش فراخوانی داده های grace به منظور پایش تغییرات ذخایر آبی که شامل سفره آب های زیرزمینی در زمینه کاربرد سامانه گوگل ارث انجین نیز می شود، آشنا خواهید شد. در این قسمت ضمن معرفی انواع پروداکت های سنجنده grace، روش انتخاب دقیق ترین پروداکت بر اساس فیلتر cri نیز آموزش داده شده است.
پایش مخاطره سیل در گوگل ارث انجین
در بخش نهم کاربرد سامانه گوگل ارث انجین، روش پایش مخاطره سیل با استفاده از تصاویر ماهواره ای آموزش داده شده است. در این بخش با استفاده از تصاویر ماهواره ای سنتینل ۳ نسبت به آشکارسازی مناطق سیل زده در استان خوزستان اقدام شده. در این راستا با مقایسه تغییرات پهنه آبی در سراسر استان خوزستان، به خوبی امکان شناسایی و تفکیک مناطق سیل زده از سایر پوشش ها فراهم شده است.
مدل رقومی زمین در گوگل ارث انجین
در بخش دهم و آخر از این محصول آموزشی، موضوع پردازش داده های ارتفاعی DEM به همراه استخراج انواع پروداکت های آن آموزش داده شده است. در این محصول آموزشی شما قادر هستید تا با روش موزاییک سازی خودکار DEM نسبت به تولید و استخراج داده مورد نظر خود اقدام نمایید. امکانات گوگل ارث انجین شرایطی را ایجاد کرده است که شما بتوانید نسبت به تولید انواع پروداکت های مدل رقومی زمین مانند شیب، جهت شیب و hillshade در کوتاهترین زمان ممکن برای منطقه مورد مطالعه خود اقدام نمایید.
تکنیک های کاربردی
در این دوره شما با انواع تکنیک های کدنویسی کاربردی در گوگل ارث انجین آشنا خواهید شد که عبارت انداز:
- روش فراخوانی داده ها
- روش ایجاد فیلترهای زمانی و مکانی
- روش ایجاد توابع محاسباتی
- روش پردازش های سری زمانی
- روش تولید انواع نمودارها
- روش تولید روند تغییرات
- روش فراخوانی شیپ فایل ها
- روش خروجی گرفتن نتایج
- روش برش زدن تصاویر
- روش ماسک کردن تصاویر
- روش تولید پروداکت های ماهیانه
- روش تولید ویدیوهای تغییرات مکانی
- و ….
مدرس این محصول آموزشی
- امیرحسین احراری
- کارشناس سنجش از دور و پردازش تصاویر ماهواره ای
- بیش از ۱۰ سال آموزش سنجش از دور
- تحصیلات کارشناسی: سنجش از دور، دانشگاه تهران
- تحصیلات کارشناسی ارشد: سنجش از دور، دانشگاه تهران
- طراح و مدرس صدها دوره آموزشی سنجش از دور
- نویسنده اولین کتاب گوگل ارث انجین در ایران
- طراح و مدرس دوره استاد بزرگ ENVI
- طراح و مدرس نخستین دوره آنلاین نرم افزار ENVI در ایران
- طراح و مدرس نخستین آموزش جامع سامانه گوگل ارث انجین در ایران
- و . . .
43 دیدگاه. ارسال دیدگاه جدید
من در صحت سنجی نقشه کاربری اراضی با اراور زیر مواجه میشم:
Validation error matrix:
ConfusionMatrix (Error)
Property ‘nv’ of feature ‘1_2_70’ is missing.
Validation overall accuracy classification:
Number (Error)
Property ‘nv’ of feature ‘1_2_70’ is missing.
به نظرتون مشکل از کجاست؟
با سلام و احترام
مشکل از property تعیین شده برای نمونه ها هست. مجددا آن را چک کنید برای همه داده ها یکسان باشد.
موفق باشید
چک کردم اونو و درست بود. ضمن اینکه این کد رو قبلا ران کردم و خروجی داده بهم ولی بعد یک ماه سر زدم ولی این ارور رو میده
خطایی که ارسال کردید مشکل رو در property نشون میده.
بهتره نمونه ها رو یکبار دیگه مجدد برداشت کنید.
موفق باشید
سلام
این آموزش برای چه زمانی هستش؟ آیا به روز هستش؟
سلام
کلا گوگل ارث انجین در ایران یک سامانه جدیدی محسوب میشه و آموزش هایی که تولید شده نیز جدید هستند.
تشکر
سلام استاد وقت بخیر و خسته نباشید
استاد ببخشین چجوری میشه در قسمت هفتم سری زمانی پوشش برفی مودیس کد رو تغییر داد تا میانگین ماهانه یا سالانه رو محاسبه کنه با این شرط که شاخص آبی که نوشته شده ماسک بشه؟
با سلام و احترام
با استفاده از تابع temporal collection می توانید پروداکت های ماهیانه و سالیانه را تولید کنید.
منظورتون در ارتباط با ماس شاخص آبی متوجه نمیشم. پروداکت برف مادیس صرفا برف رو شامل میشه.
موفق باشید
استاد ببخشین میشه این تابع رو به این کد خودتون اضافه کنین ممنون میشم
https://code.earthengine.google.com/76409faff9afabddd4dbd5b939577520
با سلام و احترام
به انتهاء کدتون اضافه شد.
https://code.earthengine.google.com/71578ed7523ee71011b6fe44e6dcc49f
موفق باشید
سلام…ببخشید این تکمیل کننده محصول قبلی گوگل ارث انجین هستش که قبلا توسط آقای مهندس احراری انجام شده؟
سلام
این آموزش گوگل ارث انجین با تاکید بر علوم آب هست و با محصول قبلی متفاوت است.
سلام استاد احراری
آموزش شما را در زمینه تهیه نقشه نوع کشت را با تصاویر سنتیل 2 در گوگل ارث انجین می دیدم و به مسئله برخوردم و آن اینکه زمانیکه ndvi دوازده ماه را محاسبه می کنیم و آن ها را در یک متغیری بنام stack از طریق دستور .addbands ذخیره می کنیم چرا با دستور ui.chart.image برای رسم نمودار ماهیانه خطا می دهد؟ من می خواهم برای ndviهای ماهانه ای که stack شده نمودار رسم کنم که خطا می دهد و می گوید نام باندها به تعداد باندها وصل نیست. کد را در ادامه برایتان ارسال کردم
var jan = ee.ImageCollection(“COPERNICUS/S2”)
.filterBounds(fields)
.filterDate(‘2022-01-01’, ‘2022-02-01’)
.map(function(img){return img.normalizedDifference([‘B8′,’B4’])})
.max()
.clip(fields)
.rename(‘jan’);
//feb
var feb = ee.ImageCollection(“COPERNICUS/S2”)
.filterBounds(fields)
.filterDate(‘2022-02-01’, ‘2022-03-01’)
.map(function(img){return img.normalizedDifference([‘B8′,’B4’])})
.max()
.clip(fields)
.rename(‘feb’);
//march
var march = ee.ImageCollection(“COPERNICUS/S2”)
.filterBounds(fields)
.filterDate(‘2022-03-01’, ‘2022-04-01’)
.map(function(img){return img.normalizedDifference([‘B8′,’B4’])})
.max()
.clip(fields)
.rename(‘march’);
//april
var april = ee.ImageCollection(“COPERNICUS/S2”)
.filterBounds(fields)
.filterDate(‘2022-04-01’, ‘2022-05-01’)
.map(function(img){return img.normalizedDifference([‘B8′,’B4’])})
.max()
.clip(fields)
.rename(‘april’);
//may
var may = ee.ImageCollection(“COPERNICUS/S2”)
.filterBounds(fields)
.filterDate(‘2022-05-01’, ‘2022-06-01’)
.map(function(img){return img.normalizedDifference([‘B8′,’B4’])})
.max()
.clip(fields)
.rename(‘may’);
//jun
var jun = ee.ImageCollection(“COPERNICUS/S2”)
.filterBounds(fields)
.filterDate(‘2022-06-01’, ‘2022-06-29’)
.map(function(img){return img.normalizedDifference([‘B8′,’B4’])})
.max()
.clip(fields)
.rename(‘jun’);
//monthly NDVI OVER 2022
var stack = jan.addBands(feb).addBands(march).addBands(april).addBands(may).addBands(jun);
print(stack)
Map.addLayer(stack,{min: 0.06449136305600406, max: 0.4147544803097844 ,
bands: [‘april’, ‘may’, ‘jan’]});
var chart = ui.Chart.image.seriesByRegion(stack, crop1, ee.Reducer.mean());
print(chart)
با سلام و احترام
با استفاده از گزینه getlink در ارث انجین لینک کدتون رو کپی و اینجا برای من بزارید تا بتونم بررسی کنم.
موفق باشید
سلام مجدد خدمت استاد احراری عزیز
من دستور نمودار را با ui.chart.image.series by region امتحان کردم خطا داد ولی با ui.chart.image.regions امتحان کردم درست شد منتهی نمی دونم چرا محور x ها را به ترتیب حروف الفبا می دهد نه ترتیب ماهها. این هم لینک کد خدمت شما استاد بزرگوار:
https://code.earthengine.google.com/a9387fadfe3fa820d3bc99482cf54b75
با سلام و احترام
لینک کد اصلاح شده ضمیمه شده است.
https://code.earthengine.google.com/825456fb20170b6e5c6dcffb9cb7e8d0
موفق باشید
استاد احراری عزیز بسیار سپاسگزارم و فوق العاده ممنون
استاد احراری وقتی نقشه م را طبقه بندیSVM می کنم و می خواهم از طریق دستور Map.addLayer نمایش بدم خطای Image (Error)
Invalid JSON: میده
این خطا به چه دلیله؟ دیروز نقشه م رو نمایش می داد ولی امروز این خطا رو میده ؟ آیا بخار سرعت نته؟
با سلام و احترام
لطفا لینک کدتون رو با استفاده از گزینه getlink در ارث انجین کپی کرده و در اینجا برای من بزارید تا بتونم بررسی کنم.
موفق باشید
سلام و ادب.
برای پایش سیل، وقتی کد
}map(function(img).
var clip = img.clip(table);
var nir = clip.select(‘Oa17_radiance’).multiply(0.00493004);
var blue = clip.select(‘Oa06_radiance’).multiply(0.0123538);
var ndwi = (blue.subtract(nir)).divide(blue.add(nir));
return ndwi})
.median();
print(flood)
Map.addLayer(flood,{min:-0.1,max:0.8,
palette:[‘white’,’yellow’,’blue’]});
را وارد میکنم، برای قسمت map(function(img). با خطای Missing semicolon before statement. ‘ .’ expected an idetifier and instead saw مواجه میشم. در صورتی ; را قبل از این عبارت هم میزارم، تفاوتی ایجاد نمیشه و با ارور مواجه میشم. ممنون میشم راهنمایی بفرمایید.
با سلام و احترام
با استفاده از گزینه getlink در سایت ارث انجین لینک کد را کپی کرده و در اینجا برای من بزارید تا بتونم برسی کنم.
موفق باشید
با سلام. من این اموزش تهیه کرد ویدیوها بخش چهارم نداره. این بخش لینکش نیست یا کلا وجود نداره چون هر کدوم از ویدیو ها با گفتن شماره اغاز میشه ولی چهارم وجود نداره
با سلام و احترام
بدلیل مشکل ایجاد شده عذرخواهی میکنم. با بخش پشتیبانی مکاتبه کنید تا بررسی کنند. girs.academy@gmail.com
موفق باشید
با سلام.
اگر از کدی که شاخصی خشکسالی رو در محدوده به صورت مکانی نشان میدهد، استفاده شود، به طوری که با اجرای کد مربوطه در لیبل ایجاد شده، وضعیت خشکسالی شدید، متوسط و.. نمایش داده شود، چطور میتوان به صورتی اکسپورت گرفت که دقیقا همان نقشه ی رنگی که در ارث انجین با لیبل مشاهده میشود، در جی آی اس فراخوانی شود؟
چون وقتی اکسپورت میگیرم به فرمت فایل تیف سیاه سفید خروجی گرفته مشود.
با تشکر
با سلام و احترام
خروجی های ارث انجین بصورت سیاه و سفید هست و امکان حفظ پالت رنگی برای داده های ذخیره سازی شده نیست. بعد از دانلود لایه هدف می توانید با استفاده از qgis نمای بصري داده را مطابق با نیاز خود اصلاح کنید.
موفق باشید
با سلام. اگر برای پایش خشکسالی، بخواهم از میانیگن تصاویر مادیس مثلا برای ماه های ژوئن تا سپتامبر هر سال خروجی گرفته شود، چه کدی را برای میانیگن باید به کد پیوست شده، اضافه گردد؟
https://code.earthengine.google.com/?scriptPath=users%2Fmahyaeskafi44%2FFlood%3ADrought
ممنون میشم راهنمایی بفرمایید.
با سلام و احترام
با استفاده از فیلتر calendar range می توانید بازه زمانی خود را به ماه های مشخصی محدود کنید.
https://developers.google.com/earth-engine/apidocs/ee-filter-calendarrange
موفق باشید
سلام و درود
متاسفانه آموزش ویدیویی شماره 4 که در ارتباط با سری های زمانی با استفاده از مودیس می باشد در فایل های دانلودی وجود ندارد لطفا رسیدگی فرمایید
با تشکر
با سلام و احترام
هر فایلی که موجود نیست لطفا با بخش پشتیبانی سایت مکاتبه نمایید تا در اسرع وقت خدمت شما ارسال شود. girs.academy@gmail.com
موفق باشید
منظور فایل مربوط به کد زیر
https://code.earthengine.google.com/a3131e8b1f115cd58487fba171387129
سلام
من میخواستم داده بگیرم مثلا داده plant canopy surfacewater به فرمت tif وبه صورت ماهیانه مثلا یک دوره 5 ساله و اینکه این داده به صورت 0.25 درجه هست چطور می تونم این داده رو بگیرم که وقتی داخل جی ای اس tif رو فراخوانی می کنم هر پیکسل تمام داده رو داشته باشه با تاریخ مثلا برای 5 سال هر پیکسل داخلش 60 داده باشه
ممنون میشم راهنماییم کنید
با سلام و احترام
در این محصول آموزشی روش جستجوی داده و فراخوانی و خروجی گرفتن از ارث انجین تدریس شده است.
موفق باشید
با سلام..ممنونم از زحمات شما … ایا با تهیه این محصول اموزشی “کاربرد سامانه گوگل ارث انجین در مدیریت منابع آب و هیدرولوژی” امکان نوشتن مقاله سطح بالا وجود دارد.
سپاسگزارم
با سلام و احترام
هیچ یک از آموزش های سایت (به تنهایی) برای نوشتن مقالات سطح بالا کافی نیست.
موفق باشید
با سلام جناب احراری.
با چه زبان برنامه نویسی کدهای این دوره نوشته شده است؟ و گوگل ارث انجین کد نویسی با چه زبان‌های برنامه نویسی را پیشتیبانی می کند؟
سلام
زبان برنامه نویسی پیش فرض ارث انجین جاوااسکریپت است.
همچنین از زبان پایتون نیز پشتیبانی می کند.
موفق باشید
سلام جناب استاد احراری عزیز
سوالم در مورد به محاسبه مادیس در ارث انجین است
کد های که از تدریس شما استفاده کرده ام و زمانیکه تصاویر را در جی ای اس اضافه نمایم مطابق شیب فایل منطقه نیست تفاوت دارد اونم خیلی زیاد.
مشکل کجا است باشد؟
با سلام و احترام
تصویر را بر اساس شیپ فایل منطقه مورد مطالعه در ارث انجین برش زده و دانلود کنید. در بخش export حتما مولفه crs را وارد کنید.
موفق باشید
با سلام و وقت بخیر،بنده در زمینه تبخیر از مخزن سد کار میکتم و در داده هام یکسزی نواقص وجود داره مثل سرعت باد در ارتفاع ده متری ،رطوبت مخصوص هوا در ارتفاع ده متری و فشار هوا.میخواستم بدونم آیا تهیه این مجموعه به من کمک میکنه که این داده ها رو از طریق گوگل ارث انجین بدست بیارم؟ممنونم از سایت خوبتون
سلام وقت بخیر ممنون از سایت خوبتون،من در زمینه تبخیر از سطح مخزن سد کارمیکنم نیخواستم بدونم آیا گوگل انجین این قابلیت رو داره که یسری دیتا مثل سرعت باد ودمای هوا در ارتفاع ده متری از سطح آب،رطوبت مخصوص و فشار هوا رو در یک بازه طولانی مدت دریافت کنه و اینکه آیا این دوره این اموزش رو فراهم میکنه؟
با سلام و احترام
بله این داده ها قابل استخراج هست. به عنوان مثال در آموزش رایگان زیر نیز تدریس شده است. در این آموزش نیز تکنیک های کلی استخراج داده ها در این رابطه تدریس شده اما دقیقا موضوع هدف شما رو قطعا پوشش نمیده.
https://youtu.be/am4Oox3-g-8
خیلی ممنونم،دوره آموزش جامع چطور؟
دوره جامع جزییات بیشتری داره اما درحقیقت هدف آموزش ها یاد دادن مطالب کاربردی است و قطعا هیچ کدام دقیقا تمامی کار شما یا هر کاربر دیگری را ممکنه پوشش نداده باشه. چون برای هر پروژه ای راهکارهای خیلی زیادی هست و تنوع کارها هم بسیار زیاده.
موفق باشید