کاربرد سامانه گوگل ارث انجین در مدیریت منابع آب و هیدرولوژی

793 بازدید

بالاترین کیفیت محصولات

بالاترین امنیت خرید

خرید و دانلود آنی

پشتیبانی بسیار سریع

اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.

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. 

زمان: 8 ساعت

فرمت آموزش : ویدئو

حجم فایل : 1 گیگ

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

  • قیمت:450/000 تومان 
  • 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: 

  1. محاسبه شاخص آب: landsat 
  2. محاسبه مساحت سطحی آب: landsat 
  3. سری زمانی مساحت سطحی آب: landsat+modis 
  4. پایش تغییرات پهنه برفی: modis
  5. پایش تغییرات تبخیر و تعرق: modis
  6. پایش تغییرات رطوبت خاک: smap
  7. پایش تغییرات بارش: trmm+gpm+chirps
  8. پایش تغییرات بارش برف: fldas
  9. پایش خشکسالی: modis
  10. کار با پروداکت آب: landsat
  11. پایش تغییرات ذخایر آبی: grace
  12. 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

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:

  1. روش فراخوانی داده ها
  2. روش ایجاد فیلترهای زمانی و مکانی 
  3. روش ایجاد توابع محاسباتی
  4. روش پردازش های سری زمانی 
  5. روش تولید انواع نمودارها
  6. روش تولید روند تغییرات 
  7. روش فراخوانی شیپ فایل ها
  8. روش خروجی گرفتن نتایج
  9. روش برش زدن تصاویر 
  10. روش ماسک کردن تصاویر
  11. روش تولید پروداکت های ماهیانه
  12. روش تولید ویدیوهای تغییرات مکانی
  13. 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 . . .

0/5 (0 نظر)

محصولات مرتبط :

آموزش های رایگان پیشنهادی :

نتیجه‌ای پیدا نشد.

21 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؟

    پاسخ
    • 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

      پاسخ
      • 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

        پاسخ
  • شبنم مجنونی
    1400-10-02 3:27 ق.ظ

    سلام
    این آموزش برای چه زمانی هستش؟ آیا به روز هستش؟

    پاسخ
  • ابوذر صادقی
    1400-11-03 2:42 ق.ظ

    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؟

    پاسخ
  • سلام…ببخشید این تکمیل کننده محصول قبلی گوگل ارث انجین هستش که قبلا توسط آقای مهندس احراری انجام شده؟

    پاسخ
  • سید عرفان
    1401-04-09 11:47 ب.ظ

    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)

    پاسخ
  • سید عرفان
    1401-04-11 12:18 ق.ظ

    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

    پاسخ
  • سید عرفان
    1401-04-14 6:01 ب.ظ

    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؟

    پاسخ
    • 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

      پاسخ
  • محیا حسن زاده
    1401-05-01 12:49 ق.ظ

    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.

    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.