آموزش پایش خشکسالی با استفاده از شاخص‌های DSI و SVI در گوگل ارث انجین

517 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

در این محصول آموزشی، دو مورد از شاخص‌های پرکاربرد در حوزه پایش خشکسالی که شامل شاخص DSI و SVI می‌باشد،  با استفاده از پروداکت‌های مادیس در محیط سامانه گوگل ارث انجین ارائه شده است. این محصول آموزشی بر اساس مقالات علمی کار شده در حوزه پایش خشکسالی تهیه شده است. مطالب ارائه شده در این محصول آموزشی به گونه‌ای است…

در این محصول آموزشی، دو مورد از شاخص‌های پرکاربرد در حوزه پایش خشکسالی که شامل شاخص DSI و SVI می‌باشد،  با استفاده از پروداکت‌های مادیس در محیط سامانه گوگل ارث انجین ارائه شده است. این محصول آموزشی بر اساس مقالات علمی کار شده در حوزه پایش خشکسالی تهیه شده است.

مطالب ارائه شده در این محصول آموزشی به گونه‌ای است که ضمن آشنایی با پروداکت‌های مختلف سنجنده مادیس و فرمول‌نویسی شاخص‌های خشکسالی، با جدیدترین روش ماسک ابر، سایه و سایر پارامترهای هواشناسی آشنا شده و در نهایت پهنه‌بندی یا طبقه‌بندی شاخص‌های خشکسالی و هم‌چنین روش محاسبه مساحت هر کلاس تصویر طبقه‌بندی شده شاخص خشکسالی را نیز فرا می‌گیرید.

پلتفرم پردازشی در این محصول آموزشی، گوگل ارث انجین است. از جمله دلایل انتخاب این سامانه به منظور پیاده‌سازی شاخص‌های خشکسالی، توان محاسباتی بالای آن، امکان فراخوانی تعداد زیادی از تصاویر، سرعت پردازشی بالا و راحتی کار با سامانه حتی برای افرادی که آشنایی محدودی با زبان برنامه نویسی جاوااسکریپت دارند، می‌باشد.


مشخصات محصول

  • مدرس : مهدی نادری
  • تخصص : کارشناس سنجش از دور و پردازش تصاویر ماهواره ای
  • موضوع : پایش خشکسالی با استفاده از شاخص‌های DSI و SVI در گوگل ارث انجین
  • نرم افزار : سامانه گوگل ارث انجین
  • مدت زمان آموزش : 1 ساعت و 57 دقیقه
  • مخاطب : علاقه‌مندان به سنجش از دور، مطالعات کشاورزی، مطالعات منابع طبیعی، مخاطرات طبیعی و …
  • نوع آموزش : ویدئویی
  • کد ارث انجین : ندارد
  • داده های تمرینی : ندارد
  • پیش نیاز : آشنایی مقدماتی با سامانه گوگل ارث انجین

ویدئوی معرفی:


تهیه آموزش:

برای تهیه بر روی دکمه زیر 👇 کلیک کنید. پس از پرداخت به لینک های دانلود دسترسی دارید و به ایمیل شما نیز ارسال می گردد.


معرفی مدرس

  • مهدی نادری
  • کارشناس سنجش از دور و پردازش تصاویر ماهواره ای
  • پژوهشگر بنیاد ملی نخبگان ایران
  • دارای مدرک کارشناسی ارشد سنجش از دور و GIS از دانشگاه تربیت مدرس تهران

عناوین آموزشی

عناوین در نظر گرفته شده به شرح زیر می باشد:

  • بخش اول: مقدمه‌ای بر خشکسالی و تبیین شاخص‌های DSI و SVI بر اساس مقالات کار شده
  • بخش دوم: بخش عملی آموزش و ورود به سامانه ارث انجین
  • بخش سوم: محاسبه شاخص SVI
  • بخش چهارم: معرفی منطقه مورد مطالعه
  • بخش چهارم: فراخوانی پروداکت‌ NDVI مادیس و اعمال فیلترهای مکانی، زمانی و ماسک ابر و سایر پارامترهای هواشناسی
  • بخش پنجم: تبدیل فرمت تصاویر به صورت رو از سال (Day of Year) و اضافه کردن آن به مجموعه تصاویر
  • بخش ششم: محاسبه مقادیر میانگین و انحراف معیار NDVI
  • بخش هفتم: محاسبه شاخص SVI برای مجموعه تصاویر Collection
  • بخش هشتم: استخراج یک تصویر SVI و انجام عملیات پهنه‌بندی یا طبقه‌بندی بر روی آن
  • بخش نهم: محاسبه مساحت کلاس‌های مختلف نقشه پهنه‌بندی شده
  • بخش دهم: محاسبه شاخص DSI
  • بخش یازدهم: معرفی منطقه مورد مطالعه
  • بخش دوازدهم: فراخوانی پروداکت‌های پوشش‌گیاهی و تبخیرتعرق سنجنده مادیس و اعمال فیلترهای مکانی، زمانی و ماسک ابر
  • بخش سیزدهم: ایجاد تصویر میانه پروداکت‌های مختلف
  • بخش چهاردهم: محاسبه مقادیر میانگین و انحراف معیار تبخیرتعرق به‌صورت نمره آماری Z
  • بخش پانزدهم: محاسبه مقادیر میانگین و انحراف معیار NDVI به‌صورت نمره آماری Z
  • بخش شانزدهم: محاسبه شاخص DSI بر اساس متغیرهای حاصل شده
  • بخش هفدهم: بصری‌سازی نتایج حاصل از شاخص‌های SVI و DSI

معرفی شاخص‌های خشکسالی

👈 شاخص Drought Severity Index (DSI)

شاخص شدت خشکسالی (DSI) برای اولین بار توسط مو و همکاران در سال 2013 معرفی شد.  یک شاخص ترکیبی است که متغیرهای پوشش گیاهی و تبخیر و تعرق را در نظر می‌گیرد. DSI عمدتا برای اندازه‌گیری خشکسالی‌ هواشناسی مورد استفاده قرار می‌گیرد اما می‌تواند برای پایش خشکسالی کشاورزی نیز استفاده شود.

👈 شاخص Standardized Vegetation Index (SVI)

شاخص استاندارد‌شده پوشش‌گیاهی (SVI)، نشان‌دهنده وضعیت رشد پوشش‌گیاهی محدوده مطالعاتی است. این شاخص از مقادیر میانگین و انحراف معیار شاخص‌های پوشش گیاهی از قبیل NDVI، EVI و … در سطح پیکسل در یک سری زمانی برای پایش خشکسالی بهره می‌برد. علی‌رغم نتایج نسبی مناسب، این شاخص نمی‌تواند به عنوان یک کمیت مطلق در پایش خشکسالی کشاورزی مورد استفاده قرار گیرد.


داده ها

در این آموزش از پروداکت های زیر استفاده شده است:

  • پروداکت MOD13Q1.061 Terra Vegetation Indices 16-Day Global 250m:

این پروداکت با رزولوشن مکانی 250 متر و باندهای NDVI و EVI به‌منظور محاسبه شاخص خشکسالی SVI مورد استفاده قرار گرفت. این محصول در بازه زمانی (2000-present) به‌صورت 16 روزه در دسترس می‌باشد.

 

  • پروداکت MOD16A2GF.061: Terra Net Evapotranspiration Gap-Filled 8-Day Global 500m:

این پروداکت با رزولوشن مکانی 500 متر با باندهای متعدد نظیر ET، PET و … به‌منظور برآورد شاخص خشکسالی DSI مورد استفاده قرار گرفت. این محصول در بازه زمانی (2000-2022) و به‌صورت داده‌های 8 روزه در دسترس عموم می‌باشد.

 

  • پروداکت MOD13A1.061 Terra Vegetation Indices 16-Day Global 500m:

این پروداکت، همانند پروداکتی است که در محاسبه شاخص خشکسالی SVI مورد استفاده قرار گرفته است با این تفاوت که رزولوشن مکانی آن 500 متر است. این محصول در بازه زمانی (2000-present) به‌صورت 16 روزه در دسترس می‌باشد و برای محاسبه شاخص خشکسالی DSI مورد استفاده قرار گرفته است.


کاربرد:

خشکسالی، یکی از انواع مخاطرات طبیعی است که می‌تواند به‌طور مستقیم و غیرمستقیم، انسان و دستاوردهای آن را تحت تاثیر قرار دهد. خشکسالی پدیده ای پیچیده و جهانی است که انسان و طبیعت را به طور یکسان تحت تاثیر قرار می‌دهد. تعاریف متعددی برای این مخاطره طبیعی مطرح شده که به طور کلی، خشکسالی به کمبود رطوبت مستمر و غیرطبیعی اطلاق می‌شود. خشکسالی می‌تواند در ابعاد مختلف مورد بررسی قرار گیرد. خشکسالی هواشناسی (کمبود بارش)، خشکسالی کشاورزی (کمبود رطوبت خاک)، خشکسالی هیدرولوژیکی (کمبود رواناب و ذخیره آب) و خشکسالی اجتماعی-اقتصادی (در نظر گرفتن عرضه و تقاضای آب). رویدادهای خشکسالی در سراسر جهان، اثرات و هزینه های اقتصادی گسترده‌ای در بخش‌های مختلف جامعه دارد.

به عنوان مثال، در اتحادیه اروپا و بریتانیا، خسارات اقتصادی سالانه (1981-2010) در اثر خشکسالی حدود 9 میلیارد یورو در سال برآورد شده است. در اروپای مرکزی، خشکسالی شدید در سال‌های اخیر بارها و بارها منجر به خسارات در بخش کشاورزی و جنگل‌داری شده است. خسارات اقتصادی و اثرات اجتماعی عظیم در چین به دلیل خشکسالی کشاورزی ایجاد شده است. طبق آمار، سالانه 70 تا 80 میلیون تن غذا در چین به دلیل خشکسالی از بین می‌رود که 17 درصد از کل محصول کشور را تشکیل می دهد. با توجه به کمبود بارش در ایران در مقایسه با میانگین جهانی، خشکسالی همواره موضوعی چالش برانگیز در مدیریت منابع آب مطرح بوده است.

برای نمونه، خشکسالی سال های 1377-1378 لغایت 1379-1380 از وخیم‌ترین خشکسالی های ثبت شده در ایران است که حدود نصف جمعیت کشور را تحت تاثیر قرار داد و خسارات وارده به بخش کشاورزی و دام حدود 2.5 میلیارد دلار برآورد شد. لذا با توجه به موارد ذکر شده، پایش این مخاطره طبیعی می‌تواند از جنبه‌های مختلف کاربردی باشد.  


مخاطب این محصول

مخاطب این محصول، افراد متخصص در حوزه سنجش از دور، مطالعات کشاورزی، مطالعات منابع طبیعی، مطالعات مخاطرات طبیعی و … هستند. مطالب ارئه شده در این محصول آموزشی به قدری کاربردی است که افراد مختلف می توانند در جهت پیشبرد اهداف خود به نحو احسنت از آن استفاده کرده و در کمترین زمان ممکن نتیجه مطلوب را کسب کنند.

در این محصول آموزشی سعی شده است تا مطالب به صورت شیوا و رسا بیان شوند تا برای افرادی که آشنایی حداقلی با تصاویر ماهواره‌ای، تکنیک‌های پردازش تصویر و سامانه گوگل ارث انجین دارند نیز قابل استفاده باشد.


تهیه آموزش:

برای تهیه بر روی دکمه زیر 👇 کلیک کنید. پس از پرداخت به لینک های دانلود دسترسی دارید و به ایمیل شما نیز ارسال می گردد.

نوشته های مرتبط :

6 دیدگاه. ارسال دیدگاه جدید

  • عبدالعزیز حنیفی نیا
    1402-11-14 10:20 ق.ظ

    سلام و عرض ادب
    من آموزش را خریدم و تمام مراحل را هم به اتمام رساندم منتهی در آخرین مرحله ران و تهیه نقشه به مشکل می خوره . یعنی در قسمت layer, svi_image می یاد و تیک هم می خوره منتهی تصویر را نمایش نمی ده در قسمت تنظیمات هم می رم تمام رنگ ها هم هست لطفا توضیح بدید راه چاره چیست

    پاسخ
    • مهدی نادری
      1402-11-14 11:28 ق.ظ

      باسلام
      یکی از دلایل، می‌تواند عدم وجود تصویر یا پروداکت های لازم هر شاخص برای محدوده مطالعاتی شما باشد.
      کد نوشته شده رو به ایمیل بنده ارسال کنید. اکر نقطه نظر یا نکته ای هم هست، تو ایمیل عنوان بفرمایید تا بررسی کنیم

      Naderi.mahdi75@gmail.com

      پاسخ
  • محمد مهدی انصاریان فر
    1402-11-18 11:26 ب.ظ

    سلام خسته نباشید
    من این اموزش تهیه کردم منتها لینک دانلودی برای بنده فرستاده نشد

    پاسخ
  • عبدالعزیز حنیفی نیا
    1402-11-20 10:20 ق.ظ

    سلام مجدد خدمت دوستان عزیز و حامیان برگزاری این دوره ها
    بنده این آموزش را تهیه کردم و هر دو شاخص را در داخل گوگل ارث انجین ران کردم. منتهی هیچ نتیجه ای نگرفتم. در اولین مورد شاخص SVI نقشه برایم نمی اومد که فرستادم به مدرس محترم و اصلا نمی دانم که چکار کردند یک نقشه نصف و نیمه ای اومد. باز از ایشان پرسیدم. گفتند که شما باید برید آموزش gap filling را بخرید تا نقشه کامل را بتونید تهیه کنید. ببخشید مگر قرار هست چندین بار پول بدم تا بتونم یک نقشه را تهیه کنم. آقای مهندس نقشه را برای منطقه ای بدست می آوره که همه چیز اوکی هست و نقشه شلفته و رفته ای در می یاد. اون را بیخیال شدم و رفتم دنبال DSI که ولله در همون مراحل اولیه به مشکل خوردم عکس هم فرستادم خدمت ایشون و میگن برای شما مشکل داشته و همه خریدن مشکل نداشته.
    من چندمین بار هست که از این سایت آموزش خریدم
    در آخر از حامیان محترم این دوره ها استدعا می کنم مشکل بنده را حل کنید.

    پاسخ
    • مهدی نادری
      1402-11-21 11:48 ب.ظ

      با سلام
      منصف باشید. علی‌رغم اینکه مکاتبات زیادی در قالب ایمیل با شما داشتم، حتی کد این آموزش رو مطابق بازه زمانی مدنظر شما و همچنین محدوده مطالعاتی شما مجدد بازنویسی کردم و کدها رو در قالب فایل notepad براتون ارسال کردم اما عجیبه این اظهار نظرها!!!

      یکبار دیگر عنوان میکنم : با توجه به ملزومات موجود در این کد از قبیل روش ماسک ابر و مابقی پارامترهای جوی و همچین وجود/عدم وجود پروداکت یا تصویر برای محدوده شما، ممکنه در مواقعی خروجی شما پیکسل های ماسک شده زیادی داشته باشند. لذا توصیه کردم یا روش ماسک ابر رو تغییر بدهید یا پارامترهای جوی کمتری رو در نظر بگیرید تا خروجی شما از نظر بصری مطلوب باشد.

      به عنوان نکته آخر در خصوص آموزش gap filling: فقط پیشنهاد دادم اگر پیکسل ماسک شده زیاد هست، میتونید با روش های درونیابی، پیکسل ها رو درونیابی کنید و چون در این خصوص بنده آموزشی ارائه دادم، این آموزش رو توصیه کردم و شما رو به خرید این محصول مجبور نکردم. آکادمی سنجش از دور هم در جریان مکاتبات بنده با شما هستند. باز هم تاکید می‌کنم ویدئو آموزشی و فایل هایی که براتون فرستادم رو با دقت ملاحظه کنید.

      موفق باشید

      پاسخ

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

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

keyboard_arrow_up