فیلم مستر کلاس آموزش گوگل ارث انجین در علوم و مطالعات شهری

562 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 آموزش، روش کار با انواع داده های ماهواره ای برای استخراج نقشه های کاربردی شهری در سامانه گوگل ارث انجین تدریس شده است. این آموزش از ۳ بخش مهم تشکیل شده و شما در آن با قابلیت ها و کاربردهای سامانه گوگل ارث انجین بصورت کاربردی در مطالعات شهری آشنا می شوید. این محصول آموزشی تخصصی ترین آموزش…

در این آموزش، روش کار با انواع داده های ماهواره ای برای استخراج نقشه های کاربردی شهری در سامانه گوگل ارث انجین تدریس شده است. این آموزش از ۳ بخش مهم تشکیل شده و شما در آن با قابلیت ها و کاربردهای سامانه گوگل ارث انجین بصورت کاربردی در مطالعات شهری آشنا می شوید.

این محصول آموزشی تخصصی ترین آموزش کاربردی گوگل ارث انجین در مطالعات شهری است.

 

 


مشخصات دوره

  • قیمت: ۴۷۰ هزار تومان
  • مدرس: دکتر محمد کاکویی
  • تخصص: کارشناس سنجش از دور و برنامه نویسی تصاویر ماهواره ای
  • نرم افزار: گوگل ارث انجین (Google Earth Engine- GEE)
  • نوع آموزش: ویدئویی دانلودی
  • داده های تمرینی:‌ دارد
  • پیش نیاز: حساب کاربری فعال در GEE

بخشی از ویدئوی این دوره


تهیه فیلم ضبط شده این دوره به صورت دانلودی

به منظور خرید فیلم کلاس بر روی گزینه زیر کلیک کرده و پس از پرداخت، بلافاصله فایل های آموزشی را دانلود نمایید. 


موضوع

مستر کلاس تولید نقشه های شهری با استفاده از تصاویر ماهواره ای در گوگل ارث انجین یک دوره تخصصی در ارتباط با کاربرد سامانه گوگل ارث انجین در تولید نقشه های شهری است. با استفاده از این محصول آموزشی شما قادر به تولید انواع نقشه های کاربردی شهری در سامانه گوگل ارث انجین خواهید شد.

در این آموزش انواع پروداکت های آماده گوگل ارث انجین در مطالعات شهری به همراه تکنیک های محاسباتی تولید نقشه در محیط شهری مورد بررسی قرار داده شده است. توجه داشته باشید که این دوره کاملا کاربردی و پروژه محور است و با استفاده از آن قادر هستید تا انواع و اقسام پروژه های کاربردی در مطالعات شهری را بصورت عملی انجام دهید.


عناوین آموزشی

مهم ترین عناوین آموزشی در این محصول عبارت اند از:

  • بررسی پروداکت های آماده محیط شهری
  • استخراج محیط شهری با داده های لندست، سنتینل-۲ و سنتینل-۱
  • تلفیق داده ها در استخراج محیط شهری
  • بررسی سری زمانی گسترش شهرها و محاسبات سری زمانی مساحت شهری
  • شاخص های طیفی و مکانی محیط شهری
  • بررسی جزیره حرارتی شهرها
  • استخراج ساختمان ها در تصاویر با رزولوشن بالا
  • آنالیز بافت اشیا در محیط شهری
  • طبقه بندی اشیا در آنالیز شهری


اهمیت مطالعات شهری

در حال حاضر گسترش روز افزون شهرنشینی در همه جا وجود دارد. تقریباً نیمی از جمعیت جهان در شهرها زندگی می کنند. پیش بینی می شود این نسبت تا سال ۲۰۵۰ به حدود ۷۲٪ برسد. شهرهای بزرگ اکنون قدرتمندترین قطب های رشد اقتصادی هستند و مناطق مجاور آن­ها با از دست دادن تنوع زیستی و تخریب محیط زیست رو به رو هستند.

فناوری سنجش از دور با جمع آوری اطلاعات برای مشاهده، نظارت، اندازه گیری و مدل سازی بسیاری از اجزای تشکیل دهنده چرخه های اکوسیستم طبیعی و انسانی استفاده شده است.

مشاهدات محیط شهری و آنالیز پیوسته آن دارای اهمیت بالایی است. از جمله اهداف اساسی در طرح های تحقیقاتی مشاهدات شهری عبارتند از:

  • بهبود دقت مشاهدات شهری، نظارت، پیش بینی، و طرح های ارزیابی در سراسر جهان
  • حمایت از توسعه سیستم جهانی مشاهده و تجزیه و تحلیل محیط شهری
  • تولید اطلاعات به روز در مورد وضعیت و توسعه سیستم شهری – از مقیاس محلی به مقیاس جهانی
  • پر کردن شکاف های موجود در ادغام مشاهدات شهری سنجش از دور با داده های اکوسیستم های شهری، محیط زیست، کیفیت هوا و انتشار کربن، شاخص های تراکم جمعیت، کیفیت محیط، کیفیت زندگی و الگوهای بیماری های محیطی و عفونی انسان.
  • توسعه فنون نوآورانه در حمایت از توسعه موثر و پایدار شهری.

با تحقق این اهداف می­توان شهرها و سکونتگاه های انسانی را ایمن، مقاوم و پایدار کرد. همچنین، امکان مدیریت خطرات زیست محیطی، آب و هوایی و بلایای طبیعی و ایجاد ظرفیت برای مشارکت، برنامه ریزی و مدیریت بر اساس اطلاعات عینی در مورد توسعه شهری فراهم می­ شود.

با معرفی سامانه گوگل ارث انجین (Google Earth Engine, GEE) در اواخر سال ۲۰۱۰، شتاب پیشرفت ها در حوزه سنجش از دور افزایش یافت. این سامانه امکان دسترسی به ماهواره و سایر محصولات جانبی، محاسبات ابری و الگوریتم های پردازشی متنوعی را فراهم کرده است. گوگل ارث انجین یک بستر مبتنی بر اینترنت است که تصاویر ماهواره ای و داده های برداری ماهواره ای سری زمانی، محاسبات مبتنی بر ابر و دسترسی به نرم افزار و الگوریتم های پردازش چنین داده هایی را ارائه می دهد.

مجموعه داده ها در برگیرنده بیش از ۴۰ سال تصاویر ماهواره ای برای کل جهان است. در GEE دسترسی مستقیم به یک مجموعه چند پتابایتی از تصاویر ماهواره ای و مجموعه داده های سنجش از دور، از جمله کل EROS (USGS / NASA)، مجموعهLandsat، داده هایMODIS، تصاویر ماهواره های Sentinel و داده های هوایی NAIP وجود دارد. همچنین تصاویر و داده های بارش، ارتفاع، دمای سطح دریا و … نیز فراهم شده است. در حال حاضر GEE برای تحقیق، آموزش و استفاده غیرتجاری رایگان است.


مدرس دوره

  • محمد کاکوئی
  • متخصص سنجش از دور و برنامه نویسی پردازش تصاویر ماهواره ای
  • متخصص پردازش موازی با واحد پردازنده گرافیکی GPU
  • متخصص یادگیری ماشین و هوش مصنوعی
  • دارنده مدرک کارشناسی الکترونیک از دانشگاه شهید بهشتی
  • دارنده مدرک کارشناسی ارشد الکترونیک از دانشگاه علم و صنعت
  • دارنده مدرک دکتری الکترونیک از دانشگاه صنعتی نوشیروانی
  • مدرس دانشگاه
  • دارای چندین مقاله ISI و ISC
  • ارائه چندین مقاله در کنفرانس های بین المللی

تهیه فیلم ضبط شده این دوره به صورت دانلودی

به منظور خرید فیلم کلاس بر روی گزینه زیر کلیک کرده و پس از پرداخت، بلافاصله فایل های آموزشی را دانلود نمایید. 


نوشته های مرتبط :

آموزش های رایگان پیشنهادی :

۴۰ دیدگاه. ارسال دیدگاه جدید

  • با سلام و احترام
    پیشنهاد میدم یک اموزش یا مستر کلاس در مورد رفع خطاهای معمول در گوگل ارث انجین ساخته بشه
    ممنون

    پاسخ
    • سلام
      برگزاری اینچنین دوره ای در هیچ زبان برنامه نویسی و پلتفرمی، معمول نیست!
      در مقابل، ساختار کدنویسی باید به صورت بهینه نوشته شود تا از بروز خطا اجتناب شود.
      موفق باشید

      پاسخ
  • با سلام
    ایا امکان بررسی تغییر مساحت و ارتفاع ساختمانهای شهری با گوگل ارث انجین وجود دارد
    و روش پیشنهادی شما چیست
    ممنون از راهنماییتون

    پاسخ
    • سلام
      در این آموزش، امکان بررسی مساحت وجود دارد. در اینجا یک imagecollection از نقشه های شهری به کمک طبقه بندی ایجاد می شود و مساحت محیط شهری به صورت سری زمانی بررسی می شود.
      موفق باشید

      پاسخ
  • کسی برای پاسخگویی در این ایام هست

    پاسخ
  • عرض سلام و ادب خدمت اقای دکتر. در قسمت طبقه بندی imagecollection و تشکیل سری زمانی از تصاویر طبقه بندی شده، بنظرتون به چه نحوی باید اعتبار سنجی نمود؟ ایا برای هر تصویر یک اعتبار سنجی انجام داد یا کل تصاویر را با هم اعتبار سنجی کنیم؟ یک راهنمایی بفرمایید.

    پاسخ
  • با عرض سلام و احترام خدمت دکتر کاکویی . ممنون میشم یک راهنمایی بفرمایید که چه راهی پیشنهاد میدین برای بدست آوردن دقت هر تصویر؟ آیا با حلقه forباید انجام بدهیم یا…..؟ با تشکر

    پاسخ
    • سلام
      مشابه کاری که برای طبقه بندی تصاویر سری زمانی انجام دادید و به imageCollection تابع را map کردید، باید ارزیابی را در یک تابع بنویسید و map کنید.
      موفق باشید

      پاسخ
  • خیلی تشکر می کنم آقای دکتر. لطف فرمودید .

    با احترام

    پاسخ
  • سلام و عرض ادب خدمت دکتر کاکویی. ببخشید در ادامه بحث ارزیابی دقت طبقه بندی تصاویر میشه در کد زیر یک راهنمایی بفرمایید که دلیل اشتباه چی است؟ و باید به چه نحوی نوشته بشود؟

    var testingGeo= function(classified) {
    var samplestest=classified.sampleRegions({
    collection : testing_s2,
    properties : [‘ID2’],
    scale : 10});
    var confusion = samplestest.errorMatrix(‘ID2′,’classification’)
    return(confusion)
    };

    var confusionmatrix= classifiedcollection.map(testingGeo);
    print( ‘kappa’,confusion.kappa());

    پاسخ
    • سلام
      این کد در واقع یک لیست از ماتریس های ابهام را برمیگرداند.
      یکی اینکه میتوانید در خود تابع مقدار کاپا را برگردانید
      و همچنین میتوانید از لیست فعلی یک المان را get کنید و سپس مقدار کاپا را استخراج کنید
      موفق باشید

      پاسخ
  • عرض سلام و ادب خدمت دکتر کاکویی . ببخشید فرض بفرمایید یک شاخص را برای یک سری زمانی از تصاویر اعمال کرده ایم. برای اینکه separate index برای یک سری زمانی بدست بیاوریم، باید SI روبرای هر تصویر بدست بیاریم یا کل تصاویر؟ ایا ممکنه SI یک تصویر با تصویر بعدی توی یک سری زمانی فرقی داشته باشد؟

    با احترام

    پاسخ
    • سلام
      بله، SI ممکنه با توجه به ویژگی فصلی و آب و هوا متفاوت باشه.
      نمیدونم هدف نهایی شما چیست ولی اگر میخواهید نمودار سری زمانی SI در طول یک سال را بررسی کنید:
      ابتدا تصاویر مثلا ماهانه یا دو ماه از منطقه مورد مطالعه تشکیل دهید
      سپس به ازای تصاویر SI را محاسبه کنید و نمودار مد نظر را رسم کنید

      پاسخ
  • خیلی ممنون اقای دکتر بابت راهنمایی های مفید شما. دو مطلب خواستم خدمتتان بپرسم.
    ۱) من می خوام بهترین شاخص میان Awi,mndwi, ndwi ,ndvi را برای یک سری زمانی از تصاویر اعمال کنم. برای همین پرسیدم به چه صورت بهترین شاخص را برای این مجموعه از تصاویر پیدا بکنم . در این مورد نظر شما رو خواستم بپرسم

    ۲)با توجه به اموزش جنابعالی در این دوره من خیلی قسمت حد آستانه otsu را متوجه نشدم، آیا حد آستانه otsuرا می شود برای یک سری زمانی اعمال نمود؟ آیا باید برای هر تصویر یک حد آستانه اتسو را پیدا کنیم یا میشه برای همه تصاویر فراخوانی شده فقط یک حد استانه پیدا کرد؟

    با عرض احترام مجدد .

    پاسخ
    • خواهش میکنم
      ۱- همان طور که گفتم مثلا مجموعه تصاویر ۲ ماهه از تصاویر تشکیل دهید و شاخص ها را محاسبه کنید. سپس با رسم نمودار سری زمانی مقایسه آن ها ساده میشود.
      ۲-با توجه به توضیحات شما، باید در یک function بنویسید و به مجموعه تصاویر map کنید. چون مثلا تفکیک پذیری در طول سال متفاوته و قاعدتا آستانه اوتسو هم باید متفاوت باشه.
      موفق باشید

      پاسخ
  • سلام و عرض ادب وقت بخیر
    دستور feature selection در گوگل ارث انجین به چه صورت باید نوشته شود تا ارور ندهد؟
    برای ارزیابی شاخص ها در خصوص اینکه کدام بهتر عمل میکند از feature selection استفاده شود بهتر است یا feature extraction ?

    پاسخ
    • سلام
      به صورت اتوماتیک شما دستوری برای feature selection ندارید. مثلا میتوانید با Random forest طبقه بندی کنید و سپس اهمیت ویژگی ها راببینید و مبتنی بر آن ویژگی ها را انتخاب کنید.
      همچنین میتوانید، مثلا با PCA کاهش تعداد ویژگی ها را داشته باشید.
      برای feature extraction هم خودتان باید برای هر ویژگی کد بنویسید. گرچه مثلا برای استخراج لبه canny و… دستورهای آماده وجود دارد، اما خودتان باید روند استخراج ویژگی را طراحی و پیاده سازی کنید.
      موفق باشید

      پاسخ
  • برای کد سری زمانی لندست نمونه های اموزشی را چطور انتخاب کنیم که دقت قابل قبولی بدست بیاید؟
    فقط یکبار برای کد سری زمانی لندست ۸ میتوان نمونه انتخاب کرد یا کدی هست که بتوان این کار را با توجه به نقشه هرسال انتخاب کند ؟

    پاسخ
    • میتوانید کد انتخاب نمونه ها را در یک function قرار دهید و به ازای سال های مختلف map کنید تا نیاز به تکرار نباشد.
      اما توصیه میکنم حتما قبل از انتخاب اتوماتیک به این شکل، یک بازبینی چشمی از نقشه های سالیانه داشته باشید تا بعدا نمونه های نویزی و پرت نداشته باشید.

      پاسخ
  • خیلی مچکرم بابت پاسخگویی شما استاد عزیز جناب اقای دکتر کاکویی.
    یک سوال دیگر هم داشتم,ایا میتوان همانطور که فانکشن شاخص هارا به کالشن تصاویر مپ کردیم,فانکشن SI را هم به انها مپ کنیم و در همان کد ,طبقه بندی انجام دهیم؟(بدون هیچ اروری)

    پاسخ
    • خواهش میکنم
      بله، مشکلی نداره
      طبقه بندی تصایر سری زمانی هم در این آموزش انجام شده و مشابه همین روند را انجام دهید.

      پاسخ
  • بله این اموزش مفید را تهیه کردم و کمال تشکر را از شما دارم.
    میتوانم لینک نمونه ی کدی که نوشته ام را برایتان بفرستم چک بفرمایید تا بتوانم ایرادات ان را رفع بنماییم؟

    پاسخ
  • علیرضا بنی اسدی
    ۱۴۰۰-۰۵-۰۳ ۸:۴۷ ب٫ظ

    با عرض سلام و احترام خدمت جناب آقای دکتر کاکویی من دانشجوی دوره دکتری اقلیم شنایی هستم می خواستم روی موضوع تغییرات میزان کشت پسته در شمال استان کرمان طی یک دوره ۴۰ ساله یک مقاله علمی پژوهشی داخلی بنویسیم به این صورت که در ۷ شهرستان شمالی استان کرمان روند افزایشی بوده یا کاهشی یا در بعضی از شهرستان مثلا در ۴۰ سال گذشته پسته کاری نبوده و مثلا از ۱۰ سال یا ۱۵ سال پیش شروع شده می خواستم ببینم اگر بخواهیم شما را به عنوان کمک راهنمای انجام این مقاله انتخاب کنم در انتخاب تصاویر ، بررسی میزان تغییرات کشت پسته می توانم
    از شما خواهش کنم کمک کنید و در در قبال کمک شزایط آن و میزان هزینه چقدر می باشد کل اطلاعات را خودم جمع آوری می کنم فقط در تحلیل و نتیجه گیری و روش کار می خواستم از راهنمایی شما استفاده کنم یا تصاویر خاصی که برای این منظور باید تهیه کنم شما کمک کنید . رفرنس و موزائیک محدوده نیز خودم انجام می دم اگر لطف کنید همکاری کنید بسیار ممنون و سپاسگزار شما خواهم بود . موضوع اصلی پایان نامه من بررسی وضعیت تغییر اقلیم بر شاخص های اقلیم کشاورزی درخت پسته در شمال استان کرمان می باشد. شمال استان کرمان در اینجا شامل ۱. رفسنجان ۲. انار ۳. سیرجان ۴. شهربابک ۵. کرمان ۶. زرند ۷. راور می شود.

    پاسخ
    • سلام جناب آقای بنی اسدی
      از آشنایی با شما خوشحال شدم و موضوع کاری شما نیز جالب است. اما، متاسفانه زمان کافی برای ورود به کار جدید ندارم.
      امیدوارم در پژوهش پیش رو موفق باشید و نتایج آن را در مقالات معتبر منتشر کنید.
      موفق باشید

      پاسخ
  • علیرضا بنی اسدی
    ۱۴۰۰-۰۵-۰۷ ۴:۵۷ ب٫ظ

    با سلام از ارسال جواب شما ممنون هیچ راهی وجود ندارد در آشکار سازی تغییرات کمک ام کنید هزینه آن را نیز هر چه بفرمایید تقدیم می کنم فقط شما در زمینه آشکار سازی دو دوره به من کمک کنید بقیه را خود انجام میدمدم مثلا دوره ۱۹۸۵ تا ۱۹۹۵ اگر کمک کنید بسیار سپاسگزاز شما خواهم بود و فقز در نرم افزار envi می خواهم کمک ام کنید

    پاسخ
  • باعرض سلام و وقت بخیر خدمت شما
    ممنون از ویدیوهای اموزشی مفیدتان.
    ایا در سامانه GEE کدی برای پیش بینی روند رشد شهری وجود دارد ؟یا ویدیو اموزشی این موضوع در سامانه GEE هست من تهیه کنم؟
    باتشکر

    پاسخ
    • سلام
      خیر، مدل آماده برای این کار وجود نداره.
      در ویدئوی آموزشی ما هم این مطلب وجود ندارد.
      محیط GEE مبتنی بر کدنویسی است که ابزارهای پرکاربرد یادگیری ماشین و پردازش تصویر را در دسترس قرار میدهد. پلتفرم های کدنویسی کمتر به سمت ایجاد توابع آماده برای کاربردهای اختصاصی میروند. تنها گزینه، جستجو در فروم های مربوطه است و شاید کاربری کد خود را به اشتراک گذاشته باشد و به عنوان مبنای کار شما قرار بگیرد.
      موفق باشید

      پاسخ
    • با سلام و احترام

      بله کدهایی در این زمینه نوشته شده است اما بنده در این رابطه کد واحدی ندارم که تست شده باشه تا بخوام باهاتون به اشتراک بزارید.

      موفق باشید

      پاسخ
  • ممنون از پاسخگویی شما دوبزرگوار.
    برای فراخوانی تصاویر فقط یک فصل را (مثلا تصاویر june تا september ) فراخوانی کنم و سپس میانه بگیرم بهتر است یا اینکه تصاویر کل سال فراخوانی بشه و درنهایت میانه گرفته شود؟!تا بتوان از تصاویر change مطلوب گرفت…

    پاسخ
    • سلام
      اگر هدف شما pixel-based change detection هست، باید طوری تصاویر را مدیریت کنید که seasonal effect اذیت نکند.
      توصیه من استفاده از میانه های زمانی است، مثلا
      ۱- یک میانه march تا may
      ۱- یک میانه jun تا aug
      ۳- یک میانه sep و nov
      و درنهایت با تلفیق اینها تغییرات را بررسی کنید.
      موفق باشید

      پاسخ
  • با سلام و احترام خدمت دکتر کاکویی. در این آموزش حد استانه اوتسو را برای یک تصویر پیدا نمودین. بنظرتون میشه برای هر تصویر از ایمیج کالکشن، حد استانه اوتسو را یافت؟ یعنی میشه همین کد را بصورت فانکشن نوشت و سپس به تصویر ها مپ کرد؟

    پاسخ
    • سلام
      بله، امکان پذیر است.
      البته در این آموزش، کار سخت تری نسبت به آستانه گذاری سری زمانی آموزش داده شده است که در آن نمونه برداری و طبقه بندی سری زمانی برای تولید نقشه محیط شهری انجام شده است. به شیوه مشابه، تابع otsu را به تصاویر سری زمانی map کنید.
      موفق باشید

      پاسخ
  • سلام استاد وقتتون بخیر باشه. ممنون بابت راهنمایی های مفیدتون. من کد موردنظر رو نوشتم برای اینکه تابع اوتسو را به image collection مپ کنم . منتها در قسمت پرینت حد آستانه ها اروری میگیرم. ممکنه یک راهنمایی یا اصلاحی بفرمایید با تشکر.
    https://code.earthengine.google.com/9b990bde5f7b119e2d5fea228d2042b4

    پاسخ
  • سلام استاد . ممنون میشم یک نگاهی به کد بندازین . یک اروری دریافت می کنم . اگر هر زمان فرصت داشتید یک نگاهی بهش بندازید ممنون میشم.
    با احترام

    پاسخ
  • سلام وقت بخیر
    فرمول SI که در ویدیو ها به صورت SI فانکشن نوشته شد, صرفا برای ۲ کلاس انجام پذیر است ؟
    یعنی میتوان mean ,stddev را برای چندکلاس تعریف کرد و فرمول SI را به همان شکل بسط داد؟
    (اعداد با مقدار بیشتری حاصل شد)

    پاسخ
    • سلام
      خیر، تعریف تفکیک پذیری به این شکل صحیح نیست.
      شما میتوانید به صورت دو به دو مقایسه کنید و نتیجه را در یک جدول متقاطع گزارش کنید.
      همچنین برای مقاله میتوانید میانگین و انحراف از معیار هر کلاس را محاسبه کنید و در یک نمودار جعبه ای رسم کنید.

      پاسخ
  • سلام وقت بخیر
    فرمول SI که در ویدیو ها به صورت SI فانکشن نوشته شد, صرفا برای ۲ کلاس انجام پذیر است ؟
    یعنی میتوان mean ,stddev را برای چندکلاس تعریف کرد و فرمول SI را به همان شکل بسط داد؟
    (اعداد با مقدار بیشتری حاصل شد)

    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.

فهرست
🎈 ثبت نام دوره آنلاین آموزش Google Earth Engine 2022 - 👨‍🦱 مدرس: امیرحسیم احراری - 🎁 کد تخفیف 35 درصدی: dmmf
روز
ساعت
دقیقه
ثانیه
👈👈 لینک ثبت نام