طبقه بندی تصاویر ماهواره ای لندست در Google Earth Engine
۳۵۹,۰۰۰ تومان
- مدرس : امیرحسین احراری (کارشناس سنجش از دور و پردازش تصاویر ماهواره ای)
- موضوع : طبقه بندی تصاویر ماهواره ای
- مخاطب : علاقه مندان به تولید نقشه های کاربری و پوشش اراضی
- نرم افزار : سامانه پردازشی Google Earth Engine
توضیحات
توضیحات
آموزش طبقه بندی تصاویر ماهواره ای در Google Earth Engine منتشر شد!
آموزشی کاربردی برای اعمال مهم ترین الگوریتم های طبقه بندی تصاویر ماهواره ای.
مراحل طبقه بندی را با بالاترین سرعت و در کوتاهترین زمان ممکن انجام دهید.
روش پیاده سازی طبقه بندی کمترین فاصله.
روش پیاده سازی طبقه بندی ماشین های بردار پشتیبان.
روش پیاده سازی طبقه بندی درخت تصادفی.
عناوین آموزشی
- روش فراخوانی تصاویر ماهواره ای لندست در Google Earth Engine
- روش ترکیب تصاویر سری زمانی لندست برای طبقه بندی
- روش انتخاب باندهای کاربردی برای طبقه بندی
- روش انتخاب نمونه های کاربردی برای طبقه بندی در Google Earth Engine
- روش اعمال طبقه بندی کمترین فاصله Minimum Distance
- روش اعمال طبقه بندی درخت تصادفی Random Forest
- روش اعمال طبقه بندی ماشین های بردار پشتیان Support Vector Machine
- روش اعتبار سنجی نقشه طبقه بندی شده با استفاده از ماتریس خطاها
- روش خروجی گرفتن از نقشه طبقه بندی شده به فرمت TIFF
طبقه بندی تصاویر ماهواره ای لندست در Google Earth Engine
مزیت این محصول آموزشی
- عدم نیاز به دانلود داده های لندست با حجم 1 گیگابایت
- دانلود آخرین و مهم ترین نتیجه پردازش با حجم چند مگابایت
- عدم نیاز به انجام تصحیحات هندسی و رادیومتریکی داده های لندست
- استفاده از داده های پردازش شده
- پردازش مبتنی بر منطقه مورد مطالعه
- برداشت نمونه ها بصورت کاربر پسند و تحت وب
- امکان استفاده از تصاویر توان تفکیک مکانی بالا در برداشت نمونه ها
- اعتبار سنجی سریع
نظرات (0)
نقد و بررسیها
محصولات بیشتر
سمیه –
سلام استاد خواستم قبل از تهیه این محصول چند نکته را بدانم
۱۰ با چه نرم افزاری کار می شود
آیا می توان داده های برای مثال ۲۰ سال پیش را هم طبقه بندی کرد
دقتش تا چه اندازه است
آیا نیاز به نمونه زمینی هم دارد
ممنون می شم پاسخ بدهید
Amirhossein.Ahrari@Gmail.com –
با سلام و احترام خدمت شما.
سامانه پردازشی تحت وب گوگل ارث انجین در این رابطه استفاده شده است. از طریق یک آدرس اینترنتی میتوانید وارد آن شده و از قابلیت های موجود در آن استفاده کنید.
تمامی داده های ماهواره ای سری لندست را میتوان طبقه بندی کرد.
روش کار مانند نرم افزارهایی چون ENVI ولی بصورت برنامه نویسی است و دقت آن تابعی از دقت تصاویر ماهواره ای مورد استفاده است.
در این جا بنده بدون نمونه های زمینی آموزش دادم اما خب در بهترین حالت بله نیاز به داده های زمینی نیز هست اما نه برای تمامی کلاس ها. به نوع کلاس های مورد نظر شما هم بستگی دارد.
موفق باشید
عرفان –
سلام استاد احراری
آیا امکان محاسبه خطای omision و comission در سامانه گوگل ارث انجین برای نتایج طبقه بندی وجود دارد؟ ممنون میشم راهنمایی بفرمایید
امیرحسین احراری –
با سلام و احترام
user accuracy و producer accuracy را می توانید محاسبه کنید.
موفق باشید
افشین –
سلام
برای طبقه بندی یک حوزه ی بزرگ بدون داده زمینی استفاده از این محصول پیشنهاد میکنید یا مودیس؟
نظرتون استفاده از محصول آماده ی کاربری اراضی چیست ؟
Amirhossein.Ahrari@Gmail.com –
با سلام و احترام
برای یک حوزه بسیار بزرگ بنده استفاده از داده های کاربری اراضی مادیس رو پیشنهاد میکنم. مگر آنکه دقتی در حد ۳۰ متر احتیاج داشته باشید.
موفق باشید
آیدین –
سلام خدمت جناب مهندس
آیا این محصول قابل استفاده برای سطح وسیعی مانند یک حوزه بزرگ است یا خیر ؟
Amirhossein.Ahrari@Gmail.com –
با سلام و احترام
بله قابل استفاده است. به شرط آنکه حجم نتیجه شما بیشتر از ۱۴ گیگ نشود. شما تنها میتوانید نتایجی رو خروجی بگیرید که حجم آن کمتز از ۱۵ گیگ باشد. مگر آنکه بتوانید فضای بیشتری از گوگل درایو را خریداری کنید.
موفق باشید
سمیه –
سلام استاد
من این محصول را تهیه کردم ولی با آدرس اینترنتی که در آموزش ذکر شد نمی تونم وارد سایت بشم خطا ۴۰۴ می دهد آیا به نرم افزار خاصی یا فیلتر شکن نیاز هست که بتونم وارد بشم لطفا راهنمایی بفرمایید
ممنون
Amirhossein.Ahrari@Gmail.com –
با سلام و احترام
بله با استفاده از فیلترشکن های ساده موجود میتوانید وارد سایت شوید. نام فیلترشکن ها را به ایمیل شما الان ارسال میکنم.
موفق باشید
حسن گودرزی –
سلام من دوره آموزشی شمارا دنبال می کنم تا حالا پارت ۴ ویدئویی برام میل شده ولی پارت ۵ ارسال نشده لطفا پیگیری بفرمایید
Amirhossein.Ahrari@Gmail.com –
با سلام و احترام
دقیقا کدامیک از دوره ها را میفرمایید؟ الان شما در محصول طبقه بندی تصاویر ماهواره ای لندست در گوگل ارث انجین کامنت گذاشتید. در این محصول ایمیلی بصورت بخش بخش ارسال نمیشود. ممنون میشم در صفحه محصول یا دوره مورد نظرتون سوال رو مطرح بفرمایید که بتونیم شما را راهنمایی کنیم.
موفق باشید
حامد –
سلام جناب احراری،
امکانش هست بررسی کنید که لینک خرید محصول کار می کند یا خیر
ممنون
حامد –
ممنون مشکل از اینترنت بنده بود، عذر میخوام
SAH –
با سلام خدمت استاد گرانقدر
آیا مطالب ارائه شده در این محصول ، فراتر از وبینار برگزار شده می باشد و کد نویسی هم توضیح داده شده
Amirhossein.Ahrari@Gmail.com –
با سلام واحترام
وبینار رایگان گوگل ارسث انجین از مطالب بیشتری برخوردار است.
موفق باشید
SAH –
با تشکر
لطفا در صورت امکان نام فیلتر شکنهای مورد استفاده جهت ورود به گوگل ارسث انجین را برای بنده نیز ایمیل فرمایید
متین –
با سلام و خسته نباشید خدمت شما
امکانش هست در این آموزش برای برنامه برای ارزیابی صحت طبقه بندی با استفاده از فراخوانی داده های برداشت شده با GPS نوشت.
امکانش هست اسکریپت مربوط به آن را در این بخش بگذارید.
ممنون
Amirhossein.Ahrari@Gmail.com –
متاسفانه فعلا در این رابطه کدی ندارم. چون تا حالا چنین کاری رو انجام ندادم.
موفق باشید
امین –
با سلام
در google earth engine آیا می توان خط القعر ابراهه ها را به دست آورد؟
آیا قابلیت تفکیک حد بستر آبراهه ها را دارد؟
Amirhossein.Ahrari@Gmail.com –
با سلام و احترام
این کاری که میفرمایید را تا حالا انجام ندادم و با روش آن آشنا نیستم اما اگر محاسبه ای ریاضیاتی باید بین باندها در این رابطه صورت بگیرد، این سامانه قابلیت انجام آن را دارد.
موفق باشید
حامد –
سلام خسته نباشید جناب احراری،
یک موردی بود که در خصوص طبقه بندی تصاویر ذهن من رو مشغول کرده.
ببینید شما در قسمتی از آموزشتون میاید نمونه هایی رو انتخاب میکنید روی نقشه satellite image به عنوان point یا label مثل builtup area و …تا پروسه طبقه بندی تصاویر صورت بگیره مثلا در بازه اول ماه ژانویه ۲۰۱۸ تا اول ژانویه ۲۰۱۹
در صورتی که مثلا برای ۱۰ سال پیش نقشه اصلی که ما بیایم روش دوباره این point هارو بزاریم برای طیقه بندی فرق میکنه..خب چچوری میشه اون عکس google earth 10 سال پیش رو دید که بشه اون نقطه ها رو برای طبقه بندی کاربری زمین دوباره درست انتخابش کرد ؟
حامد –
منظورم اینه که صرفا با تغییر بازه زمانی فراخوانی نقشه های landsat و ثابت نگه داشتن اون terrain sample ها نقشه کاربری زمین ما برای ۱۰ سال پیش هم درسته ؟ چون مثلا اونجایی که ما الان داریم به عنوان ساختمان در سال ۲۰۱۹ میبینیم و به عنوان ساختمان مد نظر قرار میدیم تو طبقه بندی کاربری زمین ممکنه برای ۱۰ سال پیش ساختمان نبوده باشه
Amirhossein.Ahrari@Gmail.com –
با سلام و احترام
در این محصول آموزشی بنده نمونه ها رو از روی تصویر ماهواره ای لندست برداشت کردم نه از روی تصاویر گوگل ارث انجین. نمونه ها از روی تصاویر لندست برداشته شده و طبقه بندی هم بر اساس تصاویر لندست صورت گرفته است. بنده نمونه هام رو از روی تصویر گوگل برداشت نکردم بلکه از روی تصویر لندست فراخوانی شده برای یک بازه زمانی کوتاه انتخاب کردم. تصویر لندست ترکیب شده نیز برای بازه زمانی کوتاهی در حد چند ماه خاص هست و تصاویر ترکیب شده متلعق به چند سال نیستند که مشکل ایجاد کند.
موفق باشید
حامد –
ممنون جناب احراری بابت پاسخگوییتون.
اگر بخواهیم به عنوان مثال برای سال ۲۰۱۳ همین کار رو تکرار کنیم جهت انتخاب نمونه ها چه راهی رو پیشنهاد میکنید
چرا که تصویر گوگل ارث انجین ۲۰۱۹ زیر لندست ۲۰۱۳ میفته و امکان تشخیص نمونه ها به سادگی وجود نداره
Amirhossein.Ahrari@Gmail.com –
با سلام و احترام
برای هر سالی که نیاز به برداشت نمونه ها دارید فقط تصویر همان زمان را بصورت بصری نمایش دهید و امکان نمایش داده شدن تصاویر زمان های دیگر ار حذف کنید تا مشکلی در این رابطه ایجاد نشود.
به نظر بنده اگر برای چند سال میخواهید طبقه بندی را انجام دهید برای هر سال یک کد جداگانه بنویسید. حتی میتوانید کد سال قبل را برای سال بعد کپی پیست کنید. فقط در این شرایط تاریخ تغییر میکند.
موفق باشید
حامد –
سلام جناب احراری ممنون از پاسخگوییتون من تونستم ترکیب بندی که مد نظرم بود رو برای لندست ۸ پیدا کنم)https://developers.google.com/earth-engine/landsat
که در واقع جواب سوالم بود
فقط یه مورد دیگه اینکه شما الگوریتمی برای حذف ابر از تصاویر لندست ۸ هم نوشتید که بشه استفاده کرد ؟
ممنون از شما و زحماتتون
Amirhossein.Ahrari@Gmail.com –
با سلام و احترام
بسیار خوب. برای حذف ابر از تصاویر بنده پیشنهاد میکنم از الگوریتم MVC استفاده نمایید که با استفاده از تصاویر سری زمانی قابل تولید است. به عنوان مثال با ترکیب ماکزیموم تصاویر ndvi گرفته شده در یک ماه شما میتوانید نسبت به تولید تصویر ndvi ماهیانه بدون ابر لندست اقدام کنید.
موفق باشید