سنجش از دور (Remote Sensing) به عنوان یکی از پیشرفتهترین و مؤثرترین روشهای جمعآوری اطلاعات از سطح زمین شناخته میشود. این فناوری از حسگرهایی که بر روی ماهوارهها نصب شدهاند استفاده میکند تا دادهها را بدون نیاز به حضور فیزیکی جمعآوری کند.
تصاویر ماهوارهای به عنوان یک منبع مهم داده، نقش بیبدیلی در تحلیل پدیدههای زمینشناسی و محیطی ایفا میکنند. این تصاویر اطلاعات دقیقی در مورد پارامترهای مختلف محیطی از جمله پوشش گیاهی، رطوبت خاک، دمای سطح زمین و بسیاری دیگر از عوامل ارائه میدهند. این دادهها برای تحقیقاتی که در حوزههای کشاورزی، مدیریت بحران، مطالعات محیطی و برنامهریزی شهری انجام میشود، حیاتی هستند.
پایتون به عنوان یکی از زبانهای برنامهنویسی قدرتمند و محبوب، با داشتن کتابخانههای تخصصی در حوزه پردازش دادههای جغرافیایی و تصاویر ماهوارهای، ابزار ایدهآلی برای کار با این نوع دادهها است. این زبان با داشتن قابلیتهای گسترده برای تجزیه و تحلیل دادهها، به کاربران این امکان را میدهد تا به راحتی فیلترهای مورد نیاز خود را روی تصاویر اعمال کنند، وضوح تصاویر را بهبود بخشند و اطلاعات ارزشمندی را از تصاویر استخراج کنند.
در دوره “دانلود تصاویر ماهوارهای با پایتون”، شما یاد خواهید گرفت که چگونه با استفاده از سرویس OpenSpace به دادههای ماهوارهای دسترسی پیدا کنید و آنها را به صورت خودکار دانلود نمایید.
یکی از مزایای اصلی این دوره این است که به شما آموزش میدهد چگونه تنها محدوده جغرافیایی مورد نظر خود را برای دانلود تصاویر انتخاب کنید. این قابلیت باعث صرفهجویی در حجم دادهها و مصرف اینترنت میشود و شما میتوانید دادههای مرتبط با پروژه خود را سریعتر و دقیقتر دریافت کنید. این روش بهینهسازی به شما اجازه میدهد تا با تمرکز روی دادههای ضروری، از بار اضافی سیستم و پهنای باند جلوگیری کنید.
همچنین، در این آموزش شما یاد خواهید گرفت که به جای دانلود کل باندهای تصاویر ماهوارهای، فقط باندهای مورد نیاز برای تحلیل خود را انتخاب و دانلود کنید. این کار نه تنها باعث صرفهجویی در حجم دادهها میشود، بلکه سرعت پردازش و تحلیل دادهها را نیز بهبود میبخشد. این آموزش برای علاقهمندانی که قصد دارند از دادههای ماهوارهای برای تحقیقات علمی و صنعتی استفاده کنند، بسیار مناسب است و به شما کمک میکند تا مهارتهای لازم برای کار با این دادهها را به دست آورید.
مدرس دوره کیست؟
- 👨🏫 مدرس دوره: هادی امامی
- 🎓 کارشناس: سنجش از دور و پردازش تصاویر ماهوارهای
- 💻 مسلط به زبانهای برنامهنویسی: Python, R, Julia, JavaScript
- 🎓 مدرک تحصیلی: کارشناسی ارشد سنجش از دور از دانشگاه شهید بهشتی
- 🎓 مدرک بینالمللی: علوم کامپیوتر از دانشگاه هاروارد آمریکا
- 🏆 سابقه تدریس: نخستین مدرس تخصصی کاربرد زبان برنامهنویسی پایتون در سنجش از دور
- 📚 دورههای آموزشی: طراح و مدرس بیش از 20 آموزش تخصصی سنجش از دور
- 📝 مقالات علمی: دارنده چندین مقاله معتبر در زمینه سنجش از دور و سیستم اطلاعات جغرافیایی
- 🏅 رتبه: تک رقمی کنکور ارشد سنجش از دور
- ⏰ تجربه تدریس: بیش از 500 ساعت دوره آموزشی
بخش کوتاهی از آموزش
تصاویری که در این آموزش یاد میگیرید دانلود کنید:
این تصاویر شامل موارد زیر است:
- Landsat-8 📷دادههای سطح دوم از ماهواره Landsat 8
- Sentinel-1 GRD 🌍دادههای راداری از ماهواره Sentinel-1
- Sentinel-2 L1c 🌌دادههای سطح اول C از ماهواره Sentinel-2
- Sentinel-2 L2a 🌠دادههای سطح دوم A از ماهواره Sentinel-2
- Sentinel-3 OLCI 🌍 دادههای سنجش از دور از حسگر OLCI بر روی ماهواره Sentinel-3
- Sentinel-3 SLSTR 🌡️ دادههای سنجش از دور از حسگر SLSTR بر روی ماهواره Sentinel-3
- Sentinel-3 Syn L2 Syn 🌈دادههای ترکیبی سطح دوم از Sentinel-3
- Sentinel3 SLSTR L2 LST 🌡️دادههای دما از سطح دوم Sentinel-3
- Sentinel-5P 🌫️دادههای سطح دوم از ماهواره Sentinel-5P، مربوط به کیفیت هوا.
- Copernicus Vegetation Phenology 🌱دادههای فصلی از پوشش گیاهی و تولیدات با وضوح 10 متری.
- Copernicus Plant Phenology Index 🌼 شاخص فنولوژی گیاهان.
- ESA World cover 10m 🗺️ نقشه پوشش جهانی زمین با وضوح 10 متر برای سال 2020.
- Copernicus Vegetation Indices 🌳شاخصهای پوشش گیاهی.
- Copernicus 30 🛰️دادههای سنجش از دور از برنامه Copernicus
- Sentinel1 Global Mosaics 🌐 موزاییکهای جهانی از دادههای راداری Sentinel-1.
نکته مهم:
در این دوره، شما این امکان را دارید که فقط محدوده مورد نظر خود را دانلود کنید و نیازی به دریافت کل تصویر با حجم بالا نخواهید داشت. این ویژگی به شما کمک میکند تا به طور مؤثری در حجم اینترنت خود صرفهجویی کنید و تنها باندهای مورد نیاز برای تحلیلهای خود را دریافت نمایید. با این رویکرد، میتوانید بهینهسازی بیشتری در پردازش دادههای خود داشته باشید.
سرفصل های آموزشی:
🌐 فصل اول: آموزش دانلود تصاویر سنتینل از وبسایت OpenSpace
- نحوه دانلود تصاویر سنتینل با فرمت جدید
- آموزش ثبتنام در وبسایت جدید دانلود تصاویر سنتینل
- نحوه دانلود تصاویر با سطحهای مختلف و سنسورهای مختلف
- نحوه انتخاب محدوده مورد مطالعه جهت دانلود تصاویر
🌐 فصل دوم: آمادهسازی محیط برنامهنویسی
- آشنایی با وبسایت io
- آشنایی با محیط کولب جهت کار با زبان برنامهنویسی پایتون
- نصب کتابخانههای مورد نیاز
🌐 فصل سوم: اتصال به API وبسایت OpenSpace
- آموزش اتصال به API وبسایت OpenSpace
- نحوه دسترسی به کالکشن تصاویر ماهوارهای مختلف
- نحوه مشاهده کالکشنهای در دسترس جهت دانلود
- آموزش نحوه انتخاب کالکشن مدنظر
- نحوه دسترسی به ابزارهای در دسترس جهت پردازش تصویر
- نحوه انتخاب محدوده مورد نظر جهت دانلود تصویر (Spatial Extent)
- انتخاب سطح و نوع سنسور جهت دانلود تصاویر
- نحوه انتخاب باندها و تاریخ جهت شخصیسازی دانلود تصویر
- نحوه تنظیم میزان ابری بودن تصاویر
- نحوه انتخاب تصویر بر اساس متادیتای تصاویر
- نحوه تنظیم Scale Factor جهت دانلود تصاویر با مقادیر مناسب
- نحوه ارسال دستورهای داده شده به سرور OpenSpace جهت دانلود تصاویر
- نحوه ذخیرهسازی تصاویر دانلود شده با فرمت مدنظر
🌐 فصل چهارم: کار با تصاویر
- نحوه اعمال شاخص بر روی تصاویر دانلود شده
- نحوه نمایش تصاویر پردازش شده
- نحوه استفاده از تصاویر سنتینل 2 و 3
- نحوه نمایش باندها به صورت Single Band و RGB
- نحوه افزایش کنتراست تصویر جهت بصریسازی بهتر
- نحوه ذخیرهسازی تصویر پردازش شده
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.