بالاترین کیفیت
محصول آموزشی پایش تغییرات فضای سبز شهری با تصاویر ماهواره ای لندست در نرم افزار ENVI آموزش داده شده است. با استفاده از این محصول آموزشی شما می توانید با تکنیک پایش فضای سبز شهری با تصاویر ماهواره ای لندست در نرم افزار ENVI آشنا شوید.
تکنیک های ارائه شده در این محصول آموزشی بسیار ساده است و نیاز به پیش نیاز خاصی ندارد. فقط کافی است با روش دانلود تصاویر ماهواره ای لندست آشنا باشید. منطقه مورد مطالعه در این محصول شهر تهران است با این حال تکنیک آن برای تمامی شهرهای جهان قابل استفاده است.
توضیحات آموزش
در این محصول آموزشی روش آشکارسازی تغییرات فضای سبز شهری با تصاویر ماهواره ای لندست در نرم افزار ENVI آموزش داده شده است. در این محصول تصاویر لندست ۸ و ۵ برای سال های ۲۰۲۰ و ۱۹۹۰ میلادی به منظور پایش تغییرات فضای سبز شهری تهران بکار رفته است.
در بخش اول این محصول روش تصحیح رادیومتریکی و اتمسفری تصاویر لندست و آماده سازی آن ها برای آشکارسازی تغییرات ارائه و در بخش دوم روش پایش تغییرات فضای سبز شهری با استفاده از شاخص پوشش گیاهی نرمال شده بصورت خودکار تدریس شده است.
عناوین آموزشی
مهم ترین عناوین آموزش این محصول عبارت اند از:
- محاسبه رادیانس
- محاسبه بازتاب سطحی
- تصحیح اثر اتمسفر
- کار با تصاویر لندست ۸
- کار با تصاویر لندست ۵
- آشکارسازی تغییرات با شاخص پوشش گیاهی
- شناسایی پوشش های گیاهی کاهش یافته
- شناسایی پوشش های گیاهی افزایش یافته
- محاسبه مساحت تغییرات
توجه: تمامی فرایند پایش تغییرات در این محصول بصورت خودکار توسط ماژول های نرم افزار ENVI انجام می شود.
روش های آشکارسازی تغییرات
بصورت کلی روش های آشکارسازی تغییرات در سنجش از دور عبارت اند از:
- روش های باینری
- روش های مبتنی بر طبقه بندی
- روش های مبتنی بر شاخص های طیفی
- روش های مبتنی بر تبدیلات طیفی
در این محصول آموزشی روش پایش تغییرات بر اساس شاخص های طیفی تدریس شده است.
آشکارسازی تغییرات در ENVI
نرم افزار ENVI قابلیت های گسترده ای در زمینه آشکارسازی تغییرات دارد. مهم ترین ابزارهای آشکارسازی تغییرات در نرم افزار ENVI عبارت اند از:
- دستور Image Change Workflow
- دستور Thematic Change Workflow
- دستور Statistical Change Detection
با استفاده از این ابزارها تمامی روش های آشکارسازی تغییرات با استفاده از تصاویر ماهواره ای مبتنی بر دو یا چند تصویر بصورت کاربردی فراهم است. در این محصول شما با قابلیت دستور Image Change Workflow برای آشکارسازی تغییرات بر اساس شاخص های طیفی آشنا خواهید شد.
داوود –
با سلام و احترام
در ارتباط با شناسایی زمین شناسی یک منطقه با ارث انجین موردی سراغ دارید راهنمایی بفرمایید یا در محصولاتی که دارید. با تشکر.
امیرحسین احراری –
با سلام و احترام
فقط در محصول زیر چند تکنیک کاربردی در ارث انجین آموزش داده شده است:
https://girs.ir/aster-mineral-index-gee/
موفق باشید
علیرضا بنی اسدی –
با عرض سلام و تشکر فراوان بابت ارائه بسیار مفید و ارزمشندتان می خواستم بپرسم چور امکان دارد آن تصویر زمینه سیاه نتایج خروجی را حذف کنیم و همچنین امکان خروحی گرفتن از نتیجه کار به صورت شیب فایل جهت ورد به ارک مپ وجود دارد اگر راهنمایی کنید بسیار ممنون و سپاس گرار شما خواهم بود
امیرحسین احراری –
با سلام و احترام
کلاس 0 را رنگ سفید بدید.
موفق باشید
سارا قلی پور –
با سلام و وقت بخیر
ببخشید میخواستم بپرسم نام فایل تصاویر لندست به چه معناست؟ مثلا فایلی با نام زیر مربوط به ماهواره لندست 5 در تاریخ2008/05/25 است یا تاریخ 01/27/ 2018؟
LT05_L1TP_168034_20080525_20180127_01_T1.
امیرحسین احراری –
با سلام و احترام
در لینک زیر توضیح داده شده است:
https://www.usgs.gov/faqs/what-naming-convention-landsat-collections-level-1-scenes?qt-news_science_products=0#qt-news_science_products
موفق باشید
مهدی –
سلام خسته نباشید من در فراخوانی تصاویر لندست با این ارورو رو به رو میشم ” unable to read file as the specified type : landsat_geotiff_meta ” چه کار باید بکنم ؟ ممنون میشم اگر که بتونید بهم کمک کنید.
امیرحسین احراری –
با سلام و احترام
فایل لندست رو حتما در آدرسی قرار بدید که در آن فایلی یا فولدری به نام فارسی نباشد.
فقط داده های لندست ضمیمه شده را از طریق فایل MTL فراخوانی کنید.
نسخه نرم افزاری مورد استفاده باید انوی 5.3 باشد.
موفق باشید
مهدی –
سلام مجدد من کاراهایی که گفتید مربوط به خطای ” unable to read file as the specified type : landsat_geotiff_meta ” را انجام دادم مشکل از نامه پوشه بود که فارسی نوشته شده بود و فایل ضمیمه دوره شما برایم باز شد اما متاسفانه تصاویر لندست 8 مربوط به منطقه مورد مطالعه خودم که مربطه به سال های 2015 و 2020 بود باز نشدند همه ی چیزاهایی که گفتید را هم چک کردم ممنون میشم که مجددا راهنماییم کنید.
امیرحسین احراری –
با سلام و احترام
شاید تصاویر شما collection 1 level 1 نیست. حتما یک بار از سایت ارث اکسپلورر تصاویر کالکشن یک لول 1 رو دانلود کنید.
موفق باشید
علیرضا –
سلام عالی بود
مهدی دهقان –
سلام روزتون بخير من خروجي فايل نوت پدي كه نرم افزار بهم ميده رو باز كه ميكنم به صورت سيمبل هاي مربعي مستطيل شكل هستش فونت رو هم تغيير دادم تاثيري نداشت ممنون ميشم راهنمايي كنيد.
امیرحسین احراری –
با سلام و احترام
ببخشید کمی بی زحمت در این رابطه توضیح بدید. چون آموزش ها بسیار زیاد هست واقعا حضور ذهن از جزییات ندارم.
ممنون میشم با جزییات سوال رو مطرح کنید من بتونم راهنمایی کنم. با سپاس از شما.
موفق باشید
مهدی دهقان –
سلام و روز بخير
رفع شد سوالم واقعا ممنونم كه اينقدر پيگيريد و اهميت ميديد.
محمود سیفی –
سلام و قت بخیر ممنون از آموزش بسیار ارزشمندتون. بیزحمت برای این روشی که استفاده کردین ( Image Change Workflow) اگر امکانش هست چند رفرنس انگلیسی معرفی کنید. ممنون
امیرحسین احراری –
با سلام و احترام
به help نرم افزار انوی در این رابطه مراجعه نمایید. در آن جا اسم دستور را وارد کنید تا توضیحات به همراه رفرنس آن در دسترس است.
موفق باشید
soha –
با سلام و وقت بخیر
من یادم رفت هنگام تصحیح رادیومتریک باند ایروسل را حذف کنم ایا راه دیگری برای حذف این باند از تصویر هست تا تعداد باندهای دو تصویر یکسان شود؟
با تشکر از آموزش های خوب شما
امیرحسین احراری –
با سلام و احترام
با استفاده از دستور subset data می توانید این کار را انجام دهید. دستور layer stacking هم می توان استفاده کرد.
موفق باشید
hamd –
با سلام و وقت بخیر
اموزش فرمول نویسی در نرم افزار ArcGIS – استفاده از Raster calculator در سایت موجود هست ولی قابل دانلود نیست
امکانش هست لینک را ارسال بفرمایید
با تشکر
امیرحسین احراری –
با سلام و احترام
در این رابطه با بخش پشتیبانی سایت مکاتبه کنید. لینک صغحه رو هم براشون بفرستید تا در اسرع وقت مشکل شما رو برطرف کنند.
موفق باشید
soha –
با سلام و وقت بخیر و تشکر بابت سایت مفید شما
من با این روش تغییرات فضای سبز را در انوی بدست آوردم همچنین با روش درخت تصمیم هم بعد از طبقه بندی تصویر لندست با svm در طی 2 سال بدست اوردم
اصلا نتایج قابل مقایسه نبودند و این روش دقت مناسبی نداشت روی کار من
دیگر الگوریتم های چنج در انوی نیز مناسب ندیدم و فکر میکنم شاید روش خاصی داشته باشد
ممنون میشم نظر شما را بدانم
باتشکر
امیرحسین احراری –
با سلام و احترام
در این محصول آموزشی من از روش آشکارسازی تغییرات و دستور image change workflow استفاده کردم. اما روشی که شما استفاده کردید متفاوت با آموزش بنده بوده که من از آن ها برای فضای سبز تا کنون استفاده نکردم و اطلاعات دقیقی ندارم.
روش های گوناگونی برای پایش وجود دارد و عوامل مختلفی در دقت دخیل هستند از جمله روش مورد استفاده، داده های ورودی، شاخص طیفی مورد استفاده، فاصله زمانی تصاویر و میزان تغییری که در منطقه ایجاد شده. اما در نرم افزار انوی بر اساس امکانات این نرم افزار به نظر من روش change workflow بهتر است. البته این نظر شخصی من هست و بر اساس تجربه ای که در استفاده از این روش داشتم عرض میکنم.
معمولا اگر فاصله زمانی بین دو تصویر ورودی نیز کم باشد نتایج خیلی جالب نمیشه چون شهر یک محیط کاملا ناهمگون هست و تفاوت های آشکار در آن قابل پایش است و تغییرات کوچک خیلی سخت با تصاویر رایگان قابل شناسایی است.
موفق باشید
امیر حسین رهنی –
با سلام و احترام
ابتدا تشکر میکنم از آموزش خوب شما مثل همیشه
چگونه می شود قبل از محاسبه تغییرات ، سطح فضای سبز موجود (برای مثال در همان تصویر لندست 8) را حساب کرد و ملاحظه نمود سطح فضای سبز در همان سال 2020 چند متر مربع است؟
با تشکر
امیرحسین احراری –
با سلام و احترام
در بخشی از آموزش رایگان زیر روش محاسبه مساحت پوشش گیاهی تدریس شده است.
https://girs.ir/classification/
موفق باشید
امیر حسین رهنی –
سپاسگزارم
محمد عرفانی –
باسلام و عرض ادب. میشه لطفا یک نمونه آموزش بررسی موضوع change detection را در نرم افزار google earth engine معرفی کنید تا تهیه کنم؟
میخوام آشکارسازی تغییرات را سری زمانی انجام بدم.
امیرحسین احراری –
با سلام و احترام
عبارت آشکارسازی تغییرات در بخش سرچ سایت رو وارد کنید تا آموزش هایی که در این زمینه موجود هست را برای شما نمایش دهد. توضحیات محصولات رو مشاهده کنید و هر کدام که به کار شما بیشتر نزدیک بود همان را تهیه بفرمایید.
موفق باشید
امید –
با سلام و احترام
آیا با تصاویر ماهواره ای بخصوص در گوگل ارث انجین میشه تعداد درختان در محیط شهری رو شمرد.
با تشکر.
امیرحسین احراری –
با سلام و احترام
با استفاده از تصاویر ماهواره ای رایگان خیر امکان پذیر نیست. با استفاده از داده های ماهواره ای تجاری با دقت 50 سانتی متری میشه این کار رو انجام داد اما در ارث انجین داده ها و الگوریتم های آن موجود نیست.
موفق باشید