آموزش طبقه بندی تصاویر ماهواره ای به روش یادگیری ماشین (جنگل تصادفی) در گوگل ارث انجین

در این محصول آموزشی به تبیین یادگیری ماشین و طبقه بندی تصاویر ماهواره ای در سامانه ارث انجین پرداخته شده است.

مطالب ارائه شده در این محصول آموزشی از مباحث جدید در حوزه طبقه بندی تصویر محسوب می‌شود به گونه‌ای که شما در این محصول آموزشی با انواع تصاویر و لایه های اطلاعاتی کار کرده، با تکنیک های ماسک ابر و سایه آشنا شده، علاوه بر نرمال‌سازی تصویر ، داده های خود را به آموزشی و اعتبارسنجی تقسیم کرده و در کنار کارهای گرافیکی، با تکنیک های پس پردازش نقشه های خروجی آشنا می‌شوید.

از جمله دلایل انتخاب سامانه ارث انجین به منظور پیاده سازی یادگیری ماشین می توان به 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، اشاره داشت.

آموزش طبقه بندی تصاویر ماهواره ای با الگوریتم جنگل تصادفی در گوگل ارث انجین

قسمتی از این آموزش 👇

توضیحات:

تغییرات کاربري اراضی و پوشش زمین به عنوان یکی از عوامل مهم و مؤثر بر تغییرات محیط زیست جهانی به حساب می‌آیند. بنابراین درك و پیش‌بینی علل، فرآیندها و نتایج تغییرات کاربري اراضی به یک چالش عمده بر روي سطح کره‌ي زمین تبدیل شده است. تغییرات کاربري اراضی بر طیف گسترده‌اي از ویژگی‌هاي محیط زیست و منابع طبیعی مانند کیفیت آب، منابع زمینی و هوایی، فرآیندها و توابع اکوسیستم‌ها و سیستم‌هاي آب و هوایی تأثیرگذار است.

 امروزه تهیه نقشه هاي کاربري اراضی به منظور استفاده در مطالعات مختلف مانند طرح هاي توسعه اقتصادي، اجتماعی و عمرانی منطقه اي و همچنین برنامه هاي توسعه در سطح ملی بیشتر از پیش مورد توجه قرار گرفته است. تکراري بودن تصاویر ماهواره اي از جمله مزایایی است که کاربرد داده هاي ماهواره اي و علم سنجش از دور را وسعت می بخشد.  آگاهی از روند تغییرات واحدهاي کاربري اراضی که عموما” ناشی از عوامل متعددي مانند بحران هاي زیست محیطی، اقلیمی،انسانی و عوامل بیولوژیکی و غیره می باشد. استفاده از تصاویر ماهواره‌ای و سیستم اطلاعات جغرافیایی می تواند نقش مهمی در بررسی این تغییرات و کشف راه حل هاي مناسب توسط محققان داشته باشد.

مخاطب این محصول، افراد متخصص در حوزه سنجش از دور، مطالعات کشاورزی، مطالعات منابع طبیعی، مطالعات جنگل و … هستند. مطالب ارائه شده در این محصول آموزشی به قدری کاربردی است که افراد مختلف می توانند در جهت پیشبرد اهداف خود 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 ماهواره ای، شاخص های طیفی و سامانه گوگل ارث انجین دارند نیز قابل استفاده باشد.

طبقه بندی به روش راندوم فارست در گوگل ارث انجین

عناوين آموزشی

مهم ترین عناوين آموزشی عبارت اند از 👇 :

• بخش اول: تبیین مباحث یادگیری ماشین و معرفی الگوریتم های یادگیری ماشین مانند جنگل تصادفی
• بخش دوم: بخش عملی آموزش و ورود به سامانه ارث انجین
• بخش سوم: معرفی منطقه مورد مطالعه و داده های زمینی (gcp) به سامانه
• بخش چهارم: فراخوانی تصاویر سنتینل 2 و اعمال فیلترهای مکانی، زمانی و ابر
• بخش پنجم: ماسک ابر و سایه از تصاویر سنتینل 2
• بخش ششم: محاسبه شاخص های مختلف طیفی مانند BSI، mNDWI و … به منظور ورود به فرآیند طبقه‌بندی
• بخش هفتم: استفاده از سایر لایه های اطلاعاتی مانند مدل رقومی سطح (DSM) سنجنده ALOS، تصاویر باند c سنتینل-1 و ایجاد تصویر میانگین
• بخش هشتم: نرمال‌سازی منابع مختلف اطلاعاتی به منظور بهبود نتایج طبقه بندی
• بخش نهم: تقسیم داده های زمینی به آموزشی و اعتبار‌سنجی
• بخش دهم: آموزش طبقه بندی کننده جنگل تصادفی و ایجاد نقشه طبقه بندی پیکسل پایه
• بخش یازدهم: انجام کارهای گرافیکی و اضافه کردن راهنما (legend) به map
• بخش دوازدهم: اعتبار‌سنجی نقشه طبقه بندی با داده های تست و محاسبه معیار های کنترل صحت
• بخش سیزدهم: محاسبه محاست کلاس‌ها به 3 روش مختلف
• بخش چهاردهم: پس پردازش نقشه طبقه بندی پیکسل پایه (post-classification) با استفاده از فیلتر majority
• بخش پانزدهم: ایجاد نقشه طبقه بندی با الگوریتم snic و مقایسه با نقشه طبقه بندی پیکسل پایه

معرفی نرم افزار:

در این محصول به منظور طبقه بندی و پیاده سازی الگوریتم جنگل تصادفی از سامانه گوگل ارث انجین استفاده شده است. سامانه تحت وب که به طور گسترده به منظور پردازش داده های ماهواره ای مورد استفاده قرار می گیرد. شما با استفاده از زبان برنامه نویسی جاوااسکریپت، به راحتی می توانید با یک خط کدتویسی ساده، بیش از هزاران تصویر را در کسری از زمان فراخوانی و الگوریتم مورد نظر خود را بر روی داده های فراخوانی شده اعمال و کابرد آن را در دنیای واقعی به عینه ببینید.

از جمله مهمترین مزیت های این سامانه می توان به دسترسی راحت به تصاویر ماهواره ای رایگان بدون نیاز به دانلود حتی یک کیلوبایت از آنها اشاره کرد. این سامانه می تواند در جهت پیشبرد اهداف محقق ها در حوزه های مختلف مطالعاتی مانند کشاورزی، زمین شناسی، خاکشناسی، منابع آب و … کاربرد داشته باشد.

داده ها:

در این محصول از داده ها و لایه های مختلف اطلاعاتی استفاده شده است. تصاویر ماهواره ای سنتنیل-2 که از جمله ماهواره های چندطیفی که توسط سازمان فضایی اروپا به فضا فرستاد شد. این ماهواره دارای 12 باند بوده که در محدوده های مرئی و مادون قرمز تصویربرداری می کند و دارای قدرت تفکیک مکانی 10، 20 و 60 متر برای انواع باند ها می باشد. قدرت تفکیک زمانی این ماهواره اگر به صورت منفرد مورد استفاده قرار گیرد، 10 روز و اگر بصورت جفت (سری های A , B) مورد استفاده قرار گیرند، به 5 روز تقلیل می یابد. از تصاویر سنتینل1 رادار با روزنه مجازی (SAR) هم در این محصول آموزشی استفاده شده است.

قدرت تفکیک زمانی این ماهواره نیز همانند سنتینل2 هر 12 روز یکبار است و اگر دو سری A و B به صورت همزمان تصویربرداری کنند، قدرت تفکیک زمانی به 6 روز کاهش می یابد. از جمله مهم‌ترین مزیت های استفاده از این تصاویر می توان به قابلیت تصویربرداری آن در هر شرایط آب و هوایی اشاره کرد.

از دیگر لایه های اطلاعاتی مانند مدل رقومی سطح یا Digital Surface Model سنجنده ALOS که به صورت جهانی و با تفکیک مکانی 30 متر عرضه می گردد، نیز استفاده شده است. استفاده از مجموعه داده ها منجر به افزایش دقت نقشه کاربری اراضی در این محصول آموزشی شده است.

چند پیشنهاد آموزشی مرتبط:

• آموزش جامع سنجش از دور در 76 ساعت – تئوری + نرم افزار (ENVI 5.3 – SNAP)
• آموزش الگوریتم جنگل تصادفی (Random Forest) در نرم افزار R و RStudio
• آموزش طبقه بندی Random Forest