بالاترین کیفیت
در این محصول تعیین رطوبت خاک با استفاده از داده های راداری محاسبه می شود. در واقع محاسبه رطوبت خاک با سنتینل 1 انجام می شود. میزان رطوبت خاک دارای اهمیت زیادی در چرخه آبی است. همچنین، در مباحث مربوط به کشاورزی می تواند شاخصی برای خشکسالی باشد. در نتیجه، موسسات کشاورزی و کشاورزها می توانند از اطلاعات پردازش شده بهره ببرند. یکی از کاربردهای تعیین رطوبت خاک مربوط به شناسایی ناهنجاری ها و بلایای طبیعی از قبیل خشک سالی، سیل و رانش زمین است. برای این کار باید تصاویر سری زمانی تحلیل شوند تا روشی با قابلیت اطمینان بالا طراحی شود.
به دلیل اینکه داده های راداری به شرایط جوی و زمان تصویربرداری وابسته نیستند، قابلیت اجرایی بالایی در مناطق مختلف دارند. داده های سنتینل 1 با رزولوشن 10 متر به عنوان داده های اصلی در این آموزش مورد استفاده قرار گرفتند. هم اکنون، به جز سنتینل 1، ماهواره دیگری وجود ندارد که داده هایی با این دقت را به صورت رایگان ارائه دهد.
همچنین داده های پیش پردازش شده landcover classification به عنوان یکی از ویژگی های ورودی به الگوریتم طبقه بندی استفاده شد. از داده های FLDAS به عنوان هدف طبقه بندی بهره بردیم. داده استفاده شده از رطوبت عمق 0 تا 10 سانتی متر است که به عملکر سنتینل 1 نزدیک باشد (طول موج – برابر 5 سانتی متر است).
برای پیاده سازی از محیط پردازش ابری GEE (Google Earth Engine) بهره بردیم. در این محیط دسته های داده مختلفی در دسترس هستند، توان پردازشی بالایی دارد و فضای کدنویسی آن پیچیده نیست.
تعیین رطوبت خاک با استفاده از داده های راداری
توضیحات محصول آموزشی
روندی که این آموزش برای تعیین میزان رطوبت خاک در بستر GEE انجام می دهد در شکل زیر نشان داده شده است.
تعیین رطوبت خاک با استفاده از داده های راداری
ویژگی های آموزشی عبارتند از باند VV، زاویه برخورد، میانگین زمانی VV، انحراف از معیار باند VV و نوع پوشش زمین.
هدفی که برای هر نمونه داده در نظر گرفته می شود برابر رطوبت خاک در عمق 0 تا 10 سانتی متر است. فرایند آموزش توسط روش های یادگیری ماشین (جنگل تصادفی و SVM) انجام می شود و رطوبت خاک با رزولوشن مکانی 10 سانتی متر تولید می شود.
تصویر رطوبت خاک پیش پردازش شده FLDAS
محاسبه رطوبت خاک با سنتینل 1
تصویر رطوبت خاک تولید شده با سنتینل-1
عناوین آموزشی
عناوین آموزش داده شده عبارت است از:
- فراخوانی داده پیش پردازش شده رطوبت خاک در GEE از سال 1982 تا 2019
- فراخوانی داده پیش پردازش شده نوع پوشش سطح زمین
- فراخوانی داده سنتینل 1 در مکان و زمان مشخص
- محاسبه میانگین تصاویر سری زمانی
- محاسبه انحراف از معیار تصاویر سری زمانی
- تشکیل پایگاه داده شامل ویژگی ها و هدف برای آموزش الگوریتم طبقه بندی
- نمونه برداری از پایگاه داده
- ترکیب نمونه های مختلف که در زمان های متفاوت تشکیل شده اند
- آموزش الگوریتم طبقه بندی و اعمال به داده های تست
احمد سمیر –
سلام و درود! خیلی عالی ، اما اگر یک آموزشی روی تشخیص ضخامت برف روی همین تصاویر راداری ارائه نمایید خیلی عالی خواهد شد
mohammad kakooei –
سلام، سلامت باشید
ان شالله در آینده نزدیک تولید میشه
مهدی احمدی –
سلام
آیا پوشش گیاهی منطقه مورد مطالعه (مثلا منطقه مذکور دارای زراعت نیشکر باشد) تاثیری بر پردازش رطوبت خاک می‌گذارد!؟
با تشکر
Mohammad Kakooei –
سلام
بله، حتما تنوع پوشش گیاهی بر پردازش رطوبت خاک موثر هست
تنوع پوششی که در این آموزش مد نظر قرار گرفته است، شامل ۱۷ کلاس بودند که به عنوان نمونه عبارت بودند از:
۱- جنگل سوزنی همیشه سبز
۲- جنگل پهن برگ همیشه سبز
۳- جنگل سوزنی دارای برگ ریزان
۴- جنگل پهن برگ دارای برگ ریزان
….
۱۰- مرتع
۱۱- تالاب های دائمی
۱۲- مزارع زراعی
۱۳- مناطق شهری
….
البته با تمرکز به نوع مزارع زراعی هم امکان بررسی جداگانه وجود دارد
موفق باشید
Mohammad Kakooei –
سلام
بله، نوع پوشش منطقه بر تحلیل میزان رطوبت خاک موثر است. در این آموزش ۱۷ نوع کلاس برای منطقه در نظر گرفته شده است که برخی از آن ها عبارت بودند از:
۱- جنگل سوزنی برگ همیشه سبز
۲- جنگل پهن برگ همیشه سبز
۳- جنگل سوزنی برگ دارای برگ ریزان
۴- جنگل مختلط
۵- مرتع
۶- مزارع زراعی
۷- اراضی شهری
و ……
برای تحلیل بیشتر می توان نوع مزارع زراعی را هم در تحلیل در نظر گرفت.
موفق باشید
بهروز رستمی –
با سلام
خرید این محصول امکان پذیر نیست، لطفا بررسی کنید
با تشکر
احمد نجفی –
سلام
مشکلی وجود ندارد. مجددا سعی کنید.
نگین –
سلام
میشه روی این محصول تخفیف بزارید؟
علی –
سلام با تشکر از اموزش بسیار عالی شما، سئوالی که داشتم اینه که در بخش دوم شما از ۲ ماه جهت تهیه داده های اموزشی استفاده کردین و پیشنهاد دادین که می توان جهت یکسال نیز این داده ها رو تهیه کرد، سئوال من اینه بعد تهیه این موارد برای یک سال در کدام بخش کد باید جهت تعیین یک تصویر مشخص در یک تاریخ خاص رو معین کنیم تا میزان رطوبت خاک رو محاسبه کنه،
همچنین در صورت امکان در خصوص عمق و واحد رطوبت محاسبه شده توضیحاتی ارائه دهید.
با سپاس فراوان
mohammad kakooei –
سلام، لطف دارید
مانند تغییری که از بخش اول به بخش دوم ایجاد شد. این کار باید چند بار (به تعداد ماه های مورد علاقه) تکرار بشه و در هر کدام هم داده های FLDAS و هم داده های Sentinel-1 را با filterDate فیلتر کنید.
در نهایت تمامی نمونه هایی که تولید کردید را با هم یکی کنید (مشابه خط ۹۹ بخش دوم) و نقشه نهایی را تولید کنید.
موفق باشید
سیاوش –
با سلام و قدردانی از مبحث آموزشی بسیار عالی شما
لطفاً در مورد عمق رطوبت محاسبه شده و واحد محاسبه شده رطوبت توضیحاتی ارائه دهید. با تشکر
mohammad kakooei –
سلام و وقت بخیر
لطف دارید
در مورد عمق رطوبت در توضیح این محصول ذکر شده و همون رو اینجا کپی میکنم، ” داده استفاده شده از رطوبت عمق ۰ تا ۱۰ سانتی متر است که به عملکر سنتینل ۱ نزدیک باشد (طول موج برابر ۵ سانتی متر است).” و این استدلال مبتنی بر مقاله ای است که برای آموزش از اون بهره بردیم.
واحد هم به صورت (m3/m3) بیان میشه (متر مکعب بر روی متر مکعب). که معیار معمولی برای بیان حجم آب در حجم خاک است.
امیرحسین –
با عرض سلام و تشکر بابت آموزش عالی تون
ببخشید من زمانی که یک محدوده نسبتا بزرگتری رو انتخاب می کنم با خطای زیر مواجه می شوم ممنون میشم راهنمایی بفرمایید
Feature Collection (Error) User memory limit exceeded
mohammad kakooei –
سلام و تشکر از لطفتون
خطا که مشخصه. “User memory limit exceeded” یعنی بیشتر از میزان تعریف شده برای هر کاربر به حافظه نیاز داره. و همون طور که گفتید احتمالا با توجه به محدوده بزرگی که انتخاب کردید این اتفاق افتاده.
نمیدونم کجای کد به مشکل میخورید ولی احتمالا با Export کردن نتیجه، مشکل حل بشه
برای بررسی دقیق، لینک کدتون رو برای من ایمیل کنید تا یک راه حل پیدا کنم
kakooey.m@gmail.com
ahmad_frahmand –
سلام و روز بخیر!
جناب کاکویی تشکر از بحث علی تان . کد هایکه نوشتید برای من چند ین بار خطا میدهد. لطفا نموده رهنمایی کنید .
S1_VV_LIA_01: Layer error: List.get: List index must be between 0 and 1, or -2 and -1. Found 2.
بعد از اینکه بخواهی به لیست تبدیل کنید این خطا را دریافت می کنید .
بعد در گرفتن میانگین هم و الی اخر هیچ کد پیش نمیرود و در کد دست کاری هم نکردیم کد های خود شما هست. لطفا رهنمای کنید /
درود
mohammad kakooei –
سلام و وقت بخیر. خواهش میکنم
لینک ها رو تست کردم، سالم هستند
این خطا یعنی وقتی به لیست تبدیل میشه و میخوای ازش get کنی بیشتر از اندازه لیست داری فراخوانی میکنی
ببین اندازه imageCollection چقدر هست تا اندازه رو رعایت کرده باشی
میتونی لینک کد رو برای من بفرستی تا ببینم کجاش ایراد داره
kakooey.m@gmail.com
موفق باشید
ahmad_frahmand –
سلام و درود!
نتیجه اجرا کد شما در قسمت میانگین لایر سنتینل این هست!S1_col_01.select(…).mean is not a function
لطفا رهنمایی کنید
سلطانی –
با سلام.ایا فیلم آموزشی در رابطه با شوری خاک از تصاویر رادار دارید؟
mohammad kakooei –
سلام
این آموزش به زودی در سایت قرار خواهد گرفت
امیرسپهر شاملو –
با سلام امکانش هست پایش ماهواره ای بارش را هم تدریس کنید
Mohammad Kakooei –
سلام و وقت بخیر
فعلا برنامه ای برای تولید ندارم.
ان شالله در آینده، محصولی در این زمینه آماده میکنم.
mohammad sadegh –
سلام خسته نباشید
من این آموزش رو تهیه کردم یه سوال خدمتتون داشتم دقت کدوم ماهواره برای رطوبت خاک تو حوضه دریاچه ارومیه از همه بیشتره؟
سنتینل ۱ یا SMOS یا SMAP یا …؟
Mohammad Kakooei –
سلام
قطعا سنتینل-۱ دارای دقت بیشتری هست. بعید میدانم که SMOS و SMAP برای مطالعه مد نظر شما، کاربرد داشته باشه.
موفق باشید
امیر –
با سلام رطوبت محاسبه شده با سنتیل ۱ همون رطوبت سطحی خاک است؟ اگر نه که رطوبت خاک در چه عمق هایی محاسبه میکنه با تشکر
Mohammad Kakooei –
سلام
با تبعیت از مقاله ای که برای این کار بهره بردیم، داده استفاده شده از رطوبت عمق ۰ تا ۱۰ سانتی متر است که به عملکر سنتینل ۱ نزدیک باشد (طول موج سنتینل-۱ برابر ۵ سانتی متر است).
موفق باشید
مونا –
سلام ممنون از آموزشتون ولی تو قسمتی که باید میانگین بگیر از vvهمش یا خطای تعریف نشده میده یا vv_mean: Layer error: reduce.mean: Error in map(ID=null):
Image.select: Pattern ‘vv’ did not match any bands یا این خطاست میشه لطفا راهنمایی کنید ؟؟؟
mohammad kakooei –
سلام
با get link لینک کدتون رو بگیرید و برای من ایمیل کنید
Kakooey.m@gmail.com
پیمان –
سلام آیا امکان پذیر هست که با استفاده از داده های مودیس در تفکیک مکانی ۲۵۰ متر هم بتوان شاخصی برای رطوبت خاک تعریف کرد؟
در صورت مثبت بودن پاسخ شما برنامه ی برای ساختن این محول آموزشی دارید.
محدوده مورد مطالعه من توسط تصاویر مودیس بهتر پوشش داده میشه
متاسفانه داده های FLDAS دقت پایین داره و این آموزش که شما زحمت کشیدید دقت بسیار بالا
Mohammad Kakooei –
سلام
بله، ممکن هست..
شما میتوانید از باند ۲ و ۷ مادیس استفاده کنید… ولی در مورد دقتش اطلاع ندارم
اگر مفاله ای در این مورد دیدم، حتما محصول تولید میکنم…. شما اگر رفرنسی دارید همین جا اطلاع دهید.
پی نوشت:
در محصول زیر از لندست ۸ برای تولید رطوبت خاک استفاده شده که میتونه مفید باشه
http://girs.ir/soil-humidity
در محصول زیر از باند ۲ و ۷ مادیس برای شناسایی مناطق دچار آتش سوزی استفاده شده است.
http://girs.ir/استفاده-از-google-earth-engine-برای-شناسایی-مناطق-آتش-س
mohammad sadegh tahmouresi –
عرض سلام و احترام کد این ویدیو آموزشی رو عم اکر میشه با ویدیو در اختیارمون میزارین سپاس
سعید –
سلام وقت بخیر با عرض پوزش استخراج رطوبتی که ارائه فرمودی صحیح نیست در واقع شما بر اساس چند دیتا ارائه نمودی در صورتی که پارامترهای سطحی را در محاسبات لحاظ نفرمودی مانند زبری سطح^-ثابت دی الکتریک با احترام
Mohammad Kakooei –
سلام
وقتی از تکنیک های داده کاوی بهره میبریم، در واقع امیدواریم که متغیرهای فیزیکی را در ویژگی های استخراجی لحاظ میکنیم. با این وجود، تحقیقات در مورد نحوه محدود کردن نتایج با توجه به پارامترهای فیزیکی، یک زمینه فعال هست.
در اینجا از یک مقاله ۲۰۱۹ که در مجله ISI با عنوان Physics and Chemistry of the Earth چاپ شده است استفاده کردیم. در واقع در این محصول و اکثر محصولات سایت، روشی ابداع نمیکنیم، بلکه از روش هایی که در مجلات معتبر چاپ شده است بهره میبریم و آن ها را در بسترهای مختلف پیاده سازی میکنیم.
موفق باشید
سارا یوسفی –
با عرض سلام
من محصولی در رابطه با ذخیره رطوبت خاک جهت به دست آوردن میزان نیاز آبیاری می خواهم آیا در این آموزش این موارد وجو دارد؟ و با توجه به اینکه داده های مشاهداتی در منطقه در رابطه با رطوبت خاک موجود نیست از چه طریقی می توان اعتبارسنجی را انجام داد؟
با تشکر
Mohammad Kakooei –
سلام
بستگی به کاربرد شما دارد و ممکن است این آموزش برای شما مفید و یا به کار شما بی ربط باشد.
آبیاری چه محصولی مد نظر است و در چه عمقی به رطوبت خاک نیاز دارید؟
سارا یوسفی –
برای چندین محصول گندم، چغندرقند و محصولات باغی. تا عمق ۱۵ سانتی متری
Mohammad Kakooei –
محدوده بررسی و کاربرد شما از زمینه های فعال در تعیین رطوبت خاک است و قطعا به داده های میدانی نیاز دارید.
سلطانی –
با سلام.من طبق فیلمی که تدریس کردین میخوام داده های GLDAS را فراخوانی کنم اررو میده .نمیدونم چرا؟یا اگه میشه آیدیتون یا ایمیلتونو بدین سوالمو کامل تر بپرسم یعنی از خطایی که داره عکس بگیرم بفرستم.و سوال دوم تعیین شوری خاک با تصاویر رادار فیلمی دارین؟
Mohammad Kakooei –
سلام
میتوانید با ایمیل من در ارتباط باشید
kakooey.m@gmail.com
خیر، هنوز برای شوری خاک با داده های راداری محصولی تولید نکرده ام
امیدمحمدی –
سلام
وقت بخیر
ببخشید یک سوال داشتم از رطوبت خاک،خاستم راهنمایی کنید
اموزش رطوبت خاک از سنتینل ایا به دادهای مشاهداتی نیاز داره اگر بخاهیم برای یکسال ان را استخراج کنیم ؟
روشی که برای محاسبه ی ان استفادید کردید ایا روش منحصربفردی هست یا اینکه روشهای متعددی وجود داره ؟
چون من برای کارم میخاستم از دادهای رطوبت خاک اماده استفاده کنم میبینم دقتشون کم هستن حالا اگر بخام از این محصول استفاده کنم واسه یکسال ایا حجم کار و زمانی که نیاز هست چقدر میتونه باشه ؟
ممنونم
Mohammad Kakooei –
سلام
بله، اصولا به داده های میدانی نیاز است. در اینجا به عنوان مثال، داده های میدانی از نقشه FLDAS نمونه برداری شده است و به داده های میدانی متکی نیست.
مبانی کار براساس یک مقاله سال ۲۰۱۸ است که فلوچارت آن در توضیحات محصول نشان داده شده است.
موفق باشید
مینا یزدی –
سلاو و قت بخیر
تشکر بابت این آموزش کاربردی.
بنده بسته رو تهیه کردم اما با خطاهایی مواجه میشم، امکانش هست کد خودتون رو در اختیار من قرار بدید تا با کد خودم مقایسه کنم و خطاهارو برطرف کنم؟
Mohammad Kakooei –
سلام
با ایمیل من در ارتباط باشید
Kakooey.m@gmail.com
الهام ملانوری –
سلام وقت بخیر ممنون از آموزش خوبتون ایا امکانش هست اسم مقاله ای که تدریس می کنید رو بگید چون طوبت خاک موضوع پایان نامه ام هست برای رفرنس دهی نیاز دارم .
Mohammad Kakooei –
سلام و وقت بخیر
در همان ویدئوی شماره ۱، ابتدا مقاله استفاده شده با جزییات کامل شرح داده میشه!!!
bita barati –
سلام . من از سایت شما فیلم خریدم
وجه رو کم کرد از حسابم
در سایت خودتون هم نوشت خرید موفق
ولی فیلمی به ایمیل من ارسال نشد.
چه کنم
احمد نجفی –
سلام
مشکلی وجود ندارد
اکنون ایمیل خود را چک کنید
مهرارا عمادیان –
سلام و وقت بخیر
من تمام مراحل رو طبق ویدیو پیش رفتم و هیچ اروری نداشتم ولی از ۱۲ ساعت پیش که داره اکسپورت میگیره هنوز رو حالت submitted to server هست.چیکار باید بکنم؟
Mohammad Kakooei –
سلام
اگر کد دیگری در حال اجرا نیست، این رو کنسل کنید و دوباره اجرا کنید
اگر کدهای دیگر در حال اجرا دارید، پس هنوز کد شما در صف اجرا قرار داره!!
تا زمانی که submitted به running تبدیل نشه، در واقع هنوز اجرای کد شما بر روی سرور آغاز نشده
N.n –
سلام وقت بخیر
شما در این اموزش اومدین میانگین سری زمانی چنتا تصویرو محاسبه کردین و رطوبت خاک رو در نهایت بدست اوردین ، بنده میخام در طول بازه زمانی یک الی دو سال رطوبت خاک رو بدست بیارم ولی ن بصورت میانگین ، بلکه بصورت جداگانه و ماهانه یا ماهی هر چند بار ک تصویر بود ، امکان راهنمایی هست ، اگه این اموزش بدردم میخوره ممنون میشم بفرمایید چه تغییراتی رو باید در کد های شما اعمال کنم
مچکر
امیرحسین احراری –
با سلام و احترام
بهترین راهکار برای کار شما این هست که برای هر ماه بصورت جداگانه یک نقشه درست کنید.
ساده ترین کار برای این هدف آن است که فقط بازه زمانی را هر بار بر اساس یک ماه تغییر داده و کد را ران کنید.
موفق باشید
Mohammad Kakooei –
سلام
در همین آموزش بازه های زمانی به صورت ماهیانه تنظیم شده است (Jan و Feb). تنها کافی است بازه زمانی داده های input و target را تغییر دهید و کد را برای منطقه مورد مطاعه اجرا کنید.
نوری –
سلام وقت بخیر
من تا یک ماه پیش کد اماده رو run میکردم و کدی که خود نوشته بودم به راحتی انجام میشد و لی تازکی ها وقتی رو run میکنم ارور زیر رو میده
classified: Layer error: Classifier.svm: This classifier has been replaced. For more information see: http://goo.gle/deprecated-classifiers.
کد خودم هم ارور global رو میده بعد پایینش د.وباره این ارور رو میده
Mohammad Kakooei –
سلام
به دلیل آپدیت کتابخانه GEE دستورات زیر دچار تغییر شده است
دستور ee.Classifier.randomForest به ee.Classifier.smileRandomForest
دستور ee.Classifier.svm به ee.Classifier.libsvm
موفق باشید
مینا –
با سلام
میشه بفرمایید منظور از fldas چیه؟ پروداکت آماده رطوبت خاک هست؟ اگه بله برای چه ماهوارهای هست؟
ممنون میشم راهنمایی بفرمایید
Mohammad Kakooei –
سلام
پروداکت آماده FLDAS شامل اطلاعاتی از خاک شامل رطوبت و دما است.
اطلاعات کامل تر در لینک زیر قابل دسترسی است.
https://disc.gsfc.nasa.gov/datasets/FLDAS_NOAH01_C_GL_M_001/summary
zali zali –
با سلام و وقت بخیر
من این آموزش رو تهیه کردم.عالی بود خسته نباشید
فقط این که اگه بخوام فایل رو اکسترکت کنم و در جی آی اس ازش بهره ببرم
به جای دستوری toAsset
از دستورtoDrive استفاده کنم؟
ممنون میشم راهنمایی کنید
Mohammad Kakooei –
سلام
می توانید از ویدئوی شماره ۳ در آموزش رایگان زیر، نحوه Export به Drive و Asset را ببینید.
https://girs.ir/basics-gee
موفق باشید
zali zali –
لطقا در صورت ممکن دسنور استخراخ نصویر برای استفاده در جی آی اس رو هم قرار بدین
با تشکر
Mohammad Kakooei –
به Drive خود Export کنید و سپس داده GeoTIFF را دانلود و استفاده کنید.
فائزه هاشمی –
سلام وقتتون بخیر …
آیا امکان استفاده از این روش برای به دست آوردن رطوبت در یک تاریخ وجود دارد و یا خیر ؟
با تشکر
Mohammad Kakooei –
سلام
همان طور که در فلوچارت استفاده شده در این آموزش نشان داده شده و مقاله ی استفاده شده بر آن تاکید دارد، داده های میانگین باند VV و انحراف از معیار باند VV، داده های ورودی هستند. بنابراین، بهترین توصیف این است که بازه زمانی شامل حداقل ۳ تصویر سنتینل-۱ مورد نیاز است.
مهدیه –
با سلام برای سال ۲۰۱۹ از چه landcover باید استفاده کرد، چون سال های مربوط به ۲۰۱۹ رو تست کردم و داده ای پیدا نشد؟
امیرحسین احراری –
با سلام و احترام
برای سال ۲۰۱۹ لایه لندکاور مادیس در دسترس است. می توانید از آن استفاده کنید.
موفق باشید
پديده جوادي –
سلام و احترام
اگر بخواهم رطوبت خاك به صورت تايم سريز كار كنم ولي به دليل بزرگ بودن سطح امكان نمونه برداري نباشد از چه داده ايي كمك بگيرم براي اعتبار ستنجي مدل ممنون ميشم راهنماييم كنيد
Mohammad Kakooei –
سلام
چرا بزرگ بودن سطح مانع نمونه برداری است؟ قاعدتا دست شما برای نمونه برداری بازتر است.
یا اینکه، داده های یک زمان را دارید و میخواهید نقشه سری زمانی تولید کنید؟
پدیده p,hnd –
سلام و احترام داده يك زمان را دارم و مي خواهم تايم سريز كار كنم استاد
ممنونم از همراهي شما
پدیده p,hnd –
https://code.earthengine.google.com/?scriptPath=users%2Fpadidehjavadi1978%2Fsoilmoisture%3AH%20SM%20with%20Sent1%2CFLDAS%20dar%204depth
اين كد لينكه متاسفانه به درستي ران نمي شود
امیرحسین احراری –
با سلام و احترام
لینک کد را اشتباه ارسال کردید. در محیط code editor بر روی گزینه get link کلیک کرده و سپس لینک تولید شده را در اینجا برای بنده بزارید تا بررسی کنم.
قبلش هم خودتون یکبار لینک رو تست کنید.
موفق باشید
R.S –
با سلام و احترام
ایا با این روش میشود برای یک محیط کشاورزی به سطح ۱۰ هزار هکتار، که پایش رطوبت از تمامی مزارع ان ( سطح هر مزرعه ۳۰ هکتار است) که به صورت دستی انجام میشود، به صورت دوره های کوتاه مدت مثلا هر سه روز یک بار یا هر پنج روز یک بار، با دقت بالا نقشه رطوبت خاک تولید کرد؟؟
مثلا الان نقشه رطوبت تولید کنیم برای شرایط حال.
من هدفم تولید نقشه برای مثلا دو سال گذشته و تحلیل روی اون نیست. بلکه هدفم تولید نقشه های رطوبت خاک جهت پایش روزانه رطوبت می باشد.
اگر این اموزش برای من مفید هست که تهیه کنم، اگر خیر، چه راهنمایی و روشی برای هدف تعریف شده وجود دارد؟
با تشکر
Mohammad Kakooei –
سلام
این آموزش بر مبنای ماهواره سنتینل-1 است که revisit time هر ماهواره حدود 12 روز است.
اگر فرض کنیم که شما برای ایران نیاز دارید که هر دو جهت Ascending و Descending هم موجود باشه، به صورت خوشبینانه مثلا هر 6 روز داده خواهید داشت که برای آنالیز روزانه شما مناسب نیست.
دو راه برای شما وجود داره:
1- استفاده از مادیس
2- تلفیق داده های سنتینل-1 و سنتینل-2 و لندست و ..
موفق باشید
R.S –
ممنون از پاسخ گوشیی شما.
با این اموزش، میتوانم از ماهواره های نام برده توسط شما استفاده کنم و ب نتیجه برسم؟
ایا اموزش جداگانه ای در این مورد باید ببینم ؟شما اموزشی دارید که منو راهنمایی کنه ؟ لطفا پاسخی که ما رو هر چه زودتر به هدف می رساند را بفرمایید. خدا خیرتون بده.
Mohammad Kakooei –
خیر… در این آموزش فقط از سنتینل-1 استفاده شده است.
مثلا برای لندست 8، آموزش زیر میتنونه مفید باشه.
https://girs.ir/soil-humidity
در واقع یک راه حل جادویی و سریع برای این کار وجود نداره. شما باید در منطقه مطالعاتی مد نظر، داده های مختلف را تلفیق کنید و روش های مختلف را امتحان کنید تا به مدل مناسبی برای تولید نقشه روزانه برسید.
موفق باشید
شیوا –
سلام خیلی ممنون از اموزش عالیتون. من چندتا سوال دارم.
۱- توی مقاله گفته شده که از داده های in situ که با دستگاه TDR استخراج شده استفاده شده. میخواستم بدونم توی این ویدئو این داده رو چطوری فراخوانی کردین؟
۲- من نیاز به نقشه رطوبت خاک هر ۱۴ روز یکبار احتیاج دارم. با توجه به اینکه که داده land cover سالیانه هستش، میتونم نقشه رطوبت ۱۴ روزه داشته باشم؟
Mohammad Kakooei –
سلام
1- معمولا امکان دسترسی به داده های میدانی مقالات وجود ندارد. بنابراین برای بحث آموزش روش های استفاده شده توسط محققان دیگر، از نمونه برداری از نقشه های موجود استفاده میشود. شما میتوانید برای منطقه مطالعاتی مورد نظر خودتان از داده های اختصاصی خودتان استفاده کنید. در این آموزش همان طور که در توضیحات آموزش بیان شده است، « از داده های FLDAS به عنوان هدف طبقه بندی بهره بردیم.».
2- نقشه های پوشش زمینی در بهترین حالت به صورت سالیانه به روز میشوند و برخی نقشه ها هر چند سال به روز میشوند. در واقع در بازه های 14 روزه و بیشتر هم تغییرات landcover نداریم!
موفق باشید
شیوا –
خیلی ممنونم که پاسخ دادین. در مورد سوال اول همانطور که گفتین من میتونم به جای FLDAS از داده های به دست اومده از TDR استفاده کنم. سوال دیگه ای که پیش میاد اینه که اگر من از TDR برای یک منطقه استفاده کنم؛ میتونم رطوبت خاک و فقط برای منطقه ای که ازش دیتا جمع اوری کردم به دست بیارم یا اینکه اگر با داده های زمینی منطقه خودم Train کنم برای مناطق دیگه هم قابل استفاده است؟
Mohammad Kakooei –
جواب این سوال به سادگی یک بله یا خیر نیست. امکانش هست ولی باید بررسی شود. مثلا راه حل زیر میتواند جزو گزینه ها باشد.
ورودی X (مثلا سنتینل 1)، متغیر میانی Z (مثلا داده SMAP) و داده هدف Y (نمونه های میدانی)
یک ساختار دو طبقه در نظر بگیرید که از X به Z و از Z به Y منتج شود. این ساختار را برای منطقه مورد مطالعه خود train کنید. حال برای منطقه دیگر، طبقه دوم را ثابت نگه دارید و طبقه اول را تغییر دهید.
البته موارد زیادی باید مورد توجه قرار بگیرد، مثلا تعداد و تنوع داده های Y در منطقه مورد مطالعه شما دارای تاثیر زیادی بر دقت این روش است.
موفق باشید.
شیوا –
ممنونم. متاسفانه این کد برای منطقه و زمانی که مد نظر منه اصلا کار نمیکنه و من دو هفته ست ریز به ریز همه چیز و مرور میکنم نمیفهمم مشکل کجاست. لینک کد و واستون ایمیل کردم.
الان نگاهی به مقاله ای که به عنوان رفرنس استفاده کردین انداختم دیدم که اصلا از GLDAS به عنوان تارگت استفاده نکرده. به خاطر اینکه داده های S1 زمان کمی و پوشش میده برای تکمیلشون از داده های GLDAS استفاده کرده. همین طور از رگرسیون از نوع support vector استفاده کرده که من اصلا ندیدم توی این کد ازش استفاده بشه. میشه لطفا کد من رو بررسی کنید که من بتونم نقشه soil moisture برای منظقه مورد مطالعه خودم به دست بیارم؟
شیوا –
الان نگاهی به مقاله ای که به عنوان رفرنس استفاده کردین انداختم دیدم که اصلا از GLDAS به عنوان تارگت استفاده نکرده. بلکه از داده های in situ به عنوان تارگت استفاده کرده. به خاطر اینکه داده های S1 زمان کمی و پوشش میده برای تکمیلشون از داده های GLDAS استفاده کرده.
Mohammad Kakooei –
سلام
موارد زیر را در نظر بگیرید.
1- مقاله مرجع از دو بخش تشکیل شده که شامل تعیین رطوبت خاک و بررسی سری زمانی تغییرات رطوبت است. همان طور که در اینجا توضیح داده شده است، این محصول مربوط به تعیین رطوبت خاک است که در فلوچارت مربوطه نیز نشان داده شده است. بخش دوم مقاله که البته ربطی به این محصول ندارد، از داده های GLDAS استفاده شده تا ناهنجاری های سری زمانی رطوبت خاک به کمک همبستگی با نقشه رطوبت سنتینل 1 (که از گام قبل به دست آمد) محاسبه شود.
مطابق فلوچارتی که در ابتدای همین صفحه آورده شده است، داده های ورودی سنتینل-1 و داده هدف نمونه های میدانی in situ هستند ولی به دلیل عدم دسترسی به نمونه های میدانی در اینجا از داده FLDAS به عنوان داده هدف استفاده شده است.
2- برای رگرسیون از ee.Classifier.svm استفاده شده است که همانطور که قبلا در جواب کامنت یکی از دوستان عرض کردم به دلیل آپدیت کتابخانه گوگل ارث انجین به دستور ee.Classifier.libsvm تبدیل شده است.
3- برای بررسی ایراد در کد ارسالی باید لینک را با Get Link بگیرید و ارسال کنید. مطابق آموزش ویدئوی 4 در https://girs.ir/basics-gee اقدام کنید.
موفق باشید
رضا حیدری –
سلام وقتتون بخیر من میخوام میزان رطوبت حریم تخت جمشیدرو محاسبه کنم . آیا این روش برای من اعتبار علمی برخوردار خواهدبود و دوم اینکه میزان رطوبت طی سال های مختلف مانند تایم لاین رو میتونم داشته باشم؟
ممنون
Mohammad Kakooei –
سلام
استفاده از این روش برای موضوع مطالعاتی شما مناسب است. اما توصیه میکنم از داده های میدانی به عنوان مقدار هدف استفاده کنید.
برای بررسی سری زمانی موضوعات مربوط به Sample migration را مطالعه کنید.
موفق باشید
محسن مقدس –
کلاس بندی مورد استفاده در gee تغییر سینتکس داده و عوض شده است. به لینک زیر مراجعه کرده و اصلاح کنید:
https://groups.google.com/g/google-earthengine-announce/c/rCu4FP_Cn08/m/DqC192X9BAAJ?pli=1
به جای استفاده از svm باید از Classifier.libsvm استفاده شود.
همچنین نوع نمونه برداری داده تمرین را نیز اصلاح کنید.
همچنین بهتر است پیش از ضبط یکبار مراحل را طی کرده و سپس اقدام به اجرای دوباره و ضبط نمایید. همچنین محدودیت های روش را از مقاله مطالعه بفرمایید سپس آنرا پیاده سازی کنید.
موفق و پیروز باشید.
Mohammad Kakooei –
تشکر از متن نقادانه شما دانشجوی گرامی
1- تغییرات و به روز رسانی ها در کتابخانه های کدنویسی همیشه وجود خواهد داشت و مادامی که تنها با تغییر جزیی ، دستور جدید قابل اجرا باشد، آموزش های قبلی معتبر است. که اگر غیر از این بود هیچ کتابی برای آموزش برنامه نویسی قابل چاپ نبود! همچنین، پیش تر تغییراتی که فرموید در جواب کامنت دوستان دیگری بیان شده بود و در چند کامنت بالاتر موجود است!
2- برای داده تمرین همیشه از داده هایی استفاده میشود که برای همه در دسترس است و اگرنه باید همیشه معطل داده میدانی باشیم! در محصولات آموزشی، روش و الگوریتم آموزش داده میشود و با داده هدف مد نظر کاربر قابل جایگزینی است.
3- نظر شما در رابطه با شیوه ضبط قابل احترام است اما با نظر بنده یکسان نیست. مطالب و مشکلاتی که در نوشتن اسکریپت قابل بیان است با اسکریپت آماده (که البته تدریس آن ساده تر است) قابل بررسی نیست.
4- منظور شما از محدودیت مقاله برای من گنگ است. در هر حال اگر این آموزش برای منطقه مطالعاتی شما قابل اجرا نیست و محدودیت دارد، با آقای نجفی هماهنگ کنید تا مبلغ پرداختی به شما عودت شود.
موفق باشید
محمد تاج –
با سلام وقت بخیر
در این دوره نقشه پوشش گیاهی را به وسیله سنجنده مادیس بدست آوردید که قدرت تفکیک مکانی مناسبی ندارد و من قصد دارم تحقیقی روی یک زمین 30 متر در 30 متر انجام بدهم آیا این نقشه لندکاور که با مادیس بدست آمده برایم مشکلی ایجاد نمی کنید؟
اگر بخوام نقشه لند کاور را با لندست بدست بیارم و جایگزین کنم امکان پذیر است؟ امکانش هست کمکم کنید؟؟
Mohammad Kakooei –
سلام
پوشش گیاهی به عنوان ورودی به عنوان متغیری است که جلوی واریانس کلی رطوبت را بگیرد و مقادیر با توجه به هر کلاس لندکاور مقداری بایاس شوند. یعنی از دیدگاه دقت الگوریتم و مدل تغییر خاصی ایجاد نمی کند. ولی چون هدف نهایی تولید نقشه با رزولوشن ریزتر است، احتمالا نقشه لندکاور با رزولوشن ریزتر بهتر باشد. مثلا میتوانید از نقشه ESRI استفاده کنید که توضیح آن در محصول زیر داده شده است.
https://girs.ir/seri-landcover-data
موفق باشید
محمد تاج –
ممنون از راهنمایی و آموزش خوبتون . داده هایی که قصد دارم برسی کنم مربوط به سال 2018و 2019 هستش و از این پروداکت نمیتونم استفاده کنم . ممنون میشم یک راهکار جایگزین بهم بدید . تشکر
Mohammad Kakooei –
خواهش میکنم.
بعید میدونم منطقه مطالعاتی شما در حد 1-2 سال به حدی تغییرات داشته باشد که نقشه ESRI معتبر نباشد.
اگر تغییرات زیاد دارید با تلفیق لندکاور ESRI و مادیس، یک سری نمونه جدید تولید کنید که برای مکان-زمان مورد مطالعه معتبر باشد و مجددا نقشه لندکاور را تولید کنید.
موفق باشید
سعید –
سلام
میخواستم بپرسم اگر ماهواره smap برای یک مدتی از یک منطقه ای دادهای رطوبت خاک رو ارزیابی نکرده باشه و ما بخوایم رطوبت رو به صورت سری مکانی و زمانی از اون منطقه با تصاویر رادار و یادگیری ماشین بدست بیاریم چه دیتاهایی نیاز داریم برای پردازش که به صرت سری زمانی-مکانی رطوبت رو ارزیابی کنه؟و کدوم الگوریتم برای این کار بهتر عمل میکنه؟
Mohammad Kakooei –
سلام
بهتر است مسئله را به دو فاز مستقل تشکیل نقشه مکانی و سپس گسترش زمانی تقسیم کنید.
شما حداقل به یک سری نمونه میدانی نیاز دارید تا بتوانید یک نقشه مکانی تشکیل دهید. سپس با استفاده از الگوریتم های سری زمانی به بررسی تغییرات سری زمانی بپردازید.
مثلا جواب سوالات زیر باید مشخص باشد:
– وسعت منطقه شما چقدر است؟
– تعداد نمونه هایی که میتوانید تهیه کنید چند تا است و توزیع آن چگونه است؟
– رزولوشن سری زمانی مد نظر چطور است؟ (روزانه، ماهانه یا سالیانه)
موفق باشید
محمد –
سلام
از داده های FLDAS واسه اموزش استفاده شده برای ارزیابی رطوبت یا داده هایی که سر زمین برداشت شده؟
Mohammad Kakooei –
سلام
اصولا برای انجام یک پروژه مطالعاتی به داده های میدانی نیاز است. اما برای آموزش روش و اینکه اجرای آن برای همه کابران ممکن باشد، در اینجا به عنوان مثال، داده های هدف از نقشه FLDAS نمونه برداری شده است و به داده های میدانی متکی نیست. با این کار گرچه رزولوشن مکانی نقشه تولید افزایش می یابد، اما دقت شما محدود به دقت داده FLDAS میشود که برای یک کار پژوهشی مناسب نیست.
موقث باشید
mohammad mahdi –
سلام
از مدل های backscatter میتونیم تو ماشین لرنینگ برای ارزیابی رطوبت خاک استفاده کنیم؟
Mohammad Kakooei –
سلام
منظورتون از مدل backscatter چیه؟
Mohammadmahdi –
سلام
مدل هایی هستند مثلIEM(Integral equation model) که بسته به نوع خاک ضرایب پراکندگی vوhتصاویر رادار رو محاسبه میکنند.
Mohammad Kakooei –
سلام
مدلی که اشاره کردید یک مدل پارامتری با راه حل معین هست که البته نحوه تحلیل آن را میتوان به صورت های ابتکاری بررسی کرد.
مدل های ماشین لرنینگ هم انواع پارامتری و غیرپارامتری دارند و محدود به موارد خاصی نیستند و اگر منظورتان این است که بدون حل روابط انتگرالی بتوان با روش های ماشین لرنینگ جواب را تخمین زد، به نظرم قابل انجام است. اما من تجربه ای در این زمینه ندارم.
موفق باشید
یگانه قمری قلعه –
سلام وقت شما بخیر
جناب دکتر من میخوام رطوبت خاک رو از سال 1401 به بعد و برای هر دوره تصویر برداری تصاویر راداری که هر 6 یا 12 روزه تصویر بردای انجام می شود جداگانه بدست بیارم نه به صورت سری زمانی. این فیلم آموزشی رو هم تهیه کردم و در این اموزش شما از نقشه کاربری سال 2018 استفاده کردین و تصاویر در بازه ماهانه هستش. الان من برای کار خودم باید کدوم قسمت از داده های ورودی رو تغییر بدم تا نتیجه درست و قابل قبولی بگیرم؟ ممنون میشم راهنمایی بفرمایید؟
Mohammad Kakooei –
سلام
ابتدا به مقاله مرجع مراجعه کنید. مقاله مرجع شامل تولید نقشه رطوبت و ارزیابی آن در زمان های مختلف است که در این آموزش به بخش تولید نقشه پرداخته شده است.
همچنین موضوع مورد نظر شما با موضوع مقاله تفاوت دارد و قابلیت اعمال آن به هر تصویر جدید نیاز به ارزیابی دارد.
omid –
سلام
تفکیک زمانی این چجوری هست؟
Mohammad Kakooei –
سلام
داده اصلی در اینجا سنتینل-۱ است و با توجه به اینکه انحراف از معیار باند vv باید محاسبه شود و حداقل به ۳ تصویر نیاز است، میتوان گفت مقدار متوسط را در بازه زمانی ۳ تصویر ارزیابی میشود که با توجه به منطقه حدود دو هفته تا یک ماه خواهد بود.
N.n –
سلام وقت بخیر جناب کاکوئی
ممنون میشم اگر محصولی در زمینه ماشین لرنینگ در سنجش از دور و اموزشی که در این روش استفاده کردین معرفی بفرمایید یا اگر منبعی نیسز سراغ دارین بفرمایین
Mohammad Kakooei –
سلام
فارغ ار منبع؛ فلوچارت روش استفاده شده در توضیح محصول در بالای صفحه ارائه شده است. همچنین، مقاله ای که در اینجا به عنوان مبنا استفاده شده در اولین ویدئو معرفی شده است.
موفق باشید
غزاله باباپور –
سلام با تشکر از آموزش بسیار عالی شما، در بخش دوم شما از ۲ ماه جهت تهیه داده های آموزشی استفاده کردین و گفتین داده های تست هم نیاز به تغییر دارد، ادغام داده های آموزشی برای یک سال با دستور Merge انجام می شود. سوال من اینه برای تهیه داده های تست در یک سال هم باید هر 5 دیتایی که به صورت ماهانه بدست می آوریم با دستور addBands ادغام کنیم؟ ممنون میشم راهنمایی کنید.
Mohammad Kakooei –
سلام
متوجه سوال شما نشدم. لطفا با جزییات بیان کنید که هدف شما چیست؟
سمانه باقری –
با سلام
من این محصول را خریداری کردم منتهی فقد فایل کد بود . ممنون میشم کد اجراشده را برای من ارسال کنید
احمدنجفی –
سلام
کدها هم به رسید خریدتون ارسال شده. لطفا ایملتان را چک کنید.
سمانه –
با سلام و وقت بخیر
من این آموزش خریداری کردم، منتهی نتیجه پهایی من یک حالت نوار نوار شدگی داره، ممنون میشم راهنماییم کنید مشکل از چیه
ممنون
https://code.earthengine.google.com/ce4c9b1e87e755b5fc503ac6434747d9
Mohammad Kakooei –
سلام
شما باید داده های موجود در کد خود را share کنید تا کد توسط دیگران قابل اجرا باشد.
سمانه –
من چطور میتونم فایل محدودمو بفرستم خدمتتون؟آدرس ایمیلتون لطف میکنید در اختیارم قرار بدید
Mohammad Kakooei –
از بخش share فایل به صورت any one can read اون رو مارک کنید.
سمانه باقری –
https://code.earthengine.google.com/?asset=users/samanehbagheri99/area
سلام و وقت بخیر
ببینید الان قابل اجرا هستش.
باتشکر
Hasan –
سلام وقت بخیر
در مناطق جنگلی که پوشش گیاهی بر روی تصاویر رادار تاثیر دارد به نظر شما چه پارامتر هایی از تصاویر رادار رو میتونیم به عنوان ورودی الگوریتم اضافه کنیم که تاثیر پوشش گیاهی در ارزیابی رطوبت رو کمتر کند؟
Mohammad Kakooei –
سلام
منظورتون از پوشش جنگلی مناطقی که درخت داره؟!
برای ارزیابی رطوبت در محیط بیابانی مسئله پوشش گیاهای وجود نداره. در مناطق کشاورزی هم رطوبت خاک با تصاویر راداری در تصاویری سنجیده میشود که محیط دارای پوشش گیاهی از محصول نباشد.
موفق باشید
Hasan –
سلام وقت بخیر
ممنون
بله منظورم وجود درخت هست که امواج ماکرویو رو تضعیف میکنه و scattering رو موج برگشتی ایجاد میشه. اگر بخوام توی مناطق جنگلی رطوبت رو حساب کنم چه پارامترهایی رو به عنوان وردی انتخاب کنم که دقت تخمین توی مناطق جنگلی بهتر بشه و تاثیر درخت کمتر باشه؟
اگ بخوام از تصاویر ماکرویو اکتیو و پسیو باهم استفاده کنم چون این تصاویر در دیتاست گوگل ارث انجین نیست میتونم به گوگل ارث انجین ایمپورتشون کنم بعد در gee کار کنم؟
Mohammad Kakooei –
سلام
بله، میتونید تصاویر رو به GEE ایمپورت کنید و از داده ها استفاده کنید. البته اندازه کل داده ها نباید از 250 گیگ بیشتر باشد.
من در مورد جنگل تجربه ای ندارم. اگر مقاله خاصی مد نظر شما است بفرمایید.
موفق باشید