تعیین رطوبت خاک با استفاده از داده های راداری – محاسبه رطوبت خاک با سنتینل 1

۵۲۰,۰۰۰ تومان

مدرس: محمد کاکوئی
تخصص: متخصص برنامه نویسی، پردازش تصویر و سنجش از دور
موضوع: تعیین رطوبت خاک با داده های راداری
نرم افزار: سامانه گوگل ارث انجین
ماهواره: سنتینل ۱
فرمت آموزش: ویدئوهای آموزشی MP4
طول آموزش: ۱ ساعت و ۲۰ دقیقه
کد تمرینی: دارد

دسته: رادار و فرونشست, علوم خاک

توضیحات

در این محصول تعیین رطوبت خاک با استفاده از داده های راداری محاسبه می شود. در واقع محاسبه رطوبت خاک با سنتینل ۱ 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.

تعیین رطوبت خاک با استفاده از داده های راداری

به دلیل اینکه داده های راداری به شرایط جوی و زمان تصویربرداری وابسته نیستند، قابلیت اجرایی بالایی در مناطق مختلف دارند. داده های سنتینل ۱ با رزولوشن ۱۰ متر به عنوان داده های اصلی در این آموزش مورد استفاده قرار گرفتند. هم اکنون، به جز سنتینل ۱، 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 ۰ تا ۱۰ سانتی متر است که به عملکر سنتینل ۱ نزدیک باشد (طول موج – برابر ۵ 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 ۰ تا ۱۰ سانتی متر است. فرایند آموزش توسط روش های یادگیری ماشین (جنگل تصادفی و SVM) انجام می شود و رطوبت خاک با رزولوشن مکانی ۱۰ سانتی متر تولید می شود.

تصویر رطوبت خاک پیش پردازش شده FLDAS

محاسبه رطوبت خاک با سنتینل ۱

تصویر رطوبت خاک تولید شده با سنتینل-۱

humidity with radar3

عناوین آموزشی

عناوین آموزش داده شده عبارت است از:

فراخوانی داده پیش پردازش شده رطوبت خاک در GEE از سال ۱۹۸۲ تا ۲۰۱۹
فراخوانی داده پیش پردازش شده نوع پوشش سطح زمین
فراخوانی داده سنتینل ۱ 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

ویدئوی معرفی آموزش

تعیین رطوبت خاک با استفاده از داده های راداری:

نظرات (0)

نقد و بررسی‌ها

سعید – 6 آذر, 1401

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 – 6 آذر, 1401
  
  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 تاج – 1 اردیبهشت, 1401

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 – 2 اردیبهشت, 1401
  
  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 – 3 اردیبهشت, 1401
    
    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 – 3 اردیبهشت, 1401
      
      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
محسن مقدس – 22 فروردین, 1401

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 – 22 فروردین, 1401
  
  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
رضا حیدری – 8 اسفند, 1400

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 – 8 اسفند, 1400
  
  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
شیوا – 2 اسفند, 1400

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 – 5 اسفند, 1400
  
  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 – 6 اسفند, 1400
    
    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 – 6 اسفند, 1400
      
      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 – 10 اسفند, 1400
        
        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 – 10 اسفند, 1400
        
        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 – 11 اسفند, 1400
        
        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
R.S – 17 آبان, 1400

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 – 17 آبان, 1400
  
  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 – 17 آبان, 1400
    
    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 – 17 آبان, 1400
      
      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
پدیده p,hnd – 9 شهریور, 1400

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 – 9 شهریور, 1400
  
  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
پديده جوادي – 8 شهریور, 1400

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 – 8 شهریور, 1400
  
  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 – 9 شهریور, 1400
    
    سلام و احترام داده يك زمان را دارم و مي خواهم تايم سريز كار كنم استاد
    ممنونم از همراهي شما
مهدیه – 25 اردیبهشت, 1400

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 – 26 اردیبهشت, 1400
  
  با سلام و احترام
  
  برای سال ۲۰۱۹ لایه لندکاور مادیس در دسترس است. می توانید از آن استفاده کنید.
  
  موفق باشید
فائزه هاشمی – 23 اردیبهشت, 1400

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 – 24 اردیبهشت, 1400
  
  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.
zali zali – 3 اردیبهشت, 1400

لطقا در صورت ممکن دسنور استخراخ نصویر برای استفاده در جی آی اس رو هم قرار بدین
با تشکر
- Mohammad Kakooei – 24 اردیبهشت, 1400
  
  به Drive خود Export کنید و سپس داده GeoTIFF را دانلود و استفاده کنید.
zali zali – 3 اردیبهشت, 1400

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 – 24 اردیبهشت, 1400
  
  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
مینا – 17 فروردین, 1400

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 – 24 اردیبهشت, 1400
  
  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
نوری – 14 فروردین, 1400

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 – 15 فروردین, 1400
  
  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
N.n – 19 بهمن, 1399

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 – 20 بهمن, 1399
  
  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 – 20 بهمن, 1399
  
  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.
مهرارا عمادیان – 8 بهمن, 1399

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 – 9 بهمن, 1399
  
  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
bita barati – 5 بهمن, 1399

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 – 5 بهمن, 1399
  
  سلام
  مشکلی وجود ندارد
  اکنون ایمیل خود را چک کنید
الهام ملانوری – 4 بهمن, 1399

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 – 4 بهمن, 1399
  
  سلام و وقت بخیر
  در همان ویدئوی شماره ۱، ابتدا مقاله استفاده شده با جزییات کامل شرح داده میشه!!!
مینا یزدی – 11 مرداد, 1399

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 – 11 مرداد, 1399
  
  سلام
  با ایمیل من در ارتباط باشید
  Kakooey.m@gmail.com
Mohammad Kakooei – 29 تیر, 1399

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