آموزش تحلیل شدت تغییر کاربری اراضی با گوگل ارث انجین و پایتون

۹۵۰,۰۰۰ تومان

  • مدرس: حسن مظفری
  • تخصص: دکتری ژئومورفولوژی، مدرس سنجش از دور و علوم مکانی
  • موضوع: تحلیل شدت تغییر کاربری اراضی
  • نرم‌افزار: پایتون در محیط گوگل کولب و سامانه گوگل ارث انجین
  • داده مبنا: پوشش زمین داینامیک ورلد با تفکیک ۱۰ متر
  • طول آموزش: بیش از ۵ ساعت
  • داده‌های تمرینی: دارد، محدوده نمونه دشت تهران و کرج در ۳ مقطع زمانی
  • پیش‌نیاز: آشنایی مقدماتی با پایتون، یک حساب گوگل، ثبت‌نام رایگان در گوگل ارث انجین، و یک مرورگر
  • مخاطب: پژوهشگران و دانشجویان جغرافیا، زمین‌شناسی، شهرسازی، محیط زیست، منابع طبیعی و عمران
توضیحات

توضیحات

هدف این دوره آموزشی، توانمندسازی پژوهشگران در سنجش کمّی و چندمقطعی تغییرات کاربری اراضی و سپس ارزیابی نقادانه و سنجش اعتبار روش‌شناختی همان یافته‌هاست. در اغلب پژوهش‌های حوزه پایش کاربری اراضی، فرایند تحلیل سرانجام به یک جدول ماتریس انتقال خلاصه می‌شود؛ جدولی که نشان می‌دهد چند هکتار از اراضی کشاورزی به اراضی انسان‌ساخت تبدیل شده یا چه میزان از اراضی بایر زیر پوشش گیاهی رفته است.

از دل همین داده‌ها، درصدی استخراج می‌شود که مستقیماً در چکیده مقاله یا نتایج اصلی پایان‌نامه جای می‌گیرد. با این حال، پرسشی بنیادین که به‌ندرت در داوری‌ها یا فرایند پژوهش مورد توجه قرار می‌گیرد این است: واقعیت این است که در طبقه‌بندی‌های خودکار، همواره تعدادی از پیکسل‌ها به‌دلیل خطاهای طبقه‌بندی میان طبقات جابه‌جا می‌شوند. چنانچه دامنه این جابه‌جایی‌های خطایی از نرخ تغییرات واقعی پدیده فراتر رود، مقادیر استخراج‌شده تنها بازتاب‌دهنده خطای سیستماتیک روش خواهند بود و اعتبار علمی پژوهش زیر سؤال می‌رود.

چارچوب آموزشی این دوره بر بستر یک دفترچه کد جامع و آماده اجرا در محیط گوگل کولب (Google Colab) بنا نهاده شده است. شما برای پیاده‌سازی تحلیل در منطقه پژوهشی خود، تنها کافی است مختصات جغرافیایی چهارگوشه محدوده و بازه‌های سالانه مورد نظر را وارد کرده و سلول‌ها را اجرا نمایید. افزون بر این، در صورت در اختیار داشتن مرز مطالعه در قالب شیپ‌فایل، امکان فراخوانی مستقیم آن به جای مستطیل مختصات پیش‌بینی شده است.

 

محاسبات تحلیل شدت بر پایه چارچوب مفهومی الدویک و پونتیوس (Aldwaik & Pontius) در سه سطح سلسله‌مراتبی ساختاربندی می‌شود:

  1. سطح بازه زمانی (Time Interval): مشخص می‌سازد که آهنگ تغییرات در کدام دوره زمانی شتاب بیشتری داشته است.
  2. سطح دسته کاربری (Category): پویایی و شدت کاهش یا افزایش هر طبقه را متناسب با وسعت و ظرفیت اولیه همان طبقه تبیین می‌کند.
  3. سطح انتقال (Transition): نشان می‌دهد توسعه و گسترش یک طبقه کاربری هدف، به چه میزان و فراتر از انتظار تصادفی، از سایر طبقات تغذیه کرده است.

خروجی نهایی این فرایند، ماتریس‌ها و جدول‌های محاسباتی استاندارد به‌همراه نمودارهای گرافیکی تحلیلی است که مستقیماً قابلیت درج در فصل یافته‌های پایان‌نامه و متون مقالات علمی و پژوهشی را دارند.

تمایز بنیادین این آموزش با رویکردهای مرسوم، گنجاندن مرحله «سنجش خطای روش‌شناختی» یا آزمون کنترل اعتبار است. در این شیوه، فرایند تحلیل بر روی دو سال متوالی اجرا می‌شود؛ از آنجا که در مقیاس یک‌ساله تغییرات واقعی پوشش زمین در مقیاس کلان بسیار محدود است، مقادیر تغییرِ ظاهرشده در خروجی، بیانگر آستانه نوسان و «کف نویز طبقه‌بندی» خواهند بود.

با مقایسه آهنگ تغییرات ثبت‌شده در بازه‌های چندساله با این کف نویز، به‌روشنی مشخص می‌شود کدام‌یک از یافته‌ها سیگنالی واقعی و قابل دفاع در فرایند داوری مقالات هستند و کدام ادعاها را باید به‌دلیل هم‌پوشانی با خطای روش کنار گذاشت. این ارزیابی نقادانه، مرز میان یک شاخص آماری صرف و یک یافته پژوهشی مستند و داورپسند است.


 

little icon تیزر آموزش


 

little icon معرفی مدرس

  • حسن مظفری
  • دکتری ژئومورفولوژی
  • مدرس دانشگاه فرهنگیان
  • برگزاری دوره‌های متعدد آموزش جی آی اس و سنجش از دور برای دانشجویان دانشگاه فرهنگیان
  • برگزاری چندین دوره ضمن خدمت در زمینه جی آی اس و سنجش از دور برای فرهنگیان
  • تألیف چندین مقاله علمی و پژوهشی در رابطه با ژئومورفولوژی و علوم مکانی
  • مدرس کارگاه‌های مختلف برای فرهنگیان و دانشجویان
  • برگزاری کلاس‌های آموزشی برای شرکت‌های مختلف سنجش از دوری
  • فعالیت در زمینه برنامه‌نویسی در سامانه گوگل ارث انجین، زبان آر و پایتون
  • عضو مدرسین آکادمی سنجش از دور

 

little icon عناوین آموزشی

به شرح زیر می باشد:

  • بخش اول: پیکربندی محیط توسعه در مرورگر و برقراری ارتباط با پلتفرم پردازش ابری
  • بخش دوم: تعریف هندسه محدوده مطالعاتی و تنظیم مقاطع زمانی متناسب با منطقه هدف شما
  • بخش سوم: استخراج و پردازش نقشه کاربری اراضی در مقاطع سالانه جهت دستیابی به طبقه‌بندی سازگار و قابل مقایسه
  • بخش چهارم: ارزیابی و بازبینی دیداری لایه‌ها در قالب نقشه تعاملی پیش از محاسبات رقومی
  • بخش پنجم: راهکار ذخیره‌سازی و بازیابی وضعیت نشست‌ها جهت تداوم پژوهش در چند نوبت بدون تکرار پردازش‌های محاسباتی سنگین
  • بخش ششم: استخراج ماتریس انتقال بین مقاطع زمانی و تفسیر مساحت‌های پایداری و جابه‌جایی طبقات
  • بخش هفتم: تحلیل شدت در سطح بازه زمانی و ارزیابی شتاب تغییرات در قیاس با خط یکنواخت کل دوره
  • بخش هشتم: ارزیابی شدت در سطح دسته‌های کاربری و سنجش پویایی افزایش یا کاهش هر طبقه نسبت به مساحت اولیه
  • بخش نهم: فرمول‌بندی و آماده‌سازی ماتریس محاسبات سطح انتقال میان طبقات مشخص
  • بخش دهم: واکاوی رفتار توسعه طبقه هدف و تشخیص الگوی تغذیه هدفمند یا اجتناب از سایر کاربری‌ها
  • بخش یازدهم: پیاده‌سازی آزمون کنترل نویز و تعیین حدود تغییرات واقعی و قابل گزارش در برابر خطای ذاتی طبقه‌بندی
  • بخش دوازدهم: تدوین شکل گرافیکی نهایی نتایج، ذخیره‌سازی نظام‌مند جداول در محیط محلی/ابری و رفع اشکالات متداول در اجرای کد

 

little icon فلوچارت فرایند

مراحل گام‌به‌گام کار، از تعریف محدوده جغرافیایی و سری زمانی تا دستیابی به خروجی‌های کمّی معتبر برای درج در متون علمی، در نمودار فرایندی زیر ترسیم شده است:

pic1


 

little icon بسترهای نرم‌افزاری و پردازشی

در این دوره آموزشی، منطق برنامه‌نویسی با زبان پایتون در محیط تعاملی گوگل کولب توسعه داده شده و کلیه بار محاسباتی و پردازش تصاویر ماهواره‌ای مستقیماً بر عهده سرورهای ابری گوگل ارث انجین است. تصاویر ماهواره‌ای بدون نیاز به دانلود در فضای ابری باقی مانده و توان پردازش بر زیرساخت محاسباتی شرکت گوگل متکی است. بدین ترتیب، تنها نیازمندی سخت‌افزاری سیستم شما اجرای یک مرورگر ساده وب بوده و استفاده از حساب کاربری ارث انجین برای مصارف پژوهشی کاملاً رایگان است.

چهار کتابخانه متن‌باز و استاندارد پایتون ستون‌فقرات این کد را تشکیل می‌دهند:

  • ee: برقراری ارتباط و ساخت درخواست‌های پردازشی به سرور ابری ارث انجین
  • geemap: مصورسازی و هم‌پوشانی تعاملی مقاطع زمانی نقشه‌ها
  • pandas: ذخیره‌سازی، سازمان‌دهی و پردازش داده‌های ماتریس انتقال و خروجی سطوح سه‌گانه
  • matplotlib: ترسیم نمودارهای تحلیلی و خروجی‌های گرافیکی متناسب با استانداردهای نشر علمی

مزیت کلیدی این بستر در مقایسه با فرایندهای سنتی و دستی در نرم‌افزارهای رومیزی GIS، «تکرارپذیری علمی (Reproducibility)» است. کدی که در این پروژه برای نمونه موردی دشت تهران و کرج پیاده‌سازی شده، تنها با بازتنظیم چهار مؤلفه مختصات و سه مقطع سالانه، یا با فراخوانی شیپ‌فایل مرز اداری، قابلیت اجرا در هر کجای پهنه ایران و جهان را داراست و خروجی‌هایی همسان با کیفیت گزارش اولیه تولید می‌کند.

هر سلول نوت‌بوک وظیفه‌ای تعریف‌شده و مستقل بر عهده دارد و تعبیه دو سلول ویژه جهت بازیابی وضعیت، این امکان را فراهم می‌کند که جریان پردازش را بدون اجرای مجدد بخش‌های محاسباتی سنگین، در نوبت‌های کاری مختلف پیش ببرید؛ رویکردی که شفافیت متدولوژی پژوهش را در داوری مقالات تضمین می‌کند.


 

little icon داده‌های ماهواره‌ای و طبقه‌بندی مبنا

پایگاه داده اصلی این دوره، آرشیو پیوسته پوشش زمین Dynamic World است. این مجموعه بر مبنای تصاویر ماهواره سنتینل-۲ (Sentinel) و مدل‌های یادگیری عمیق توسعه یافته و در هر برداشت ماهواره‌ای، احتمالات آماری تعلق هر پیکسل به ۹ طبقه مختلف پوشش زمین را ثبت می‌کند. این داده‌ها با تفکیک مکانی ۱۰ متر از سال ۲۰۱۵ تا به امروز در دسترس هستند. به‌دلیل خصلت پایش مداوم این مجموعه، امکان استخراج مد آماری (طبقه پرتکرار و غالب) در مقیاس سالانه برای هر پیکسل وجود دارد؛ رویکردی که نوسانات فصلی و اثرات ابرها را تعدیل نموده و نقشه‌هایی با سازگاری زمانی پایدار فراهم می‌آورد.

در این آموزش، به‌منظور پرهیز از شلوغی ماتریس انتقال و ارتقای خوانایی و امکان‌پذیری تحلیل شدت، ۹ طبقه تفصیلی اولیه به ۵ رده کاربری کلیدی بازطبقه‌بندی می‌شوند تا تمرکز پژوهش بر تغییرات بنیادین سیمای سرزمین معطوف باشد. روش و اصول این بازطبقه‌بندی به‌تفصیل در کد توضیح داده شده و متناسب با اهداف فرضیه پژوهش شما قابل تعدیل است.

محدوده مورد بررسی در این آموزش، دشت تهران و کرج با وسعت کلی ۳۲۱٬۵۳۲ هکتار در سه مقطع زمانی ۲۰۱۷، ۲۰۲۰ و ۲۰۲۴ است.

 

 

pic4

 

بدیهی است دقت و صحت طبقه‌بندی‌های ماهواره‌ای در مناطق مختلف جغرافیایی همگن نبوده و تفاوت‌هایی نشان می‌دهد؛ این نکته به‌روشنی در مباحث دوره تبیین شده است. آزمون سنجش کف نویز (مندرج در بخش یازدهم) ابزار تشخیصی شما خواهد بود تا دریابید داده‌های خام ماهواره‌ای منطقه شما از ثبات روش‌شناختی کافی برای پاسخ‌گویی به سؤالات تحقیق برخوردار هستند یا خیر.

استفاده از این پایگاه داده در پژوهش‌های دانشگاهی آزاد بوده و با ذکر منبع اصلی در مراجع علمی معتبر است.

 

پنج رده کاربری تحلیل‌شده در این آموزش:

  1. پهنه‌های آبی و منابع آب سطحی
  2. پوشش گیاهی طبیعی (درختان، درختچه‌ها و مراتع)
  3. اراضی زراعی و کشاورزی
  4. ساخت‌وسازها و سطوح انسان‌ساخت
  5. اراضی لخت و بایر

 

little icon کاربرد این محصول

تدوین سریع و علمی بخش متدولوژی و یافته‌های پژوهش: دانشجویانی که پایان‌نامه آنان به بررسی الگوهای گسترش کالبدی شهر متمرکز است، به محاسبات ماتریس انتقال و تحلیل سه سطحی شدت نیازمندند. پژوهشگرانی که پیامدهای زوال اراضی حاصلخیز کشاورزی را تحلیل می‌کنند، باید اثبات نمایند چه سهمی از رشد پهنه‌های انسان‌ساخت ناشی از تغییر اراضی زراعی بوده است. کارشناسانی که برای سازمان‌ها گزارش تغییر کاربری تهیه می‌کنند، نیازمند اعدادی با اتکای روش‌شناختی هستند. تمام این نیازها تنها با تنظیم سال‌ها و مرز جغرافیایی در همین دفترچه کد به نتیجه می‌رسند.

 

ارزیابی نقادانه و پیشینیِ پژوهش‌های پیشین: چنانچه پیش از این اعدادی درباره سرعت تغییرات کاربری اراضی استخراج کرده‌اید، آزمون سنجش کف نویز شفاف می‌سازد که آیا این نرخ‌ها از خطای طبقه‌بندی بزرگ‌تر بوده‌اند یا خیر. انجام این اعتبارسنجی پیش از ارسال مقاله به مجلات، مانع از رد مقاله یا چالش‌های جدی با داوران خواهد شد. چنان‌که در فرایند این دوره مشاهده می‌شود، در برخی مقاطع واقعی، شدت تغییرات کوتاه‌مدت پایین‌تر از کف نویز قرار می‌گیرد؛ دوره نشان می‌دهد چگونه افزایش هدفمند طول بازه زمانی می‌تواند سیگنال تغییرات واقعی را از آستانه نویز تفکیک کند.

 

ارائه یک الگوی مهندسی‌شده برای کدنویسی علمی: این دفترچه کدی ساختاریافته و استاندارد را ارائه می‌دهد: تفکیک پیکربندی داده‌ها از منطق پردازش، انتقال پردازش‌های سنگین به سرور ابری، نگارش توابع مستقل و آزموده‌شده برای هر ماتریس و تکمیل هر گام تحلیلی با بازبینی تصویری و استخراج گزارش عددی. چنین ساختاری فاصله میان یک کد ناپایدار یک‌بارمصرف و یک چارچوب نرم‌افزاری تکرارپذیر دانشگاهی را رقم می‌زند.


 

little icon مخاطبان این آموزش

این آموزش برای تمامی پژوهشگرانی طراحی شده است که با تحلیل تغییرات پوشش و کاربری اراضی سر و کار دارند و می‌خواهند فراتر از ترسیم نقشه‌های گرافیکی ساده، وارد تحلیل‌های کمّی، دقیق و داورپسند شوند. دانشجویان مقاطع کارشناسی ارشد و دکتری در رشته‌های:

  • علوم جغرافیایی (برنامه‌ریزی شهری، روستایی، طبیعی و سنجش از دور)
  • ژئومورفولوژی و زمین‌شناسی
  • برنامه‌ریزی شهری و طراحی شهری
  • علوم و مهندسی محیط زیست
  • مهندسی منابع طبیعی و آبخیزداری
  • مهندسی کشاورزی و علوم خاک
  • مهندسی عمران و نقشه‌برداری

بیشترین بهره‌وری را از این چارچوب خواهند داشت، چرا که ساختار اصلی یافته‌های تجربی پایان‌نامه‌ها و مقالات آنان به همین ماتریس‌ها وابسته است. افزون بر این، کارشناسان شرکت‌های مهندسین مشاور و دفاتر فنی نیز می‌توانند از این روند تکرارپذیر در مستندسازی گزارش‌های تخصصی خود بهره ببرند.

برای آغاز این دوره، داشتن پیش‌زمینه‌ای مقدماتی در پایتون کافی است؛ چرا که کدها به‌گونه‌ای ماژولار سازمان‌دهی شده‌اند که هر سلول مأموریت مستقلی داشته باشد و اجرای متوالی آن‌ها، نتایج را به‌صورت لحظه‌ای نمایان سازد.

در ویدیوهای آموزشی، خط‌ به‌خط دستورها تشریح و منطق حاکم بر توابع بازگو شده است. پژوهشگران با تجربه نیز می‌توانند ماژول‌های محاسباتی سنجش کف نویز و آزمون جریان خالص را به عنوان کدهایی آماده در مطالعات خود استفاده نمایند.

نظرات (0)

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “آموزش تحلیل شدت تغییر کاربری اراضی با گوگل ارث انجین و پایتون”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *