تولید نقشه زمین های کشت برنج مازندران – با استفاده از تصاویر راداری سنتینل 1 در SNAP

367 بازدید

اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.

آموزش رایگان نرم افزار ENVI

در ENVI حرفه ای شو 🦾

0 تا 100 مفاهیم سنجش از دور

کاملا رایگان شروع کن 🧩

آموزش رایگان ArcGIS pro

واقعاااااا رایگاااااانه 🤗

آموزش گوگل ارث انجین

شدیدا توصیه شده 🌏

دانلود لندیوز 10 متری ایران و …

به کمک گوگل ارث انجین 🚀

کتاب موتور پردازش مجازی

اولین کتاب آموزش گوگل ارث انجین 📗

طبقه بندی تصاویر ماهواره ای

آشنایی با انواع روش ها 😲

پیش پردازش تصاویر ماهواره ای

هندسی – رادیومتریکی – اتمسفری 🀄

دانلود داده های آلتیمتری

ترازسنجی برای دریاچه ها 🧿

پوشش اراضی 10 متری

تولید شده توسط ESRI 🧐

نمایش سه بعدی در ArcGIS

مدل رقومی ارتفاع 🗻

مطالب پربازدید

محصول آموزشی تولید نقشه زمین های کشت برنج استان مازندران با استفاده از داده های راداری ماهواره سنتینل ۱ در نرم افزار SNAP منتشر شد! در این محصول آموزشی از تصاویر راداری ماهواره سنتینل ۱ بصورت چندزمانه برای آشکارسازی هرچه بهتر زمین های کشت برنج استفاده شده است. نرم افزار SNAP نیز به عنوان بهترین نرم افزار برای انجام پروژه…

محصول آموزشی تولید نقشه زمین های کشت برنج استان مازندران با استفاده از داده های راداری ماهواره سنتینل ۱ در نرم افزار SNAP منتشر شد! در این محصول آموزشی از تصاویر راداری ماهواره سنتینل ۱ بصورت چندزمانه برای آشکارسازی هرچه بهتر زمین های کشت برنج استفاده شده است. نرم افزار SNAP نیز به عنوان بهترین نرم افزار برای انجام پروژه های کاربردی ماهواره های سنتینل برای پردازش و آماده سازی داده ها استفاده شده است. 


مشخصات محصول 

  • مدرس: امیرحسین احراری
  • تخصص: کارشناس سنجش از دور و پردازش تصاویر ماهواره ای
  • موضوع: کاربرد سنجش از دور راداری در کشاورزی
  • نرم افزار: SNAP
  • داده های تمرینی:‌ ندارد. 
  • پیش نیاز: آشنایی با روش ثبت نام در سایت copernicus

تهیه آموزش:

به منظور خرید محصول آموزشی بر روی گزینه زیر کلیک کنید. سپس از خرید نسبت به دانلود محصول آموزشی اقدام کنید.


توضیحات آموزش:

در این محصول آموزشی، امیرحسین احراری به آموزش کاربرد داده های راداری در مطالعات نوع کشت پرداخته است. در همین راستا روش شناسایی زمین های کشت برنج در استان مازندران با استفاده از تصاویر چندزمانه راداری ماهواره سنتینل ۱ آموزش داده شده است. در این محصول آموزشی تمامی مراحل تصحیح رادیومتریکی تصاویر راداری و آماده سازی آن ها برای استخراج اطلاعات تشریح شده که از اهمیت بسیار بالایی در سنجش از دوری برخوردار است.


عناوین آموزشی 

نکات آموزش داده شده در نرم افزار SNAP برای تصاویر راداری سنتینل ۱ عبارت است از:

  1. روش انتخاب داده های چند زمانه
  2. روش دانلود تصاویر راداری 
  3. روش بروزرسانی نرم افزار 
  4. روش قراخوانی تصاویر 
  5. روش تصحیح رادیومتریکی
  6. روش حذف نویزهای حرارتی 
  7. روش محاسبه امواج بازپراکنده شده
  8. روش تصحیح نویز توپوگرافی
  9. روش حذف نویز اسپکل 
  10. روش تصحیح هندسی
  11. روش ایجاد یک مجموعه داده
  12. روش آشکارسازی زمین های کشت برنج
  13. روش طبقه بندی 
  14. تولید نقشه زمین های کشت برنج

ماهواره Sentinel-1

سنتینل ۱، ماهواره راداری از سری ماهواره های سری سنتینل است. این ماهواره در باند c بصورت dual polarisation تصویر برداری می کند. ماهواره سنتینل ۱ از توان تفکیک زمانی ۵ تا ۶ روزه برخوردار بوده و دارای توان تفکیک مکانی ۱۰ متری است. داده های ماهواره سنتینل ۱ بصورت رایگان عرضه شده و در زمینه کاربرد تولید نقشه های کاربری اراضی، کشاورزی، شهری، توپوگرافی و مخاطرات طبیعی کاربردی است.


کاربرد سنجش از دور

عرضه رایگان داده های راداری در سال های اخیر اهمیت استفاده از تصاویر آن در پروژه های سنجش از دور را بسیار افزایش داده است. قابلیت عبور امواج راداری از اتمسفر و عدم تاثیرپذیری آن از شرایط جوی، بزرگترین مزیت این داده ها است. به عنوان مثال در مناطقی که همواره هوا ابری است، استفاده از داده های راداری امکان افزایش دقت مطالعات را فراهم می آورد.

 

به عنوان مثال در زمینه تولید نقشه نوع کشت در سنجش از دور از تصاویر ماهواره ای چند زمانه استفاده می شود. وجود ابر در برخی از زمان ها باعث از دست اطلاعات در تصاویر ماهواره ای می گردد. این مشکل مانع از دسترسی به اطلاعات در این گونه از زمان ها می گردد. با این حال استفاده از داده های راداری بخوبی امکان حل این مشکل را فراهم کرده است و بدون ترس از وضعیت جوی و در هر فصلی می توانید نسبت به اخذ داده ها و استخراج اطلاعات از آنها اقدام نمایید.

 

تصاویر راداری به دلیل حساسیت بالایی که نسبت به تغییرات ارتفاع گیاهان دارند برای مدل سازی چرخه فنولوژی آن ها بسیار مفید و کاربردی است. هر چقدر که میزان رشد گیاه بیشتر باشد، هرچقدر که میزان تراکم آن افزایش یابد، میزان بازپراکنش امواج راداری رسیده به سنجنده نیز افزایش خواهد داشت. بر همین اساس همبستگی تصاویر راداری با روند رشد و برداشت محصولات زراعی امکان شناسایی محصولات متفاوت را بر اساس چرخه فنولوژی آن فراهم می کند. 


منطقه مورد مطالعه

در این آموزش، استان مازندران به عنوان منطقه مورد مطالعه انتخاب شده است. تنوع پوشش های موجود در این استان امکان جداسازی راحت زمین های زراعی و پوشش گیاهی طبیعی را دشوار ساخته است. با این حال داده های راداری چند زمانه تفکیک مناسبی را بین زمین های زراعی و پوشش های جنگلی فراهم آورده و اثر سایه های ناشی از تغییرات توپوگرافی در جنگل ها نیز با استفاده از تصحیح رادیومتریکی تعدیل شده است. 

 

در انتها با ضمن آشکارسازی زمین های کشت برنج با استفاده از تصاویر راداری چند زمانه، با استفاده از الگوریتم random forest طبقه بندی انجام و زمین های زراعی هدف از سایر پوشش ها متمایز گردید. در شکل مقابل نقشه حاصل از پردازش داده های راداری قابل مشاهده است. 


تهیه آموزش:

به منظور خرید محصول آموزشی بر روی گزینه زیر کلیک کنید. سپس از خرید نسبت به دانلود محصول آموزشی اقدام کنید.


لینک های مفید


 

 

0/5 (0 نظر)

نوشته های مرتبط :

آموزش های رایگان پیشنهادی :

42 دیدگاه. ارسال دیدگاه جدید

  • با سلام خدمت استاد عزیز، یه سوال خیلی مهم ازتون داشتم در ارتباط با این محصول آموزشیتون، خواستم بدونم این مراحلی که شما در این آموزش فرمودید رو می توان برای سایر محصولات کشاورزی، زیتون و … انجام داد؟ تشکر

    پاسخ
  • پریسا علی زاده
    1398-03-25 1:34 ب.ظ

    با سلام وخدا قوت خدمت شما
    جناب احراری در این آموزش فرمودین برای دانلود تصویر سنتینل ۱ در قسمت Sensor Mode قسمت IW را انتخاب کنیم و در آموزش استخراج مناطق سیل زده فرموده بودین چیزی انتخاب نشود… میخواستم بدون چه زمانی Iw را انتخاب میکنیم و چه تفاوتی باهمدیگر دارند
    سپاسگزارم ….

    پاسخ
  • با سلام و احترام
    در سایت ثبت نام کردم
    اما در زمان دانلود تصویر چنین پیغامی میده و نمیشه تصویر رو دانلود کرد:
    Offline product retrieval has been initiated. Please check again your Cart to know when it will be online.

    پاسخ
    • با سلام و احترام

      برخی از پروداکت ها نیاز به سفارش دارند. این تصویر را از طریق یکی از همان گزینه های موجود باید سفارش دهید. پس از چند ساعت لینک قابل دانلود آن برای ایمیل شما ارسال می شود.

      موفق باشید

      پاسخ
  • فائزه خلیفه سلطانیان
    1398-05-03 8:26 ب.ظ

    سلام وقتتون بخیر عدر میخوام استاد چگونه میشه وقتی که یخواهیم تصاویر را برش بدیم (در مرحله ی subset ) ما دقیقا با مرز استان مثلا برش بزنیم. مثلا استان گرگان را میشه شیپ فایلش را روی تصویر انداخت و آن را برش زد؟

    پاسخ
  • سلام و وقت بخیر.
    جناب مهندس من منطقه مورد مطالعه م دشت جیرفت در جنوب استان کرمان است و به نقشه پوشش گیاهی شامل مرتع و کشاورزی و… احتیاج دارم ولی فقط کاربری کشاورزی رو تونستم استخراج کنم و اطلاعاتی از مرتع و سایر پوشش ها ندارم. به نظر شما با چه روشی میتونم این نقشه رو تهیه کنم؟ که شامل طبقات مختلف کاربری باشد
    ممنون از راهنمایی شما

    پاسخ
    • با سلام و احترام

      با استفاده از همان تصاویر سری ndvi می توانید این کار را انجام دهید. فقط در جریان نمونه برداری از مکان هایی برداشت را انجام دهید که مقدار ndvi آن ها بین ۰/۱ تا ۰/۳ باشد.

      موفق باشید

      پاسخ
  • سلام و وقت بخیر.
    آیا منبعی رو سراغ دارید که چرایی انجام ۵ گام پری پراسس رو توضیح بده؟
    همچنین اینکه چرا در کاربرد تشخیص اراضی از grdh و iw استفاده می‌کنیم؟

    پاسخ
    • با سلام و احترام

      راستش بصورت تجربی به این روش رسیدم و در پروژه ها تست کردم نتیجه های خوبی گرفتم. از طرفی در help نرم افزار هم توضیحات مناسبی در این رابطه هست.

      دو پروداکت اصلی وجود دارد. برای کارهای تداخل سنجی راداری از slc استفاده می شود و برای سایر کاربردها از grdh نسخه IW استفاده می شود. این داده ها چون بصورت برد زمینی هستند و تصحیح هندسی از حالت slant به ground براش انجام گرفته عموما برای کاربردهای غیر نداخل سنجی مورد استفاده قرار می گیرد. این موارد رو بنده از سایت خود ماهواره سنتینل بدست آوردم.

      موفق باشید

      موفق باشید

      پاسخ
  • سلام مهندس من وقتی می خوام تصاویر سنتینل ۱ را در اسنپ باز کنم با این error مواجه میشم باید چیکار کنم؟
    java.long.out of memeoryerror : java heap space

    پاسخ
    • با سلام و احترام

      این خطا بدلیل حجم بالای داده ورودی نمایش داده میشه. پیشنهاد میکنم از آخرین ورژن اسنپ استفاده کنیدو پلاگین های مرتبط با نرم افزار و داده های سنتینل ۱ رو آپدیت کنید.

      موفق باشید

      پاسخ
  • با سلام
    تصاویر RGB چه کاری انجام می دهند؟ اینکه سه تصویر با هم ادغام شده و در یک تصویر ایجاد می شود با اینکه شرایط گیاه در این سه تصویر متفاوت است یعنی چه کار می کند و مقادیر پیکسلها در تصاویر RGB چکونه تهیه می شوند؟ و اینکه مهم است که کدام تصویر به عنوان تصویر پایه انتخاب می شود (آنجایی که در Stack کردن گزینه optimum را می زنید)

    پاسخ
    • با سلام و احترام

      ترکیب داده های سری زمانی در قالب سیستم رنگی امکان تشخیص زمین های کشت مورد نظر را فراهم کرده است تا ما بتوانیم نمونه از منطقه های آن برای طبقه بندی برداشت کنیم. این روش در مواردی که داده های زمینی از زمین های کشت مورد نظر نداریم بهترین گزینه است. در صورتی که دقیقا بدانید زمین های کشت مورد نظر شما کجاست این روش کاربرد ندارد. این روش تنها برای استفاده از جداول کشت و شناسایی زمین های کشت هدف بر اساس دوره کشت محصول کاربردی است. در محصول نیز بصورت کامل این موضوع را توضیح داده ام.

      موفق باشید

      پاسخ
      • سلام
        ۱- منظور من این است که کدام رنگ را به کدام تصویر و بر چه اساسی تخصیص می دهد؟ کدام سبز کدام قرمز کدام آبی؟
        ۲- اگر مثلا زمینی در خرداد محصول نداشت و در تیر داشت آن وقت تصویر RGB آن چگونه نمایش داده می شود؟
        ۳- اینکه قرمز مثلا پر رنگ با قرمز کم رنگ در این تصویر چه معنایی دارد؟
        ۴-حالت VV و VH چه هستند و چه فرقی دارند؟
        این فکر کنم خیلی مهمه در درک استفاده از تصاویر RGB.
        ممنونم

        پاسخ
        • برای اینکه این موضوع رو بهتر درک کنید یک مثال میزنم.

          مثلا فرض کنید کشت برنج در ماه آگوست به بیشترین حد رشد خود رسیده و بالاترین NDVI را در طول دوره کشت در این ماه دارد. این در خالی است که در ژانویه و فوریه در زمین های کشت برنج هیچ محصولی وجود ندارد و مقدار NDVI آن نزدیک به صفر است. در این شرایط اگر شما تصویر NDVI ماه آگوست را به رنگ قرمز مانیتور، و NDVI ماه های فوریه و ژانویه را نیز به رنگ های سبز و آبی دهید، چون بالاترین مقدار NDVI در کانال قرمز سیستم رنگ است، بنابراین زمین های کشت برنج به رنگ قرمز قابل مشاهده خواهد بود.

          موضوع اصلی در این جا انتخاب ترکیب باندی از ماه های کلیدی است. مهم نیست تصویر آگوست به کدام کانال رنگی داده شود. مهم آن است که بصورت ترکیبی با داده های فوریه و ژانویه استفاده شود. شما حتی می توانید تصویر آگوست را به جای کانال قرمز به کانال سبز هم بدید. هدف ما از این کار تنها این هست که بصورت بصری زمین های کشت برنج را از سایر پوشش ها متمایز کنیم.

          درصورتی که به رنگ قرمز مانتور تصویر ماه آگوست را بدید، زمین های کشت برنج قرمز رنگ خواهند شد و سایر کشت ها یا به رنگ تیره و یا به رنگ های سبز و آبی دیده می شوند.

          قرمز پر رنگ یعنی تراکم بیشتر و قرمز کم رنگ یعنی تراکم کمتر. چون ورودی کانال قرمز تصویر NDVI است.

          پارامترهای VV و VH قطیش های امواج هستند. یعنی جهت امواج راداری را نشان می دهند. VV یعنی جهت ارسال و دریافت امواج بصورت عمودی بوده و VH یعنی جهت ارسال امواج بصورت عمودی و دریافت آن بصورت افقی بوده است. قطبش های متفاوت امکان تشخیص بهتر برخی از پدیده ها را فراهم می کنند. مثلا VH نسبت به VV گاهی برای تفکیک زمین های زراعی بهتر عمل می کند.

          امیدوارم تونسته باشم ابهامات رو برطرف کنم. بازهم اگر امری بود در خدمت شما هستیم.

          موفق باشید

          پاسخ
  • محمد کمالی
    1398-10-29 10:44 ق.ظ

    سعید
    جناب احراری
    آیا وجود ابر به هر میزانی هیچ تاثیری بر روی تصاویر سنتینل ۱ یا کلا تصاویر راداری ندارد؟
    اگر اینطور است پس دیگر چرا از سنتینل ۲ استفاده کنیم؟ همیشه از سنتینل ۱ استفاده شود.

    پاسخ
    • با سلام و احترام

      درسته. ابر هیچ تاثیری بر روی آن ندارد.

      فراموش نکنید که ماهیت امواج با یکدیگر متفاوت است. اطلاعاتی که در داده های راداری است در محدوده اپتیکی وجود ندارد. داده های راداری کاربردهایی دارند که داده های اپتیکی ندارند و در عین حال از داده های اپتیکی نیز اطلاعاتی بدست می آید که در رادار قابل تولید نیست. هر محدوده طیفی مزایا و معایبی دارد و این به معنای برتری مطلق آن ها نیست.

      مثلا داده های سنتینل ۱ در مطالعات توپوگرافی عالی هستند اما برای اندازه گیری دقیق تغییرات کلروفیل قابل استفاده نیست در این موارد باید از باندهای اپتیکی استفاده کرد.

      موفق باشید

      پاسخ
  • با سلام و احترام
    اسپکل و تصویر بتا نات چه هستند؟
    ممنونم

    پاسخ
    • با سلام و احترام

      در تصویر راداری الگوی نقطه ای سفید و سیاه در تصویر دیده میشه که به آن ویژگی اسپکل گفته می شود. با استفاده از فیلترهای پایین گذر میتوان اثر آن را از روی تصویر کم کرد تا از این طریق تفسیرپذیری داده های راداری بهتر شود.

      تصویر بتا نات تصویری است که میزان انرژی راداری بازپراکنده شده از پدیده های مختلف را نمایش میدهد و می توان با استفاده از آن اثر توپوگرافی را از داده های راداری برداشت.

      موفق باشید

      پاسخ
  • سعید نصیری
    1399-02-28 8:08 ق.ظ

    سلام و وقت بخیر اقای احراری تشکر از آموزش خوبتون، من در ارتباط با آموزشتون یک سوال داشتم خواستم بدونم در snsp که طبقه بندی کاربری اراضی یا همان کشت برنج انجام شد، آیا روشی هم برای اعتبار سنجی طبقه بندی و خروجی گرفتن از مساحت کاربری ها وجود داره یا نه؟؟ ممنون میشم راهنماییم کنید

    پاسخ
    • با سلام و احترام

      بله می توان اعتبارسنجی را انجام داد. این فرایند با استفاده از مقایسه مساحت محاسبه شده در روی نقشه و آمارنامه های زمینی انجام می شود. راهکار دیگر اعتبار سنجی از طریق ماتریس خطاها و داده های زمینی است.

      موفق باشید

      پاسخ
  • با سلام خدمت جناب احراری

    یه سوال داشتم راجع به تعیین نوع کشت با رادار، با تهیه شاخص های گیاهی از سنتینل ۲ یا لندست با چه روشی میشه اونها رو با پلاریزاسیون های مختلف ترکیب کرد و نوع کشت رو مشخص کرد؟آیا وقتی شاخصی رو در انوی اجرا کردیم باید تصویر خروجی ازش بگیریم، یعنی از شاخص ها به چه صورت باید استفاده بشه و چطور با vv ,… ترکیب باید بشن تا کشت تعیین بشه؟

    پاسخ
    • با سلام و احترام

      به نرم برای استفاده ترکیبی روش های گوناگونی وجود دارد. برخی در فرایند طبقه بندی درختی با ترکیب شروط آن ها را ترکیب می کنند و برخی دیگر یک استک واحد ایجاد کرده و همه داده های اپتیکی و راداری را مستقیما وارد طبقه بندی آماری نظارت شده مانند svm می نمایند.

      موفق باشید

      پاسخ
  • سلام خسته نباشید.
    بنده الف هستم یه سوال داشتم در ارتباط داتا های سنتینل یک میشه بنده را رهنمای نماید که چطور میوانم دانلود اش بکنم ، چون اصل دیتا ذیلا خدمت شما ارایه میدارم ، بنده را رهنمایی به دانلود اش نمایید .
    DEM: Taftan
    S1A_IW_SLC__1SDV_20190614T014942_20190614T015009_027669_031F80_FBBE
    S1A_IW_SLC__1SDV_20190930T014949_20190930T015016_029244_035290_A25F
    ممنون

    پاسخ
  • با سلام خدمت جناب احراری عزیز
    بنده آموزش های سایت رو تهیه کردم و چندین سوال اساسی برایم ایجاد شد که عرض می کنم::
    برای تهیه نقشه شالیزارها با فنولوژی، به کمک ndvi لندست ماه های آبگیری زمین تا پایان شهریور و همچنین تصاویر سنتینل 1 vv, vh برای همین زمان (یعنی هر دو، مالتی تمپورال اند):
    1- برای انتخاب نقاط تعلیمی آیا باید حتما از جی پی اس استفاده کرد یا با گوگل ارث به کمک تصویر قبل و بعد کشت در هیستوری امکان پذیر است؟

    2- برای انتخاب نقاط تعلیمی با gps آیا رزولوشن مکانی لندست 8 که 30 متری است باید لحاظ شود یا سنتینل 1 که 10 متری است؟ یعنی مثلا باید در شعاع 30 متری آن نقطه در شالیزار کاربری دیگری نباشد یا اینکه نه، مثلا یک شالیزار در 10 یا 15 متری اش خانه مسکونی یا باغ باشد باز هم می شود آن نقطه از شالیزار را به عنوان نمونه با gps یا گوگل ارث ثبت کرد؟ ویا همین طور برای ساختمان مسکونی که طول و عرض زیادی ندارد و کاربری های زیادی در اطرافش است.

    3- آیا منظور از vv/vh در واقع همان نسبت تقسیم این دو تصویر است؟ اگر بله، در کدام مرحله از پیش پردازش راداری grd این نسبت باید انجام شود؟ قبل از تبدیل به دسیبل یا بعد از آن؟

    4- برای layerstack کردن تصاویر db سنتینل 1 و ndvi لندست 8 جهت انجام طبقه بندی نظارت شده، با توجه به یکسان نبودن رزولوشن ها، چگونه باید عمل کرد؟ به کمک چه نرم افزاری و اینکه آیا باید رزولوشن سنتینل 1 را به 30 کاهش داد و یا ndvi لندست 8 را به 10 رساند؟ آیا عمل layerstack باید روی تصاویر tiff انجام شود؟

    5- تصاویر surface reflectance کالکشن1 و 2 در لندست 8 چه تفاوتی با یکدیگر دارند و آیا نیاز به تصحیح رادیومتریک و اتمسفری دارند یا خیر؟ و از کدام می شود استفاده کرد در این موضوعی که در خط سوم عنوان شد؟ آیا در انوی قابل بازشدن هستند این تصاویر؟

    خواهشمندم به سوالات بنده پاسخ بدید
    با تشکر از زحمات شما

    پاسخ
    • با سلام و احترام
      اگر موقعیت نمونه ها رو میدانید و تاریخ تصویر گوگل با کار شما سازگار است می توانید در گوگل نمونه ها رو برداشت کنید.
      در ارتباط با برداشت زمینی نمونه ها و اینکه فاصله مکانی برداشت ها باید به چه صورت باشه اطلاعی ندارم. چون تا حالا کار فيلد جدی انجام ندادم و تجربه زیادی ندارم.
      در ارتباط با سوال سوم بستگی به این دارد که این عبارت در کجا بکار برده شده. اگر در فرمول ریاضی باشه به معنای نسبت گیری هست. اما معنای or هم در برخی از جاها دارد.
      اینکه نسبت گیری در چه مرحله ای انجام بشه بصورت پیش فرض اگر کاربرد رو در نظر نگیریم بعد از تصحیحات رادیومتریکی و هندسی باید نسبت گیری گرفته شود.
      در ارتباط با سوال چهارم باید باندها به یک پیکسل سایز واحد resample شوند. در این مورد هر دو تصویر باید به ۳۰ متر resample شوند. فرایند استک کردن رو روی هر فرمت داده ای می توانید انجام دهید.
      تفاوت کالکشن ها در سطح پردازش آن ها است.
      در حال حاضر داده های کالکشن ۲ سطح پردازشی بالاتری دارند اما باید برای دانلود سفارش دهید. با این حال بنده با داده های کالکشن ۱ بازتاب سطحی هر پروژه ای رو با دقت مناسب انجام دادم و مشکلی ندارد. تا حالا نیاز به کالکشن ۲ پیدا نکردم.

      موفق باشید

      پاسخ
  • با سلام
    همانطور که در ویدئو فرمودید باید برای تصویر سنتینل ۱ سه ماه جون، جولای و آگوست برای نقشه برنج انتخاب کنیم. آیا برای تصویر سنتینل ۲ هم باید سه تصویر در این سه ماه انتخاب بشه و در نهایت تصویر RGB استخراج بشه ؟
    برای صحت سنجی نقشه های نهایی برنج از چه روش یا داده های استفاده کنیم ؟

    پاسخ
    • با سلام و احترام

      بله برای تصاویر سنتینل ۲ نیز از همین سه عدد تصویر میشه استفاده کرد.
      باید با استفاده از روش ماتریس خطاها اعتبارسنجی رو انجام بدید. محاسبه ماتریس خطاها برای اندازه گیری دقت نقشه است که نیاز به داده های زمینی دارد.
      راهکار دیگر اعتبارسنجی آن است که سطح زیرکشت برنج حاصل از تصاویر ماهواره ای را با گزارش های زمینی موجود در این زمینه مقایسه کنید.

      موفق باشید

      پاسخ
  • با سلام
    جناب احراری عزیز
    بنده این آموزش رو تهیه کردم و یک سوالی خدمتتون داشتم
    در برخی مقالات نقشه کشت بنده دیدم که با سری زمانی سنتینل 1 نمودار دسیبل رو رسم می کنن. یک نمودار مقادیر سری زمانی vh، یک نمودار سری زمانی دسیبل vv و یک نمودار هم سری زمانی مقادیر دسیبل vv/vh. سوال من اینه که نمودار سری زمانی vv و vh که مشخصه رسمش ساده است. اما رسم نمودار سری زمانی دسیبل vv/vh به چه صورته؟ آیا منظورش اینه که اول مقادیر دسیبل vv رو به vh تقسیم کرده و بعد نمودار سری زمانی دسیبل رو رسم کرده یا نه امکان رسم نمودار سری زمانی تصاویر دوقطبی بدون اعمال جبری هم وجود داره؟

    اگه میشه، امکان داره نحوه ترسیم رو به بنده بگید لطفا، خیلی برام مهمه پاسخ این سوال. ایمیل بنده هم هست، اگه راه ارتباطی نیاز بود.
    لینک نمونه نمودار مقاله رو هم میذارم که مشاهده کنید، تو مقاله تصویر 7 هستش.

    Machine Learning-Based Classification for Crop-Type Mapping Using the Fusion of High-Resolution Satellite Imagery in a Semiarid Area

    https://www.hindawi.com/journals/scientifica/2021/8810279/

    پاسخ
  • با سلام
    جناب احراری عزیز، مستحضر هستم که منظور شما چی هست. امام فکر کنم من خیلی واضح توضیح ندادم، منظور من از سری زمانی در واقع تصاویر مالتی تمپورال (که به اشتباه سری زمانی گفتم) بود، یعنی به طور مثال اگه 6 تا تصویر سنتینل 1 دو قطبشی داشته باشیم، در نرم افزار SNAP چطور میشه یه نموداری مثل مقاله مذکور که لینکشو فرستادم ، رسم کرد. در واقع بنده ماهیت این گزینه نمودار vv/vh یا vv+vhرو در مقالات متوجه نمی شم، آیا :
    1- منظور از رسم نمودار چند زمانی vv/vh یعنی اینکه مقادیر دسیبل vv باید به vh تقسیم بشه و بعد نمودار برای نقاط مورد نظر ترسیم بشه؟
    2- یا اینکه قبل از تبدیل به دسیبل و بعد از اعمال تصحیحات، باید تقسیم vv به vh صورت بگیره و بعد به دسیل تبدیل بشه و نمودار برای نقاط مورد نظر ترسیم بشه؟
    3- و یا اینکه اصلا برای رسم چنین نموداری, اعمال توابع ریاضی نیاز نیست، یعنی مثلا 6 تصویر قطبش دوگانه سنتینل 1 داریم و بعد از تصحیح و تبدیل به دسیبل، با مشخص کردن نقاط روی تصویر در نرم افزار SNAP میشه نمودار vv/vh و یا…. رسم کرد؟

    در واقع به طور خاص منظورم اینه که در این مقاله
    https://www.hindawi.com/journals/scientifica/2021/8810279
    در تصویر شماره 7، نمودارهای vv/vh منظورش چی می تونه باشه، آیا تقسیم هستش؟ و در SNAP چطور ترسیم میشه؟

    با تشکر از حسن پاسخگویی شما

    و سوالم رو اصلاح می کنم:

    پاسخ
    • با سلام و احترام
      منظور این موردی که ارسال کردید با توجه به توضیحات خودتون نسبت طیفی بین دو قطبش vv بر vh هست.
      همان مورد اولی که فرمودید. نسبت بین دو قطبش محاسبه شده و سپس سری زمانی تغییرات آن گرفته شود.
      بله نمودار نسبت هست.

      موفق باشید

      پاسخ
  • پریسا علی زاده
    1400-05-24 9:55 ب.ظ

    سلام جناب مهندس خدا قوت
    من اموزش تفکیک نوع کشت با استفاده از تصاویر سنتینل را تهیه کردم اما در این روش از چرخه ی فنولوژی استفاده شده است.
    که برای تفکیک گندم و جو که چرخه رشد مشابهی دارند مناسب نمیباشد.
    ایا اموزشی موجود دارین که برای تفکیک نوع کشت با استفاده از نقاط زمینی باشد؟ چون من نقاط زمینی مزارع گندم و جو را دارم.
    اگر راهنمایی بفرمایین که با تصاویر لندست یا سنتینل چطوری انجام بدم ممنونم…

    پاسخ
    • با سلام و احترام

      بر اساس نقاط زمینی که دارید نمونه های مزارع مورد نظرتون رو برداشت کنید و سپس با روش طبقه یندی random forest نقشه نوع کشت رو طبقه بندی کنید.

      موفق باشید

      پاسخ
  • سلام آقای مهندس بابت فیلم آموزشی ارزشمندتون سپاسگزارم
    در این راستا دو سوال از خدمتتون دارم ممنون میشم راهنماییم کنید، شما در فیلم آموزشی محدوده کشت برنج را مشخص کردید حال سوالم اینست که بعد از این مرحله میخواهم مساحت اون قسمت ها را در gis محاسبه کنم چگونه می بایستی خروجی بگیرم ممنون میشم مسیر اکسپرت گرفتن و نحوه فراخوانی آن را در gis بهم بگید؟؟
    سوال دوم شما در فیلم فرمودید که اگر نمونه زمینی در اختیار داشته باشیم کار راحتر است الان من نمونه زمینی در اختیار دارم چگونه می بایستی اون نمونه هارا در تصویر نمایش دهم؟؟

    پاسخ
    • با سلام و احترام

      در صورتی که نمونه زمینی دارید با استفاده از روش های طبقه بندی تصاویر ماهواره ای به راحتی می توانید کلاس برنج را مشخص کنید. نمونه های برنجی که دارید به عنوان نمونه های آزمون طبقه بندی کلاس برنج وارد شده و برای سایر کلاس ها نیز از روی تصویر نمونه برداری می کنید. برای آشنایی بیشتر با روش طبقه بندی تصاویر ماهواره ای به این آموزش رایگان سایت مراجعه کنید.
      https://girs.ir/classification/

      در ارتباط با محاسبه مساحت کلاس ها نیز فکر کنم در آموزش رایگان بالا به آن اشاره شده باشد. در غیر این صورت در آموزش رایگان زیر موجود است.
      https://girs.ir/education/envi-course/

      موفق باشید

      پاسخ

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.