فیلم وبینار ریز مقیاس سازی داده های رطوبت خاک روزانه در سامانه گوگل ارث انجین

350 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

فیلم وبینار ریز مقیاس سازی داده های رطوبت خاک روزانه در سامانه گوگل ارث انجین منتشر شد! این آموزش در ارتباط با روش ریز مقیاس سازی داده های ماهواره ای رطوبت خاک با استفاده از روش های رگرسیونی آماری به منظور افزایش جزییات مکانی این داده ها است. همچنین طی ۸۰ دقیقه شما با مهم ترین و پرکاربردترین روش ریز…

فیلم وبینار ریز مقیاس سازی داده های رطوبت خاک روزانه در سامانه گوگل ارث انجین منتشر شد!

این آموزش در ارتباط با روش ریز مقیاس سازی داده های ماهواره ای رطوبت خاک با استفاده از روش های رگرسیونی آماری به منظور افزایش جزییات مکانی این داده ها است. همچنین طی ۸۰ دقیقه شما با مهم ترین و پرکاربردترین روش ریز مقیاس سازی بصورت سری زمانی برای داده های رطوبت خاک آشنا می شوید.


مشخصات:

  • قیمت: ۱۴۹/۹۰۰ تومان
  • مدرس: امیرحسین احراری
  • تخصص: کارشناس سنجش از دور و پردازش تصاویر ماهواره ای
  • موضوع: ریز مقیاس سازی داده های رطوبت خاک
  • نرم افزار: سامانه گوگل ارث انجین
  • داده های تمرینی: دارد
  • مدت آموزش: ۸۰ دقیقه
  • پیش نیاز: دارد – آشنایی مقدماتی با سامانه گوگل ارث انجین

کیفیت این آموزش بصورت ۱۰۰ در ۱۰۰ از طرف آکادمی سنجش از دور تضمین می شود و در صورت عدم رضایت از محصول تمامی مبلغ پرداختی بازگردانده خواهد شد.


تهیه آموزش:

به منظور تهیه این آموزش بر روی دکمه زیر 👇 کلیک نمایید و پس از پرداخت وجه بلافاصله آموزش را دانلود کنید.


توضیحات

مهم ترین مزیت این آموزش آن است که شما روش های ریزمقیاس سازی بر اساس الگوریتم های یادگیری ماشین را بصورت کاربردی فرا خواهید گرفت.

توجه داشته باشید که این محصول برای افرادی مناسب است که از قبل با سامانه گوگل ارث انجین و دستورات پایه ای آن آشنایی دارند. در آموزش های قبلی روش ریز مقیاس سازی بر روی یک تصویر تدریس شده و این اولین بار است که بصورت سری زمانی در این دوره تدریس شده است.

 


عناوین آموزشی

مهم ترین عناوین آموزشی عبارت اند از:

  • روش کار با پروداکت رطوبت خاک سه ساعته GLDAS
  • روش تولید تصاویر رزوانه رطوبت خاک
  • روش ترکیب داده های رطوبت خاک با سایر متغیرهای زیست محیطی
  • کار با پروداکت های کاربردی مادیس مرتبط با رطوبت خاک
  • ریز مقیاس سازی با استفاده از روش یادگیری ماشین از ۱۰ کیلومتر به ۱ کیلومتر
  • ایجاد حلقه محاسباتی روزانه برای یرآورد رطوبت خاک
  • تولید پروداکت های چند زمانه رطوبت خاک ۱ کیلومتری


مدرس:

  • امیرحسین احراری
  • کارشناس سنجش از دور و پردازش تصاویر ماهواره ای
  • نویسنده اولین و پرفروش ترین کتاب آموزش گوگل ارث انجین در ایران

رطوبت خاک و ریزمقیاس سازی

رطوبت خاک یکی از مولفه های زیست محیطی مهم در بسیاری از مطالعات علوم زمین از جمله کشاورزی و منابع آب است. با این حال تعداد و تنوع این داده ها در سنجش از دور نسبت به سایر مولفه ها بسیار کمتر و با محدودیت های جدی از جمله توان تفکیک مکانی پایین مواجه است.

توان تفکیک مکانی پایین این داده ها بدلیل ماهیت امواج مایکرویو غیرفعال است که بدلیل کاهش میزان انرژی در دسترس برای تصویر برداری ماهواره ها ایجاد می شود. با این حال با استفاده از روش های ریز مقیاس سازی و ارتباط میان رطوبت خاک و متغیرهای زیست محیطی امکان افزایش جزییات مکانی این پروداکت ها با استفاده از الگوریتم های یادگیری ماشین فراهم شده است.

میزان پیشرفت در این زمینه به اندازه ای است که امروزه می توان داده های ۱۰ یا ۲۰ کیلومتری را با استفاده از تکینک ریز مقیاس سازی به ۱ کیلومتر افزایش داد.


تهیه آموزش

به منظور تهیه این آموزش بر روی دکمه زیر 👇 کلیک نمایید و پس از پرداخت وجه بلافاصله آموزش را دانلود کنید.

نوشته های مرتبط :

آموزش های رایگان پیشنهادی :

۱۴ دیدگاه. ارسال دیدگاه جدید

  • zahra shirmohammadi
    ۱۴۰۱-۰۴-۱۲ ۸:۵۴ ق٫ظ

    با سلام و ادب
    استاد گرامی من در دوره قبلی شما یعنی دوره گوگل ارث انجین که هفته پیش تمام شد شرکت کردم لزومی میبینید در این کلاس هم شرکت کنم البته در مستر کلاس دما و بارش هم ثبت نام کردم

    پاسخ
    • با سلام و احترام

      تکنیک هایی که در دوره شما تدریس شد برای انجام چنین کاری کافی است. درسته که در اون کلاس بصورت مستقیم به این موضوع اشاره نشد اما تکنیک های آن را بصورت کامل بلد هستید. با این حال اگر احساس نیاز می کنید می توانید در این دوره شرکت نمایید. در کلاس شما ریز مقیاس سازی با داده های SMAP انجام شد و در این کلاس با داده های GLDAS که روزانه هستند تدریس می شود.

      موفق باشید

      پاسخ
      • با سلام و خسته نباشید.
        جناب آقای احراری سوالی که بنده دارم اینه که واحد داده های اسمپ برحسب میلی متر هستند ولی داده هایی که ما بصورت زمینی برداشت میکنیم بصورت وزنی یا حجمی هستند. چطور میتوانیم این محصول رو با همچین داده هایی اعتبارسنجی کنیم؟
        ممنون🙏

        پاسخ
        • با سلام و احترام

          می توانید تبدیل واحد روی داده ها انجام دهید. البته من فعلا وارد بخش اعتبارسنجی داده های رطوبت خاک نشدم که دقیقا در این زمینه راهکار داشته باشم.
          علاوه بر موضوع تبدیل واحد میتوانید همه داده ها رو استانداردسازی یا نرمال سازی کنید تا قابل مقایسه شوند.

          موفق باشید

          پاسخ
  • پیمان افراسیابی کیا
    ۱۴۰۱-۰۴-۱۳ ۹:۳۴ ب٫ظ

    سلام خدمت استاد محترم
    من خیلی منتظر برگذاری این دوره بودم. فقط خواهشی که دارم اینه که اگه ممکنه این دوره یک روز دیگه مثل چهارشنبه ۱۵ تیر برگذار بشه و اگر تاریخ قابل تغییر نیست همون پنجشنبه حدود ساعت ۱۶ یا ۱۷ برگذار بشه
    اگر بتونید این لطف رو در حق من کنید خیلی ممنون میشم
    سپاسگزارم

    پاسخ
  • سلام خدمت استاد محترم
    چند سوال در این خصوص داشتم که ممنون میشم راهنمایی بفرمایید
    ۱- آیا دقت داده های GLDAS در حال حاضر ۲۵ کیلومتری است یا ۱۰ کیلومتری؟
    ۲- برای تولید داده های رطوبت خاک GLDAS که ترکیبی از داده ای زمینی و ماهواره ای است و حاصل مدلسازی در مدلهای سطح زمین میباشد، از تصاویر رطوبت خاک کدام ماهواره استفاده شده است؟
    ۳- چگونه میشود اثبات کرد که با ریز مقیاس سازی داده های رطوبت خاک، دقت داده های رطوبت خاک افزایش پیدا خواهد کرد؟ آیا رفرنس معتبری در این زمینه موجود هست؟
    ۴- آیا داده های رطوبت خاک GLDAS که ترکیبی از داده ای زمینی و ماهواره ای است، نسبت به داده های رطوبت خاکی که صرفاً حاصل از تصاویر ماهواره ای سنجنده های مختص این پارامتر (مانند SMAP و AMSR2) هستند، دارای دقت بالاتری هست یا خیر؟ ممنون میشم اگر رفرنسی باشه معرفی کنید.

    پاسخ
    • با سلام و احترام

      همانطور که در آموزش نیز بیان شده بصورت ۲۵ کیلومتری است.
      داده های شبیه سازی شده ترکیبی از داده های زمینی و ماهواره ای و مدل سازی ها هستند. این کنه دقیقا از کدام تصاویر ماهواره ای در تولید این مدل استفاده شده را می توانید در منابع مربوط به آن جستجو نمایید.
      https://developers.google.com/earth-engine/datasets/catalog/NASA_GLDAS_V021_NOAH_G025_T3H

      ریزمقیاس سازی اساسا به شما کمک میکنه تا الگوی مکانی تغییرات را دقیق تر مطالعه کنید. روش های ریزمقیاس سازی در اصل برای همین منظور ایجاد شده و مقالات بسیاری در این رابطه نوشته شده است.
      عبارت soil moisture downscaling را در گوگل جستجو کنید و مقالات نوشته شده دراین زمینه را مطالعه نمایید.

      بنده مقایسه ای بین GLDAS و SMAP بصورت آماری انجام ندادم اما به نظرم داده های شبیه سازی شده مانند GLDAS باید دقت بالاتری داشته باشه چون assimilation برای افزایش دقت نتایج تولید شده است. در حال حاضر دارم روی این موضوع کار میکنم و تا چندماه آینده نتایج آن را منتشر خواهم کرد.

      موفق باشید

      پاسخ
  • ۵- برای کاری که من در نظر دارم انجام بدم، نیاز دارم که سری زمانی برای تمامی پیکسل های تصویر استخراج بشه. آیا راهی هست که بدون کلیک کردن روی پیکسل ها، برای تمامی پیکسل ها (به تفکیک UTM آنها) یک خروجی کلی داشته باشیم؟
    ۶- مورد دیگه ای که ممنون میشم راهنمایی بفرمایید این هست که آیا میشه سری زمانی رطوبت میانگین رو در منطقه مورد نظرمون (توسط میانگین گیری از رطوبت پیکسل ها به صورت روزانه) به روش های مختلف (روش های مختلف میانگین گیری) محاسبه کرد؟

    پاسخ
    • تصویر استک نهایی که تولید میشه عملا در هر پیکسل مقدار رطوبت خاک در تاریخ های مختلف رو شامل میشه.
      بله سری زمانی میانگین رطوبت منطقه را هم با دستور chart می توانید محاسبه کنید.

      موفق باشید

      پاسخ
  • لاله آموزگار
    ۱۴۰۱-۰۴-۱۵ ۱۰:۱۷ ب٫ظ

    با سلام و احترام

    خواسم بدونم امکانش هست دوره ای در خصوص ریزمقیاس سازی داده های هوا اقلیم و سناریوهای تغییراقلیم براساس گزارش ششم برگزار نمایید؟

    پاسخ
  • پیمان افراسیابی کیا
    ۱۴۰۱-۰۴-۳۰ ۹:۴۵ ق٫ظ

    سلام خدمت استاد احراری عزیز
    استاد من برای منطقه مورد مطالعه خودم این کد رو اجرا کردم ولی داده های NAN زیادی داشت که احتمالا به خاطر اثر ابر بوده. آیا راهی وجود داره که اثر ابر رو از بین ببرم؟

    پاسخ
    • با سلام و احترام

      بله در داده های روزانه اثر ابر مخصوصا در ماه های سرد و عرض های جغرافیایی بالا داده های تعریف نشده زیادی در محاسبات است. برای حل این مشکل فقط میشه داده ها رو بصورت هفتگی یا ۱۶ روزه تبدیل کرد تا اثر این خطاها به حداقل برسد.

      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.

فهرست