آموزش جامع کار با سری های زمانی با استفاده از پایتون – بدون مشابه داخلی و خارجی

640 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

آموزش سری زمانی با پایتون
آموزش جامع کار با سری های زمانی با استفاده از زبان پایتون منتشر شد پایتون یک زبان برنامه‌نویسی سطح بالا (High-Level) است که به وسیله‌ آن عمل برنامه‌ نویسی به آسانی و با سرعتی بالا انجام می‌پذیرد. از جمله کاربردهای زبان برنامه نویسی پایتون می توان به حوزه پردازش تصویر اشاره نمود. اگر با نگاه ریاضی به پردازش تصویر نگاه…

آموزش جامع کار با سری های زمانی با استفاده از زبان پایتون منتشر شد

پایتون یک زبان برنامه‌نویسی سطح بالا (High-Level) است که به وسیله‌ آن عمل برنامه‌ نویسی به آسانی و با سرعتی بالا انجام می‌پذیرد. از جمله کاربردهای زبان برنامه نویسی پایتون می توان به حوزه پردازش تصویر اشاره نمود. اگر با نگاه ریاضی به پردازش تصویر نگاه کنیم، تابعی است که به عنوان ورودی تصویری را دریافت می‌کند و با استفاده از فرمول‌ها و قواعد داده‌شده، مجموعه‌ای از علامت‌ های ریاضی که مفاهیم خاصی را برای ماشین دارد؛ بر‌می گرداند.

در این آموزش به بررسی اجمالی سری های زمانی انواع مختلف پدیده ها در زبان پایتون پرداخته شده است. پدیده های مثل برف، پوشش گیاهی، تبخیر و تعرق، دمای سطح زمین از جمله پدیده هایی هستند که در این آموزش به بررسی سری زمانی آن ها پرداخته شده است. همچنین این آموزش تکمیلی آموزش جامع پایتون در سنجش از دور نیز می باشد.

موارد مهم مطرح در این آموزش :

معرفی سایتی جدید به منظور دانلود تصاویر مختلف بر اساس شیپ فایل محدوده

پردازش بیش از ۱۰۰۰ تصویر برای هر پدیده به منظور محاسبه سری زمانی

محاسبه میزان تغییرات سری زمانی پوشش برف بر اساس کیلومتر مربع

محاسبه میزان تغییرات سری زمانی پوشش گیاهی بر اساس کیلومتر مربع

محاسبه میزان تغییرات سری زمانی دمای سطح زمین بر اساس کلوین و سانتیگراد

محاسبه میزان تغییرات سری زمانی تبخیر و تعرق بر اساس کیلوگرم بر مترمربع

ساخت انیمشین و Time laps برای مشاهده تغییرات سری زمانی


مشخصات محصول آموزشی

  • مدت زمان : حدود ۵ ساعت
  • مدرس: هادی امامی – فرهنگ زارع
  • تخصص: کارشناس سنجش از دور و پردازش تصاویر ماهواره ای
  • موضوع: آموزش جامع سری های زمانی تصاویر ماهواره ای در پایتون
  • نرم افزار: IDLE Python – Spyder
  • مخاطب: علاقه مندان سنجش از دور و کدنویسی در سنجش از دور
  • نوع آموزش: ویدیویی
  • پاورپوینت: ندارد
  • داده های تمرینی:‌ دارد
  • پیش نیاز: آموزش مقدماتی پایتون

تهیه آموزش:

به منظور تهیه این محصول آموزشی بر روی دکمه زیر کلیک کنید:


توضیحات محصول آموزشی

در این محصول، از نرم افزار Spyder که نرم افزاری بسیار کاربردی و متن باز به منظور کار با پایتون  استفاده شده است. این نرم افزار به دلیل قابلیت های بسیار مناسبی که در زمینه نمایش دیتاها و متغییر ها دارد در بحث سنجش از دور بسیار می تواند مفید واقع شود.

در این آموزش از تصاویر مختلف ماهواره مودیس استفاده شده است. همچنین از پروداکت های مختلف این ماهواره به منظور پایش سری زمانی پدیده های مختلف استفاده شده است

پکیج هایی مثل:  Numpy – Matplotlib – Skimage – Datetime – Pandas استفاده شده است و سعی شده به ساده ترین و دقیق ترین شکل موجود کدها را پیاده سازی نمود به طوری که با گذراندن این دوره کاربر به تسلط کافی در زمینه کار با سری های زمانی در سنجش از دور دست پیدا خواهید کرد.

در این محصول آموزشی از تصاویر ماهواره ای مودیس استفاده شده است. اما نکته قابل توجه در به کار گیری سایر تصاویر مثل لندست و استر و …. در این آموزش است که کاربران می تواند با تصاویر مختلف کار کنند. تصاویر ماهواره مودیس به صورت پروداکت های مختلف برای انواع مختلف پدیده ها قابل دسترس بوده که از این پروداکت ها به منظور بررسی سری زمانی بلند مدت و کوتاه مدت می توان استفاده نمود. در این محصول از تصاویر و پروداکت های Snow Cover – NDVI – LST – ET استفاده شده است.

این مجموعه آموزشی برای اولین بار با زبان پایتون به منظور بررسی سری های زمانی برای انواع مختلف پدیده ها پرداخته است. سری های زمانی و پایش آن ها یک مبحث بسیار مهم و اساسی در بحث سنجش از دور می باشد که با استفاده از این آموزش تسلط کافی به منظور کار با بقیه پروداکت ها و ماهواره ها نیز فراهم می شود.

کدهای استفاده شده در این آموزش کامل حاصل تجربیات بوده و کپی شده از سایت یا مرجعی نمی باشد و به صورت اولین بار این محصول در کشور ارائه می شود.


معرفی آموزش:


عناوین آموزشی

عناوین آموزشی شامل موارد زیر می باشد:

  • آشنایی با پایتون به صورت کوتاه
  • آشنایی با پکیج ها و کتابخانه های مطرح در سنجش از دور
  • آشنایی با pip و زیربخش های آن به صورت اجمالی
  • آشنایی با نحوه نصب پکیج ها (نحوه نصب ورژن خاصی از پکیج ها)
  • معرفی سایت Earth Data
  • معرفی سایتی جدید به منظور دانلود تصاویر بر اساس شیپ فایل
  • نحوه دانلود بیش از ۵۰۰۰ هزار تصویر با حجم بسیار اندک
  • نحوه دانلود اطلاعات آماری تصاویر به صورت جامع
  • معرفی نرم افزاری جدید و بسیار قدرتمند به منظور کدنویسی با زبان پایتون
  • نحوه فراخوانی تصاویر به صورت مجموعه تصاویر(فراخوانی بیش از ۱۰۰۰ تصویر به صورت یکجا به محیط کدنویسی)
  • آموزش نحوه ترکیب تصاویر با یکدیگر
  • نحوه محاسبه Scale factor برای انواع پروداکت های مختلف
  • کار با آرایه ها
  • نحوه استخراج مقادیر خاص از تصویر
  • نحوه آستانه گذاری بر روی مقادیر
  • آشنایی با ساخت توابع مختلف
  • نحوه Layer Stack کردن تصاویر در پایتون
  • نحوه جداسازی تاریخ تصاویر از اسم تصاویر
  • نوشتن تابع به منظور تبدیل تاریخ به قالب استاندارد
  • کار با Data Frame ها در پایتون به صورت کاربردی
  • نمایش تصاویر به شکل های مختلف
  • نحوه ایجاد نمودار سری زمانی بر اساس تصاویر ورودی
  • محاسبه میزان مساحت هر پدیده در هر تصویر
  • نحوه ذخیره اطلاعات به صورت فایل اکسل
  • نحوه تغییر ابعاد تصاویر مختلف
  • کار با فونت ها و متن ها در نمودارها
  • نحوه ایجاد انیمیشن سری زمانی برای پدیده های مختلف
  • ایجاد Time laps سری های زمانی

تهیه آموزش:

به منظور تهیه این محصول آموزشی بر روی دکمه زیر کلیک کنید:


چند محصول آموزشی مرتبط:


نوشته های مرتبط :

آموزش های رایگان پیشنهادی :

۲۵ دیدگاه. ارسال دیدگاه جدید

  • سیدامیر حسین عقیلی
    ۱۳۹۹-۰۶-۱۰ ۴:۰۰ ب٫ظ

    سلام خدمت شما، بسیار آموزش خوب و جدیدی است خدا قوت. ممنون بابت انتشار این آموزش قوی. فقط یک سوالی برام پیش اومده اون هم این هست که این آموزش صرفا اماده سازی یک سری زمانی هست یا تحلیل سری زمانی؟چون روش های مدلسازی وتحلیل سری های زمانی شامل روش های مدل ها از جملهAR,ARIMA,ARMA,SARIMA,Multivariate و … می باشد ؟ شما این تحلیل رو بهش پرداختید؟

    پاسخ
    • هادی امامی
      ۱۳۹۹-۰۶-۱۰ ۴:۴۶ ب٫ظ

      با سلام ممنون از انرژی مثبت شما .
      در این آموزش ما بر اساس دیتایی ک در اختیار داریم به بررسی و ایجاد نمودار سری زمانی پرداختیم .در مورد روش های مدلسازی در این آموزش صحبتی نشده.
      ممنون ازشما

      پاسخ
  • با سلام
    در این دوره آموزشی، چقدر نیاز به آشنائی قبلی با زبان پایتون هست؟ دوستانی که با پایتون تنها آشنائی اولیه دارن می تونن از این مجموعه استفاده کنن؟

    پاسخ
    • هادی امامی
      ۱۳۹۹-۰۶-۱۶ ۳:۲۵ ب٫ظ

      سلام عرض ادب و خسته نباشید
      در تمامی دوره های ما صرفا آشنایی اولیه با پایتون کافی هست و بقیه موارد در صورت نیاز توضیح داده شده است.
      موفق باشید

      پاسخ
  • masoumeh bararzadeh
    ۱۳۹۹-۰۷-۰۵ ۶:۴۶ ب٫ظ

    با سلام و احترام
    من دوره را در حال بررسی هستم. و متاسفانه این ارور را در ابتدای کار دارم. که مربوط به skimage و io است ممنون میشم راهنمایید کنید
    —————————————————————————
    AttributeError Traceback (most recent call last)
    C:\Anaconda3\lib\site-packages\numpy\core\fromnumeric.py in shape(a)
    ۱۹۵۴ try:
    -> ۱۹۵۵ result = a.shape
    ۱۹۵۶ except AttributeError:

    AttributeError: ‘ImageCollection’ object has no attribute ‘shape’

    During handling of the above exception, another exception occurred:

    TypeError Traceback (most recent call last)
    in
    —-> ۱ print(np.shape(ic))
    ۲ print(np.size(ic))

    in shape(*args, **kwargs)

    پاسخ
  • masoumeh bararzadeh
    ۱۳۹۹-۰۷-۰۶ ۴:۰۷ ب٫ظ

    با سلام و احترام
    ضمن تشکر از اموزش بسیار مفیدتون یه سوال داشتم. در انتهای برنامه مربوط به Snow، زمانی ه df[‘date’] = df[‘date’].apply(convert) را استفاده میکنم با ارور این مواجه می شوم.
    TypeError Traceback (most recent call last)
    in
    —-> ۱ df[‘date’] = df[‘date’].apply(convert)

    C:\Anaconda3\lib\site-packages\pandas\core\series.py in apply(self, func, convert_dtype, args, **kwds)
    ۴۱۹۸ else:
    ۴۱۹۹ values = self.astype(object)._values
    -> ۴۲۰۰ mapped = lib.map_infer(values, f, convert=convert_dtype)
    ۴۲۰۱
    ۴۲۰۲ if len(mapped) and isinstance(mapped[0], Series):

    pandas\_libs\lib.pyx in pandas._libs.lib.map_infer()

    in convert(date)
    ۱ def convert(date):
    —-> ۲ new_date = datetime.datetime.strftime (str(date), ‘%Y%j’)
    ۳ return new_date

    TypeError: descriptor ‘strftime’ requires a ‘datetime.date’ object but received a ‘str’
    با توجه به اینکه کد را مجدد خودم نوشتم کد را از روی کار شما کپی کرده و جایگزین کردم و مجدد این خطا ظاهر شد.
    ممنون می شوم که راهنمایی بفرمایید.

    پاسخ
  • سلام وقتتون بخیر.
    من این محصول رو خریدم. الان که می خوام استفاده کنم، اون سایت منبع تصاویر برام باز نمی شه و یک صفحه سفید فقط دیده می شه. منظورم https://lpdaacsvc.cr.usgs.gov/appeears/ هست. اکانت هم در سایت اول که معرفی کردید ساختم.
    ممنون می شم راهنمایی کنید چه کار کنم. تصاویر کاربری اراضی و پوشش گیاهی رو لازم دارم.

    پاسخ
    • هادی امامی
      ۱۳۹۹-۱۲-۱۷ ۷:۰۴ ب٫ظ

      سلام عرض ادب. من همین الان ب سایت ها وارد شدم و بدون مشکل بالا میان. اگه از فیلترشکن استفاده میکنین خاموش کنین یا از مرورگر دیگه استفاده کنید چون بدون مشکل هستن این سایتا.
      باتشکر

      پاسخ
  • خیلی ممنون.
    یه مسئله ای در مورد متادیتاها وجود داره. من چون بارش می خواستم از DAYMET که در همین سایتی که معرفی کردید داده اش ارائه شده داده رو گرفتم، اما متادیتاش هیچ توضیحی در مورد اینکه چه مقداری نشانگر چه پارامتری هست داده نشده و من در سایت خود دی مت هم چیزی ندیدم. نحوه دسترسی به متادیتای مناسب چیه؟ ( برای فایل رستری)
    منظورم همون قسمتی هست که به عنوان مثال در مورد برف صفحه ای باز کردید که توش VALUE ها در مقابل DESCRIPTION نوشته شده بود.

    پاسخ
    • سلام وقت بخیر.
      همه فایلا یا شرکت ها فایل متادیتا رو اریه نمیدن شاید این مورد شامل همین موردم میشه. من باز الان چک میکنم ببینم اگه وجود داشت اطلاع میدم

      پاسخ
      • ممنون
        خودتون برای داده بارش و دبی منبع مناسبی در نظر دارید که این مشکلات رو نداشته باشه؟

        پاسخ
        • هادی امامی
          ۱۴۰۰-۰۳-۱۱ ۱:۲۴ ق٫ظ

          سلام خسته نباشید. حقیقتا راجب مباحث اقلیمی اطلاعات خاصی ندارم اما برای بارش داده هایی مثل TRMM وجود داره و یا داده هایی که از IDAHO به دست میاد. اشنایی بنده با پارامتر بارش در این حد هست خیلی عذرخاهم. باتشکر

          پاسخ
  • با سلام و احترام من قصد دارم این آموزش را تهیه کنم ولی نمیدانم آیا به درد پیش بینی با روش های یادگیری عمیق و تهیه نقشه کاربرد دارد

    پاسخ
  • مثلا اینگونه که با استفاده از از چند محصول مودیس یک محصول را پیشی بینی و مدل کنیم و نقشه پیش بینی شده را تهیه کنیم

    پاسخ
  • سلام
    من دارم از geemap استفاده میکنم ولی وقتی ارث اینجین اوتورایز میشه بعدش یه ارور طولانی میده و نقشه اینترکتیو باز نمیشه
    امکانش هست راهنماییم کنید
    ممنونم

    پاسخ
  • هادی امامی
    ۱۴۰۰-۰۵-۲۴ ۷:۲۵ ب٫ظ

    سلام وقتتون بخیر.
    کتابخانه IPython رو هم فراخوانی میکنید؟؟

    پاسخ
  • اشکان آریان
    ۱۴۰۰-۰۸-۲۷ ۳:۱۶ ق٫ظ

    با سلام آیا در این دوره آموزش می توان تغییرات و رشد مناطق شهری را در یک سری زمانی پیش بینی آینده کرد ؟؟

    و یا برای این کار از چه روند و ماژول هایی در محیط پایتون می توان استفاده کرد؟؟

    ممنون میشم راهنمایی کنید

    پاسخ
  • هادی امامی
    ۱۴۰۰-۰۸-۲۹ ۲:۵۴ ب٫ظ

    سلام وقت بخیر خسته نباشید.
    در این اموزش به پیش بینی اشاره ای نشده. مختص سری زمانی هست و اشاره ای به موارد گردیکشن نشده است. ممنونم از نکته نظرتون

    پاسخ
  • عبدالکریم فانی حق
    ۱۴۰۱-۰۱-۰۷ ۱۰:۰۵ ب٫ظ

    با سلام
    با دادن شیپ فایل نتوانستم دانلود تصاویر داشته باشم.
    با تشکر

    پاسخ
  • سلام و عرض ادب
    من این دوره اموزشی را تهیه کردم و بسیار دوره مفیدی است. من داده های ماهواره مادیس به صورت GeoTIFF از سایت https://appeears.earthdatacloud.nasa.gov/ که در دوره اموزشی گفته شد را دانلود کردم اما متاسفانه با استفاده از کدهای اموزش نتوانستم داده ها را باز کنم . داده های sample در پکیپج اموزشی بدون مشکل ران می شود اما داده های که خودم از سایت میگیرم با خطای زیر مواجه می شوند
    OSError: cannot identify image file

    لطفا راهنمایی بفرمایید
    سپاسگزارم

    پاسخ
    • هادی امامی
      ۱۴۰۱-۰۳-۲۱ ۴:۳۵ ب٫ظ

      با سلام و وقت بخیر خدمت دوست عزیز.
      داده هایی که به صورت geotiff هستند فاقد اطلاعات متای تصاویر هستند و به همین دلیل خطایی که بهتون میده میگه اطلاعات تصاویر رو پیدا نکرده. با فرمتی که تو ویدیو گفته شده خروجی بگیرین بهتر هست. موفق باشین

      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