برآورد میانگین بارش با استفاده از تصاویر ماهواره TRMM در محیط نرم افزار R

583 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

بارش با استفاده از تصاویر ماهواره TRMM
با ارائه بسته نرم افزاری sp در سال ۲۰۰۳، کلاس های داده های مکانی به نرم افزار R معرفی گردید. این نرم افزار دارای توابع زیادی برای خواندن، نمایش و تحلیل اطلاعات مکانی می باشد. توانایی بالا و رو به رشد تحلیل، مدل سازی و نمایش داده های مکانی، نرم افزار R را به یکی از بهترین گزینه ها برای…

با ارائه بسته نرم افزاری sp در سال ۲۰۰۳، کلاس های داده های مکانی به نرم افزار R معرفی گردید.

این نرم افزار دارای توابع زیادی برای خواندن، نمایش و تحلیل اطلاعات مکانی می باشد. توانایی بالا و رو به رشد تحلیل، مدل سازی و نمایش داده های مکانی، نرم افزار R را به یکی از بهترین گزینه ها برای کار با داده های مکانی تبدیل کرده است.

توابع پایه R برای انجام محاسبات آماری توسعه داده شده اند، لذا برای انجام تحلیل های پیشرفته تر و کار با داده های مکانی می بایست از بسته های نرم افزاری نوشته شده برای این اهداف استفاده نمود.

از قابلیت های R برای متخصصین سنجش از دور و GIS می توان به موارد زیر اشاره کرد:

  • قابلیت فراخوانی فرمت های معمول GIS نظیر Shapefile ،Tiff ،img و داده های رستری نرم افزار ArcGIS
  • تحلیل داده های مکانی مانند خوشه بندی، بررسی خود همبستگی مکانی و …
  • طبقه‌بندی تصاویر ماهواره ای با استفاده از معروف‌ ترین روش‌ های Machine Learning مانند SVM و Random Forest
  • بررسی و مدل سازی رابطه بین متغیرهای مکانی
  • تحلیل های زمانی – مکانی
  • قابلیت بالای درون یابی و تحلیل‌های زمین آماری
  • قابلیت نمایش داده های مکانی


مشخصات محصول آموزشی

  • مدرس دوره: هیدی محمودپور (کارشناسی ارشد مهندسی منابع آب)
  • تخصص: سنجش از دور در منابع آب و برنامه نویسی به زبان R و MATLAB
  • نوع محصول: برآورد میانگین بارش با استفاده از تصاویر ماهواره TRMM داخل محیط نرم­ افزار R
  • مدت آموزش: ۹۰ دقیقه فیلم آموزشی
  • داده های تمرینی: دارد
  • نرم ­افزار مورد استفاده: نرم ­افزار Rstudio
  • ماهواره: Landsat 8 و TRMM

توضیحات محصول آموزشی

اینکه کلاً یک تصویر چه جوری هست داخل محیط نرم ­افزار R، یک تصویر را چه جوری ایجاد کنید و چه جوری به مقادیر آن تصویر دسترسی داشته باشید و یا محاسبات آن تصویر را انجام دهید. شما با دستورات پایه در خصوص فراخوانی فایل رستری به داخل محیط R و لود کردن کتابخانه­ های مورد نیاز برای آنالیز تصاویر آشنا خواهید شد.

همچنین یاد خواهید گرفت که چگونه یک شیپ فایل و تصاویر با فرمت .nc4 را به داخل محیط R فراخوانی کنید و این تصاویر را به فرمت .tif تبدیل کنید و در نهایت نحوه استخراج مقادیر فایل رستری بر اساس فایل پلی­گونی یک محدوده خاص آموزش داده خواهد شد.

همه مراحل کاری که داخل این ویدیوهای آموزشی خدمت شما ارائه می­ شود، شاید بتوان داخل نرم ­افزارهای دیگر نظیر GIS نیز انجام داد، ولی گاهاً ما با تعداد زیادی از تصاویر سر و کار داریم و برای کارهای تحقیقاتی و پایان نامه ­ها لازم هست که با تعداد زیادی از دیتاها و تصاویر کار بکنیم. یا حتی وقتی بخوایم سری زمانی برای طولانی مدت استخراج کنیم، کار کردن با همچین نرم ­افزارهایی واقعا وقت گیر و خسته کننده خواهد بود.

لذا در این ویدیو آموزشی به شما نشان داده شده است که چگونه با دستورات و حلقه­ های داخل نرم ­افزار R تمامی تصاویر به صورت یکجا فراخوانی شده و محاسبات مورد نظر با سرعت خیلی بیشتری نسبت به نرم ­افزارهای دیگر روی این تصاویر اعمال شده است.


عناوین آموزشی:

ویدیو شماره ۱: کار با کتابخانه Raster

  • معرفی کتابخانه raster
  • تولید تصویر و پلات گرفتن از آن
  • فراخوانی تصاویر Landsat 8 به محیط نرم افزار
  • محاسبه شاخص NDVI با استفاده از تصاویر Landsat 8

ویدیو شماره ۲: کار با تصاویر TRMM

  • فراخوانی تصاویر TRMM به محیط نرم افزار
  • تبدیل فرمت تصاویر (تبدیل فرمت nc4 به tif)
  • فراخوانی Shape file به محیط R
  • استخراج مقادیر رستری و محاسبات آماری روی تصاویر
  • برآورد میانگین بارش روزانه

ویدیو شماره ۳: نوشتن حلقه­ ها

  • فراخوانی همزمان چند تصویر به صورت همزمان با استفاده از حلقه ­ها
  • برآورد میانگین بارش ماهانه و سالانه تصاویر براساس شیپ فایل محدوده مورد نظر

ویدئوی معرفی و بخشی از آموزش


تهیه آموزش:

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


همچنین در صورت علاقه ببینید:


نوشته های مرتبط :

18 دیدگاه. ارسال دیدگاه جدید

  • سلام و ادب خدمت شما. محصولی برای خرید آموزش برنامه R در علوم آب و کشاورزی هم وجود دارد؟ ممنون میشم راهنمایی بفرمایید.

    پاسخ
  • مریم رئیسی
    1399-02-22 3:41 ق.ظ

    با سلام و احترام،
    منظور از برآورد میانگین بارش روزانه چیست؟ آیا بارش میانگین گرفته می شود؟ مگر برای پارامتر هواشناسی بارش از مجموع بارش ها استفاده نمی شود؟

    پاسخ
    • با عرض سلام
      داده های TRMM به صورت ساعتی ، روزانه و ماهانه در دسترس هست
      حالا اگر ما بخوایم بارش دو حوضه آبریز که هر کدام به صورت یک پلی گون هست رو با همدیگه مقایسه بکنیم، میتونیم از میانگین که در واقع مبنای مقایسات آماری هست، استفاده بکنیم.
      در عمل میتونیم از داده های ثبت شده در ایستگاههای باران سنجی استفاده بکنیم که احتمال کمبود دیتا یا اشتباه در ثبت و اندازه گیری آن خیلی بالاست
      حالا اگر از تصاویر راداری استفاده بکنیم، فایلی که در اختیارمون قرار میده یک فایل رستری هست که شامل چندین پیکسل و هر پیکسل هم میزان بارش توی اون لحظه زمانی رو نشون میده
      دو تا حوضه داریم با مساحت های متفاوت و تعداد پیکسل های متفاوت، ضمن اینکه اعداد داخل هر پیکسل هم متفاوت هست
      حالا اگر بخواییم بارندگی توی هر حوضه رو مثلا تو بازه زمانی سه ساعته (۱۵ الی ۱۸) بدست بیاریم میتونیم از میانگین بارندگی استفاده کنیم یا حتی میانگین بارندگی روزانه اون تصویری که گرفتیم
      در واقع اون میانگین روزانه که گفته شده، مجموع مقادیر پیکسلها تقسیم بر تعداد پیکسلهای داخل هر زیرحوضه هست

      پاسخ
  • سلام و عرض ادب

    ممنون از زحماتتون

    امکانش هست در خصوص تولید نقشه PIXEL WISED CORRELATION هم بین دو تصویر TIMESERIES TRMM هم توضیح بدید؟

    بنده در تلاش برای تولید همچین نقشه ای هستم

    https://www.hakimabdi.com/blog/test-pixelwise-correlation-between-two-time-series-of-gridded-satellite-data-in-r

    پاسخ
    • Hedi mahmoudpour
      1399-04-04 10:01 ب.ظ

      با عرض سلام وادب
      بنده هنوز رو این موضوع کار نکردم
      اگه منظور شما همبستگی پیکسل به پیکسل هست، بله امکانش هست و میشه راحت این کار رو انجام داد

      پاسخ
  • سلام ور روز بخیر.
    من روز ګذشته این آموزش رو خریدم و خیلی خوشم اومد، اما یک چیز که در خدمت تان عرض کنم این هست: code که شما کار کردید در داخل فولدر موجود نیست؟ آیا میشه اون کود رو هم بفرسید؟

    پاسخ
  • سلام و عرض ادب
    در این آموزش که از شما خریدم به این مشکل برخوردم لطفا جواب بدید. وقتی که میخواستم با این فرمان
    (t= 6

    پاسخ
    • با سلام و احترام

      با استفاده از گزینه getlink در ارث انجین لینک کد مورد نظر را کپی کرده و در اینجا برای بنده ارسال کنید تا بتونم کد رو بررسی کنم.

      موفق باشید

      پاسخ
  • احترمات
    تشکر از این که جواب دادید. این هست لینک کد
    https://code.earthengine.google.com/7ca8832966e30ee84bf0bdae0c93d7ae

    سربلند باشید

    پاسخ
    • من کد شما رو بررسی کردم. راستش بنده در ارتباط با این کد اصلا آشنایی ندارم. چون ساختارش کلا با ساختار کدهای آموزش بنده متفاوت هست. متاسفانه راهکاری برای این کد ندارم.

      موفق باشید

      پاسخ
  • مشکل اینجا هست که وقتی (تصاویر nc4 رو تبدیل به فرمت tif) میکردم این error رو میدهد
    t= 6

    پاسخ
  • عارفه قاسمی
    1399-12-05 5:12 ب.ظ

    با سلام برای تبدیل “چندین فایل” netcdf به tif از چه دستوری می توان استفاده نمود؟ در فیلم فقط برای یک فایل توضیح داده شده.
    لینک کد ناقص:
    https://code.earthengine.google.com/ab1edd4654fca75120173d7d3717afe0

    پاسخ
  • با سلام
    من این محصول رو خردیدم ولی این خطا رو میده
    Error in (function (classes, fdef, mtable) :
    unable to find an inherited method for function ‘extract’ for signature ‘”RasterLayer”, “missing”’
    تو خود آموزش هم داد
    بعدش ویدیو قطع شد و درست شد
    ممنون میشم راهنمایی کنید

    پاسخ
    • با سلام و احترام

      لینک کدتون رو با استفاده از گزینه getlink در گوگل ارث انجین کپی کرده و در اینجا به همراه سوالتون پیست کنید تا بتنوم دقیق مشکل رو بررسی کنم.

      موفق باشید

      پاسخ

دیدگاهتان را بنویسید

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

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

keyboard_arrow_up