آموزش بوت کمپ داده های سنجش از دور ماهواره ای با ابزارهای منبع باز

Satellite Remote Sensing Data Bootcamp With Opensource Tools

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: پیش پردازش و تجزیه و تحلیل داده‌های سنجش از دور ماهواره‌ای با نرم‌افزار رایگان دانلود انواع داده‌های سنجش از راه دور ماهواره‌ای به صورت رایگان دانش کامل سنجش از دور - مفاهیم و کاربردهای نظری پیاده‌سازی تکنیک‌های پیش پردازش با استفاده از R و QGIS انجام طبقه‌بندی بدون نظارت سنجش از راه دور ماهواره‌ای داده‌ها طبقه‌بندی نظارت شده داده‌های سنجش از راه دور ماهواره‌ای را پیاده‌سازی الگوریتم‌های یادگیری ماشینی بر روی داده‌های سنجش از دور ماهواره‌ای در R انجام نقشه‌برداری مناسب زیستگاه با استفاده از سنجش از راه دور و یادگیری ماشینی استفاده از ابزارهای نرم‌افزاری رایگان در دسترس مانند Google Earth Engine و SNAP برای تجزیه و تحلیل داده‌های RS نیازها: دانستن اینکه داده های مکانی چیست- انواع داده های مکانی و سیستم های مرجع مختصات توانایی خواندن داده های مکانی در R داشتن مواجهه قبلی با QGIS- خواندن در داده های مکانی مختلف و نصب پلاگین ها داشتن دانش اولیه اولیه از آنچه یادگیری ماشینی می تواند علاقه مندی به یادگیری در مورد تئوری داده های سنجش از راه دور ماهواره ای، پیش پردازش و تجزیه و تحلیل

در آخرین دوره آموزشی من در مورد نحوه یادگیری همه چیز در مورد سنجش از راه دور ماهواره ای اولیه ثبت نام کنید.

آیا در حال حاضر در یکی از دوره های اصلی یا متوسط ​​​​تحلیل داده های مکانی من ثبت نام کرده اید؟

یا شاید تجربه قبلی در GIS یا ابزارهایی مانند R و QGIS دارید؟

نمی‌خواهید 100 و 1000 دلار برای خرید نرم‌افزار تجاری برای تجزیه و تحلیل تصاویر خرج کنید؟

قدم بعدی برای شما این است که در تجزیه و تحلیل داده های سنجش از دور ماهواره ای مهارت کسب کنید.

دوره من یک آموزش دستی با داده های سنجش از راه دور واقعی با ابزارهای منبع باز است!

دوره آموزشی من پایه‌ای برای انجام وظایف تحلیل سنجش از راه دور عملی و واقعی در چارچوب‌های نرم‌افزاری رایگان و محبوب با داده‌های مکانی واقعی فراهم می‌کند. با گذراندن این دوره، شما یک گام مهم به جلو در سفر GIS خود برای تبدیل شدن به یک متخصص در تجزیه و تحلیل جغرافیایی بردارید.

چرا باید در دوره من شرکت کنید؟

من فارغ التحصیل کارشناسی ارشد دانشگاه آکسفورد (جغرافیا و محیط زیست) هستم. من همچنین یک دکترا را در دانشگاه کمبریج (اکولوژی و حفاظت از محیط گرمسیری) به پایان رساندم.

من چندین سال تجربه در تجزیه و تحلیل داده‌های سنجش از راه دور فضایی واقعی از منابع مختلف و تولید نشریات برای مجلات معتبر بین‌المللی دارم.

در این دوره، داده‌های واقعی سنجش از دور ماهواره‌ای مانند Landsat از USGS و داده‌های راداری از JAXA برای ارائه یک تجربه عملی عملی از کار با سنجش از راه دور و درک اینکه چه نوع سؤالاتی می‌تواند به ما کمک کند سنجش از دور به ما پاسخ دهد، استفاده خواهد شد. .

این دوره به شما اطمینان می‌دهد که امروز استفاده از تجزیه و تحلیل داده‌های سنجش از راه دور را به صورت عملی یاد می‌گیرید و مهارت خود را در تجزیه و تحلیل جغرافیایی افزایش می‌دهد.

ابزارهای نرم افزار سنجش از دور بسیار گران هستند و هزینه آنها می تواند به هزاران دلار برسد. به جای پرداخت پول زیاد یا تهیه نسخه‌های غیرقانونی (که شما را در معرض خطر پیگرد قانونی قرار می‌دهد)، یاد خواهید گرفت که برخی از مهم‌ترین و رایج‌ترین وظایف تجزیه و تحلیل سنجش از راه دور را با استفاده از تعدادی ابزار محبوب و منبع باز GIS انجام دهید. به عنوان R، QGIS، GRASS و ESA-SNAP. همه آنها در بخش زمین فضایی تقاضای زیادی دارند و بهبود مهارت های شما در این موارد یک امتیاز مثبت برای شماست.

این یک دوره مقدماتی است، یعنی ما بر یادگیری مهم‌ترین و پرکاربردترین وظایف پردازش و تجزیه و تحلیل داده‌های سنجش از راه دور در R، QGIS، GRASS و ESA-SNAP تمرکز خواهیم کرد

همچنین در مورد منابع مختلف داده‌های سنجش از راه دور و نحوه دریافت رایگان این داده‌ها و پردازش آنها با استفاده از نرم‌افزار رایگان اطلاعات خواهید یافت.

علاوه بر همه موارد فوق، شما از حمایت مستمر من برخوردار خواهید بود تا مطمئن شوید که بیشترین سود را از سرمایه گذاری خود می برید!

اکنون ثبت نام کنید :)


سرفصل ها و درس ها

مقدمه ای بر تحلیل داده های سنجش از دور ماهواره ای Introduction to Satellite Remote Sensing Data Analysis

  • معرفی دوره و مدرس Introduction to the Course and Instructor

  • داده های مورد استفاده در این دوره Data Used in This Course

  • سنجش از دور چیست؟ What is Remote Sensing?

  • انواع مختلف داده های سنجش از راه دور Different Types of Remote Sensing Data

  • ابزارهای مختلف برای کار با سنجش از راه دور-شروع با R و QGIS Different Tools for Working with Remote Sensing-Start with R and QGIS

  • با SNAP Toolbox-معرفی مختصر شروع کنید Get Started with SNAP Toolbox-Brief Introduction

  • با GRASS GIS-معرفی مختصر شروع کنید Get Started with GRASS GIS-Brief Introduction

  • نتیجه گیری در بخش 1 Conclusions to Section 1

  • آزمون بخش 1 Section 1 Quiz

مقدمه ای بر داده های سنجش از دور نوری Introduction to Optical Remote Sensing Data

  • اصول پشت جمع آوری داده های سنجش از دور نوری Principles Behind Collection of Optical Remote Sensing Data

  • انواع مختلف داده های سنجش از راه دور نوری Different Types of Optical Remote Sensing Data

  • دانلود و مشاهده داده های Landsat Downloading and Viewing Landsat Data

  • سنسورهای مختلف لندست Different Landsat Sensors

  • دانلود و مشاهده داده های نوری از طریق QGIS Downloading and Viewing Optical Data via QGIS

  • نتیجه گیری در بخش 2 Conclusions to Section 2

  • آزمون بخش 2 Section 2 Quiz

پیش پردازش داده های نوری Pre-Processing Optical Data

  • چرا پیش پردازش برای داده های نوری لازم است؟ Why is Pre-Processing Needed for Optical Data?

  • اجرای تصحیح جوی روی داده های Landsat در R Implementing Atmospheric Correction on Landsat Data in R

  • محصولات سطح بالاتر لندست Higher Level Landsat Products

  • QGIS برای پیش پردازش داده های Landsat: پلاگین طبقه بندی نیمه خودکار QGIS For Pre-Processing Landsat Data: Semi-Automatic Classification Plugin

  • خروجی های جوی تصحیح شده از QGIS Atmospherically Corrected Outputs from QGIS

  • داده های ماهواره ای از پیش پردازش شده برای چه چیزی می توانند استفاده شوند؟ What Can Pre-Processed Satellite Data Be Used For?

  • نتیجه گیری در بخش 3 Conclusions to Section 3

  • بخش 3: آزمون Section 3: Quiz

کاربردهای فراوان داده های نوری The Many Uses of Optical Data

  • دلیل این بخش Rationale for this section

  • انباشتن و جداسازی باندها در QGIS Stacking and Unstacking Bands in QGIS

  • ریاضیات باند در R و QGIS Band Maths in R and QGIS

  • شاخص های بافت - نظریه Texture Indices-Theory

  • شاخص های بافت-GRASS GIS Texture Indices-GRASS GIS

  • شاخص های بافت-ESA SNAP Texture Indices-ESA SNAP

  • تبدیل کلاه منگوله ای - نظریه Tasseled Cap Transformations-theory

  • Transformations کلاهک منگوله-GRASS GIS Tasseled Cap Transformations-GRASS GIS

  • شاخص‌های پوشش گیاهی در GRASS GIS Vegetation Indices in GRASS GIS

  • شاخص های گیاهی با استفاده از RStoolbox Vegetation Indices using RStoolbox

  • تئوری کاهش ابعاد Dimension Reduction-theory

  • Dimension Reduction-QGIS Dimension Reduction-QGIS

  • Dimension Reduction-GRASS GIS Dimension Reduction-GRASS GIS

  • نتیجه گیری در بخش 4 Conclusion to Section 4

  • آزمون بخش 4 Section 4 Quiz

طبقه بندی داده های ماهواره ای سنجش از دور Classification of Remote Sensing Satellite Data

  • منطق پشت این بخش Rationale Behind this Section

  • نظریه طبقه بندی بدون نظارت Theory of Unsupervised Classification

  • طبقه بندی بدون نظارت-ESA SNAP Unsupervised Classification-ESA SNAP

  • نظریه طبقه بندی نظارت شده Theory of Supervised Classification

  • طبقه بندی نظارت شده در QGIS: مراحل مقدماتی Supervised Classification in QGIS: Preliminary Steps

  • طبقه بندی و دقت طبقه بندی پست در QGIS Classification and Post Classification Accuracy in QGIS

  • تئوری یادگیری ماشین Machine Learning Theory

  • ایجاد داده های آموزشی در QGIS Create Training Data in QGIS

  • تکنیک های یادگیری ماشین را روی داده های ماهواره ای اعمال کنید Apply Machine Learning Techniques on Satellite Data

  • نتیجه گیری در بخش 5 Conclusion to Section 5

  • آزمون بخش 5 Section 5 Quiz

مقدمه ای بر داده های سنجش از راه دور فعال: رادار دیافراگم مصنوعی Introduction to Active Remote Sensing Data: Synthetic Aperture Radar

  • چرا از داده های سنجش از راه دور فعال استفاده کنیم؟ Why Use Active Remote Sensing Data?

  • داده های ALOS PALSAR را دریافت کنید Obtain ALOS PALSAR Data

  • پیش پردازش داده های ALOS PALSAR Pre-processing of ALOS PALSAR data

  • فیلتر کردن لکه ها Filtering for Speckles

  • مقادیر back-scatter را از داده های ALOS PALSAR بدست آورید Obtain back-scatter values from ALOS PALSAR data

  • آزمون بخش 6 Section 6 Quiz

بخش جوایز BONUSES SECTION

  • تایم لپس برزیل Brazil Time Lapse

  • اختصاص Legends در QGIS Assign Legends in QGIS

نمایش نظرات

نظری ارسال نشده است.

آموزش بوت کمپ داده های سنجش از دور ماهواره ای با ابزارهای منبع باز
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
4 hours
52
Udemy (یودمی) udemy-small
17 مهر 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
2,466
4.5 از 5
دارد
دارد
دارد
Minerva Singh

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Minerva Singh Minerva Singh

دانشمند تحصیل کرده آکسبریج

سلام. من فارغ التحصیل دکترا از دانشگاه کمبریج هستم که در آنجا در اکولوژی گرمسیری تخصص دارم. من همچنین یک دانشمند داده هستم. به عنوان بخشی از تحقیقاتم، باید تجزیه و تحلیل گسترده داده‌ها، از جمله تجزیه و تحلیل داده‌های مکانی را انجام دهم. یا برای این منظور ترجیح می‌دهم از ترکیبی از ابزارهای رایگان نرم‌افزار R، QGIS و Python استفاده کنم. بیشتر کار تجزیه و تحلیل داده‌های مکانی خود را با استفاده از R انجام می‌دهم. و QGIS. اینها جدا از رایگان بودن، ابزارهای بسیار قدرتمندی برای تجسم، پردازش و تجزیه و تحلیل داده ها هستند. من همچنین دارای مدرک کارشناسی ارشد جغرافیا و محیط زیست از دانشگاه آکسفورد هستم. من مهارت های آماری و تجزیه و تحلیل داده های خود را از طریق تعدادی MOOC از جمله The Analytics Edge (دوره آماری مبتنی بر R و یادگیری ماشین ارائه شده توسط EdX)، یادگیری آماری (دوره یادگیری ماشین مبتنی بر R ارائه شده توسط Standford آنلاین) تقویت کرده ام. علاوه بر تجزیه و تحلیل داده های مکانی، در تجزیه و تحلیل آماری، یادگیری ماشین و داده کاوی نیز مهارت دارم. من همچنین از برنامه نویسی عمومی، تجسم داده ها و توسعه وب لذت می برم. من علاوه بر اینکه یک دانشمند و اعداد شکن هستم، یک مسافر مشتاق هستم

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.