🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تحلیل دادههای مکانی و سنجش از دور: ۵ دوره در ۱
- آخرین آپدیت
دانلود Geospatial Data Analyses & Remote Sensing: 5 Courses in 1
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
تحلیل مکانی و سنجش از دور: از مبتدی تا حرفهای
آیا برای ایجاد نقشههای مبتنی بر GIS یا تصاویر ماهوارهای برای پروژه سنجش از دور یا GIS خود دچار مشکل هستید؟ آیا اصطلاحاتی مانند تحلیل مبتنی بر عینیات سنجش از دور (Object-Based Image Analysis)، یادگیری ماشین (Machine Learning)، کیجیآیاس (QGIS) یا گوگل ارث انجین (Google Earth Engine) برایتان گیجکننده به نظر میرسند؟ آیا به دنبال یک دوره عملی هستید که شما را با مفاهیم آشنا کرده و در شروع پروژههای نقشهبرداری واقعی GIS یاری کند؟
به مسترکلاس عملی تحلیل مکانی ما خوش آمدید. این دوره، محتوای چهار دوره مجزا را در یک تجربه یادگیری جامع ترکیب میکند. با بیش از نه ساعت محتوای ویدیویی، تمرینهای عملی و مواد آموزشی قابل دانلود، این دوره دانش و مهارتهای لازم برای تحلیل مکانی عملی را به شما میبخشد. شما یاد خواهید گرفت که چگونه وظایفی مانند نقشهبرداری کاربری اراضی و پوشش زمین (LULC)، تشخیص تغییرات (Change Detection)، یادگیری ماشین برای GIS، پردازش دادهها و ایجاد نقشه را با استفاده از ابزارهای نرمافزاری محبوب و رایگان انجام دهید.
نکات برجسته دوره:
دانش جامع نظری و عملی تحلیل مکانی
کاربرد یادگیری ماشین در GIS و سنجش از دور
نقشهبرداری کاربری اراضی و پوشش زمین (LULC Mapping)
تحلیل مبتنی بر عینیات (Object-Based Image Analysis)
پردازش دادهها و ایجاد نقشه
تمرینهای عملی با QGIS و Google Earth Engine
تمرکز دوره:
این مسترکلاس برای توانمندسازی شما با مهارتهای نظری و عملی تحلیل مکانی طراحی شده است و سنجش از دور (Remote Sensing)، سیستمهای اطلاعات جغرافیایی (GIS) و کاربردهای یادگیری ماشین در فناوری GIS و سنجش از دور را پوشش میدهد. پس از اتمام دوره، شما درک قوی از مبانی سنجش از دور و GIS، کاربردهای یادگیری ماشین در وظایف مکانی و استفاده از الگوریتمهای یادگیری ماشین برای نقشهبرداری کاربری اراضی و پوشش زمین و تحلیل مبتنی بر عینیات خواهید داشت. علاوه بر این، شما آماده خواهید بود تا تحلیلهای مکانی و سنجش از دور را با استفاده از ابزارهای نرمافزاری متنباز و رایگان انجام دهید.
آنچه خواهید آموخت:
استفاده عملی از الگوریتمهای یادگیری ماشین در QGIS
دانلود و پردازش تصاویر ماهوارهای
یادگیری نظارت شده (Supervised) و نظارت نشده (Unsupervised)
ارزیابی دقت و تشخیص تغییرات
تحلیل مبتنی بر عینیات (Object-Based Image Analysis)
محاسبات ابری و تحلیل دادههای کلان با استفاده از Google Earth Engine
چه کسانی باید ثبت نام کنند:
این دوره برای متخصصانی از جمله جغرافیدانان، برنامهنویسان، دانشمندان علوم اجتماعی، زمینشناسان، متخصصان GIS و سنجش از دور و هر کسی که به دنبال ارتقاء مهارتهای GIS و سنجش از دور خود است، ایدهآل میباشد. چه مبتدی باشید و چه به دنبال پیشبرد دانش خود در یادگیری ماشین برای GIS و سنجش از دور، این دوره اطمینان و مهارت لازم برای مواجهه با چالشهای مکانی را به شما ارائه میدهد.
در دوره گنجانده شده است:
دسترسی به دستورالعملهای دقیق، مواد عملی قابل دانلود، اسکریپتها و مجموعه دادهها برای تحلیل مکانی عملی با استفاده از QGIS و Google Earth Engine را دریافت کنید. همین امروز ثبت نام کنید تا قدرت تحلیل مکانی عملی را آزاد کنید!
کلیدواژهها: سنجش از دور، QGIS، GIS، تحلیل مکانی، یادگیری ماشین، نقشهبرداری کاربری اراضی، تشخیص تغییرات، Google Earth Engine، تحلیل مبتنی بر عینیات، پردازش تصویر ماهوارهای، پلاگین SCP، جعبه ابزار OTB.
پیشنیازها:
یک کامپیوتر فعال
علاقه به کار با دادههای مکانی
این دوره با استفاده از نسخه QGIS برای ویندوز نمایش داده خواهد شد. کاربران مک و لینوکس باید دستورالعملها را با سیستمعاملهای خود تطبیق دهند.
سرفصل ها و درس ها
مقدمه دوره، GIS و سنجش از دور
Introduction to the course, GIS and Remote Sensing
مقدمه دوره
Introduction to the course
کاربردهای GIS
Applications of GIS
تعریف GIS
Definition of GIS
کاربردهای سنجش از دور
Applications of Remote Sensing
تعریف سنجش از دور
Definition of Remote Sensing
نرمافزارهای مورد استفاده در این دوره
Software used in this course
درباره نرمافزار متنباز QGIS
About open-source QGIS software
اطلاعات نسخه QGIS
QGIS version information
نکاتی در مورد نسخههای QGIS و پلاگینهای آن
A note on QGIS versions and it's plug-ins
آزمایشگاه: نصب QGIS
Lab: QGIS installation
پلاگین طبقهبندی نیمهخودکار برای QGIS
Semi-Automatic Classification Plugin for QGIS
آزمایشگاه: رابط کاربری QGIS
Lab: QGIS interface
آزمایشگاه: نوارهای ابزار QGIS
Lab: QGIS Toolbars
نصب OTB
OTB installation
آزمایشگاه: ایجاد حساب کاربری در Google Earth Engine
Lab: Creating account in Google Earth Engine
مبانی GIS
Basics of GIS
اصول اصلی GIS
Main principles of GIS
مبانی دادههای مکانی و انواع اصلی آن
Basics of Geodata and its main types
نرمافزار GIS و راهاندازی کامپیوتر شما
GIS software and your PC set up
آزمایشگاه: اولین نقشه GIS شما در QGIS
Lab: Your First GIS Map in QGIS
مقدمهای بر سنجش از دور (نظری)
Introduction to Remote Sensing (theory)
حسگرها و سکوها
Sensors and Platforms
مقدمه ای بر تصاویر دیجیتال
Introduction to digital images
آزمایشگاه: نحوه دانلود تصاویر ماهوارهای با پلاگین SCP
Lab: How to download satellite images with SCP plug-in
عملی: مبانی تحلیل تصویر ماهوارهای (سنجش از دور) در QGIS
Practicals: basics of satellite image analysis (Remote Sensing) in QGIS
آزمایشگاه: ترکیب لایهها (Layerstacking)، ترکیب رنگ واقعی و رنگ کاذب
Lab: Layerstacking, True and False Colour composites
درک سنجش از دور برای نقشهبرداری LULC
Understanding Remote Sensing for LULC mapping
مقدمهای بر طبقهبندی LULC مبتنی بر تصاویر ماهوارهای
Introduction to LULC classification based on satellite images
طبقهبندی تصویر نظارتشده و بدون نظارت
Supervised and unsupervised image classification
تحلیل تصویر بدون نظارت (K-means) در QGIS
Unsupervised (K-means) image analysis in QGIS
مراحل طبقهبندی نظارتشده LULC
Stages of LULC supervised classification
مروری بر الگوریتمهای طبقهبندی تصویر
Overview of image classification algorrithms
ارزیابی دقت نقشه LULC
Accuracy assessment of LULC map
عملی: طبقهبندی تصویر در پلاگین طبقهبندی نیمهخودکار در QGIS
Practicals: Image CLassification in Semi-Automated Classification Plugin in QGIS
آزمایشگاه: جمعآوری دادههای آموزشی در QGIS
Lab: Training data collection in QGIS
آزمایشگاه: LULC با استفاده از نگاشت زاویه طیفی (spectral angle mapping)
Lab: LULC with the use of spectral angle mapping
آزمایشگاه: LULC با استفاده از الگوریتم حداکثر احتمال (Maximum Likelihood Algorithm)
Lab: LULC with the use of Maximum Likelihood Algorithm
آزمایشگاه: LULC با استفاده از الگوریتم طبقهبندی حداقل فاصله (Minimum Distance Classification Algorithm)
Lab: LULC with the use of Minimum Distance Classification Algorithm
آزمایشگاه: ایجاد دادههای اعتبارسنجی (Validation data creation)
Lab: Validation data creation
آزمایشگاه: ارزیابی دقت
Lab: Accuracy Assessment
پروژه: نقشهبرداری LULC از لندسَت 8 (Landsat 8)
Project: LULC mapping of Landsat 8
مقدمهای بر آشکارسازی تغییرات در QGIS
Introduction to change detection in QGIS
مقدمه ای بر آشکارسازی تغییرات
Introduction to change detection
آزمایشگاه: آشکارسازی تغییرات در QGIS
Lab: Change Detection in QGIS
آزمایشگاه: نحوه ایجاد نقشه در QGIS
Lab: How to make a map in QGIS
طبقهبندی تصویر در Google Earth Engine
Image Classification in Google Earth Engine
مرور بخش
Section Overview
طبقهبندی نظارتشده با Google Earth Engine (explorer)
Supervised classification with Google Earth Engine (explorer)
وارد کردن تصاویر و نمایش آنها در Google Earth Engine
Import images and their visualization in Google Earth Engine
تحلیل تصویر بدون نظارت (K-means) در Google Earth Engine
Unsupervised (K-means) image analysis in Google Earth Engine
طبقهبندی نظارتشده جنگل تصادفی (Random Forest) در Earth Engine
Random Forest Supervised CLassification in Earth Engine
ارزیابی دقت در Earth Engine
Accuracy Assessment in Earth Engine
مقدمهای بر یادگیری ماشین (Machine Learning) در GIS
Introduction to Machine Learning in GIS
مقدمه ای بر یادگیری ماشین
Introduction to Machine Learning
درباره یادگیری ماشین در GIS و سنجش از دور
On Machine Learning in GIS and Remote Sensing
یادگیری نظارتشده و بدون نظارت (طبقهبندی) در GIS و سنجش از دور
Supervised and Unsupervised Learning (classification) in GIS and Remote Sensing
تشخیص اشیاء در GIS
Object detection in GIS
تقسیمبندی و تحلیل تصویر مبتنی بر شیء (OBIA)
Segmentation and object-based image analysis (OBIA)
پیشبینی در GIS و یادگیری عمیق برای تحلیل کلان داده (Big Data Analysis)
Prediction in GIS and deep learning for Big Data Analysis
پروژه: یادگیری ماشین برای GIS در فضای ابری (Google Earth Engine)
Project: Machine Learning for GIS on cloud (Google Earth Engine)
یادگیری ماشین و تحلیل مبتنی بر شیء (OBIA) در GIS: بخش ۲
Machine Learning and Object-based Analysis (OBIA) in GIS: part 2
مرور بخش
Section Overview
طبقهبندی تصویر مبتنی بر شیء (OBIA) در مقابل طبقهبندی تصویر مبتنی بر پیکسل
Object-based image classification (OBIA) VS pixel-based image classification
تقسیمبندی تصویر ماهوارهای با وضوح بالا
Segmentation of high-resolution satellite image
ایجاد دادههای آموزشی از تصویر ماهوارهای بر اساس لایه تقسیمشده
Creating training data from satellite image based on the segmented layer
طبقهبندی تصویر مبتنی بر شیء با الگوریتم یادگیری ماشین
Object-based image classification with the Machine Learning algorithm
سنجش از دور/متخصص GIS و دانشمند داده من یک دانشمند پرشور داده ، زمین رصد (EO) و متخصص و مربی GIS هستم. من کارشناسی ارشد خود را دریافت کردم در زمینه مشاهده زمین و علوم داده های کاربردی از دانشگاه ساوتهمپتون (انگلستان) و من نیز دارای مدرک دکترا هستم. مدرک تحصیلی EO از آلمان. من به طور منظم در سراسر جهان تدریس و آموزش می دهم و همچنین در مورد موضوع ذکر شده به طور منظم مشاوره می کنم. من هزاران مشتری راضی در سراسر جهان دارم! و اکنون خوشحال خواهم شد اگر بتوانم این موضوعات جالب ، بسیار کاربردی و مهیج را نیز به شما بیاموزم! برای دانشجویان GIS و سنجش از دور: اگر می خواهید تجزیه و تحلیل جامع داده های مکانی را یاد بگیرید ، در اینجا یک دستور ترجیحی برای نحوه گذراندن دوره های من وجود دارد: گزینه 1: تمام دوره های فردی را که به ترتیب زیر جزئیات بیشتری در مورد موضوعات خاص ، سخنرانی های بیشتر و آزمایشگاه های بیشتر دارند ، شرکت کنید.
نمایش نظرات