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

  • آزمایشگاه: پیش‌پردازش تصویر – تصحیح اتمسفریک Lab: Image preprocessing - atmospheric correction

  • منابع تصاویر سنجش از دور Sources of Remote Sensing images

  • مرورگر EO: استفاده از پلتفرم ابری برای شاخص‌های طیفی و تحلیل پوشش زمین EO browser: Using cloud platform for spectral indices & land cover analysis

مبانی نقشه‌برداری کاربری اراضی و پوشش زمین (LULC) (نظری) Basics of land use and land cover (LULC) mapping (theory)

  • مقدمه: یادگیری ماشین (Machine Learning) Introduction: Machine Learning

  • 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

  • دستورالعمل پروژه نهایی Final Project Instructions

امتیاز ویژه (BONUS) BONUS

  • امتیاز ویژه (BONUS) BONUS

  • پروژه نقشه Map Project

نمایش نظرات

آموزش تحلیل داده‌های مکانی و سنجش از دور: ۵ دوره در ۱
جزییات دوره
9 hours
64
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,170
4.3 از 5
دارد
دارد
دارد
Kate Alison
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kate Alison Kate Alison

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.