آموزش بوت‌کمپ تحلیل داده‌های سنجش از دور ماهواره‌ای با ابزارهای متن‌باز - آخرین آپدیت

دانلود Satellite Remote Sensing Data Bootcamp With Opensource Tools

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به‌روزرسانی شده در می ۲۰۲۵. این دوره اکنون دارای قابلیت Coursera Coach است! روشی هوشمندانه‌تر برای یادگیری با گفتگوهای تعاملی و لحظه‌ای که به شما کمک می‌کند تا دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و همزمان با پیشروی در دوره، درک خود را عمیق‌تر کنید. دنیای پویا و گسترده داده‌های سنجش از دور ماهواره‌ای را از طریق یک بوت‌کمپ جامع کشف کنید که شما را با مهارت‌های ضروری با استفاده از ابزارهای متن‌باز (Open-source) مجهز می‌کند. با شروع از مفاهیم بنیادی، با مفاهیم اصلی سنجش از دور، از جمله انواع مختلف داده‌ها و ابزارهای ضروری برای تحلیل آن‌ها مانند R و QGIS آشنا خواهید شد. در ادامه، به پیچیدگی‌های سنجش از دور اپتیکال (نوری) خواهید پرداخت و یاد می‌گیرید چگونه داده‌های لندست (Landsat) را دانلود، پیش‌پردازش و تفسیر کنید و بر ابزارهایی مانند پلاگین Semi-Automatic Classification در QGIS مسلط شوید. سپس این دوره شما را به سمت مباحث پیشرفته‌تر هدایت می‌کند، از جمله کاربردهای متعدد داده‌های نوری برای شاخص‌ها و تبدیلات مختلف با استفاده از مجموعه‌ای از ابزارها مانند GRASS GIS، ESA SNAP و R. شما فرآیندهای حیاتی مانند شاخص‌های بافت (Texture Indices)، تبدیلات Tasseled Cap و کاهش ابعاد (Dimension Reduction) را بررسی خواهید کرد تا درک کاملی از نحوه مدیریت و دستکاری داده‌ها برای نیازهای ژئوسپشیال (مکان‌مند) خود به دست آورید. هر بخش بر پایه بخش قبلی بنا شده و در نهایت به کاربرد تکنیک‌های یادگیری ماشین برای طبقه‌بندی داده‌های ماهواره‌ای سنجش از دور ختم می‌شود. برای تکمیل تخصص شما، این دوره سنجش از دور فعال با رادار با روزنه مصنوعی (SAR) را معرفی می‌کند. شما جنبه‌های عملی دریافت و پیش‌پردازش داده‌های ALOS PALSAR، فیلتر کردن نویزهای Speckle و استخراج اطلاعات ارزشمند پس‌پراکنش (Backscatter) را خواهید آموخت. در پایان این بوت‌کمپ، شما کاملاً مجهز به تحلیل و تفسیر داده‌های نوری و SAR خواهید بود و به یک متخصص ارزشمند در زمینه تحلیل‌های ژئوسپشیال تبدیل خواهید شد. این دوره برای متخصصان ژئوسپشیال، دانشمندان محیط زیست و تحلیلگران داده‌ای که به دنبال گسترش تخصص خود در سنجش از دور ماهواره‌ای هستند، ایده‌آل است. داشتن درک اولیه از مفاهیم GIS و سنجش از دور توصیه می‌شود اما الزامی نیست.

سرفصل ها و درس ها

مقدمه‌ای بر تحلیل داده‌های سنجش از دور ماهواره‌ای Introduction to Satellite Remote Sensing Data Analysis

  • معرفی دوره و مدرس Introduction to the Course and Instructor

  • سنجش از دور چیست؟ What is Remote Sensing?

  • انواع مختلف داده‌های سنجش از دور Different Types of Remote Sensing Data

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

  • شروع کار با ابزار SNAP؛ معرفی کوتاه Get Started with SNAP Toolbox-Brief Introduction

  • شروع کار با GRASS GIS؛ معرفی کوتاه Get Started with GRASS GIS-Brief Introduction

  • جمع‌بندی بخش اول Conclusions to Section 1

مقدمه‌ای بر داده‌های سنجش از دور اپتیکال Introduction to Optical Remote Sensing Data

  • اصول جمع‌آوری داده‌های سنجش از دور اپتیکال Principles Behind Collection of Optical Remote Sensing Data

  • انواع مختلف داده‌های سنجش از دور اپتیکال Different Types of Optical Remote Sensing Data

  • دانلود و مشاهده داده‌های لندست Downloading and Viewing Landsat Data

  • سنسورهای مختلف لندست Different Landsat Sensors

  • دانلود و مشاهده داده‌های اپتیکال از طریق QGIS Downloading and Viewing Optical Data via QGIS

  • جمع‌بندی بخش دوم Conclusions to Section 2

پیش‌پردازش داده‌های اپتیکال Pre-Processing Optical Data

  • چرا پیش‌پردازش برای داده‌های اپتیکال ضروری است؟ Why is Pre-Processing Needed for Optical Data?

  • پیاده‌سازی تصحیح اتمسفری داده‌های لندست در R Implementing Atmospheric Correction on Landsat Data in R

  • استفاده از QGIS برای پیش‌پردازش داده‌های لندست: پلاگین SCP QGIS For Pre-Processing Landsat Data: Semi-Automatic Classification Plugin

  • خروجی‌های تصحیح شده اتمسفری در QGIS Atmospherically Corrected Outputs from QGIS

  • داده‌های ماهواره‌ای پیش‌پردازش شده چه کاربردهایی دارند؟ What Can Pre-Processed Satellite Data Be Used For?

  • جمع‌بندی بخش سوم Conclusions to Section 3

کاربردهای متنوع داده‌های اپتیکال The Many Uses of Optical Data

  • ترکیب (Stacking) و تفکیک باندهای طیفی در QGIS Stacking and Unstacking Bands in QGIS

  • محاسبات باندی (Band Maths) در R و QGIS Band Maths in R and QGIS

  • تئوری شاخص‌های بافت Texture Indices-Theory

  • استخراج شاخص‌های بافت در GRASS GIS Texture Indices-GRASS GIS

  • استخراج شاخص‌های بافت در ESA SNAP Texture Indices-ESA SNAP

  • تئوری تبدیلات Tasseled Cap Tasseled Cap Transformations-theory

  • تبدیلات Tasseled Cap در GRASS GIS Tasseled Cap Transformations-GRASS GIS

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

  • شاخص‌های پوشش گیاهی با استفاده از RStoolbox Vegetation Indices using RStoolbox

  • تئوری کاهش ابعاد Dimension Reduction-theory

  • کاهش ابعاد در QGIS Dimension Reduction-QGIS

  • کاهش ابعاد در GRASS GIS Dimension Reduction-GRASS GIS

  • جمع‌بندی بخش چهارم Conclusion to Section 4

طبقه‌بندی داده‌های ماهواره‌ای سنجش از دور Classification of Remote Sensing Satellite Data

  • تئوری طبقه‌بندی بدون نظارت Theory of Unsupervised Classification

  • طبقه‌بندی بدون نظارت در ESA SNAP Unsupervised Classification-ESA SNAP

  • تئوری طبقه‌بندی با نظارت Theory of Supervised Classification

  • طبقه‌بندی با نظارت در QGIS: مراحل اولیه Supervised Classification in QGIS: Preliminary Steps

  • طبقه‌بندی و ارزیابی دقت پس از طبقه‌بندی در QGIS Classification and Post Classification Accuracy in QGIS

  • تئوری یادگیری ماشین Machine Learning Theory

  • ایجاد داده‌های آموزشی (Training Data) در QGIS Create Training Data in QGIS

  • به‌کارگیری تکنیک‌های یادگیری ماشین روی داده‌های ماهواره‌ای Apply Machine Learning Techniques on Satellite Data

  • جمع‌بندی بخش پنجم Conclusion to Section 5

مقدمه‌ای بر داده‌های سنجش از دور فعال: رادار با روزنه مصنوعی (SAR) Introduction to Active Remote Sensing Data: Synthetic Aperture Radar

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

  • دریافت داده‌های ALOS PALSAR Obtain ALOS PALSAR Data

  • پیش‌پردازش داده‌های ALOS PALSAR Pre-processing of ALOS PALSAR data

  • فیلتر کردن نویزهای Speckle Filtering for Speckles

  • استخراج مقادیر پس‌پراکنش از داده‌های ALOS PALSAR Obtain back-scatter values from ALOS PALSAR data

نمایش نظرات

آموزش بوت‌کمپ تحلیل داده‌های سنجش از دور ماهواره‌ای با ابزارهای متن‌باز
جزییات دوره
5h 53m
46
(آخرین آپدیت)
727
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده