لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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