آموزش موتور پیشرفته Google Earth (GEE) برای تجزیه و تحلیل داده های مکانی

Advanced Google Earth Engine(GEE) For Spatial Data Analysis

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: موتور Google Earth برای تجزیه و تحلیل داده‌های مکانی و یادگیری ماشینی برای داده‌های سنجش از راه دور در Cloud به دست آوردن زمین قوی در ویژگی‌های اساسی و جدیدترین موتور Google Earth (GEE) نحوه کار با فایل‌های شکل و داده‌های تصویری داخلی موجود در GEE را بیاموزید. آپلود و تجزیه و تحلیل داده های خود در GEE کسب مهارت در جاوا اسکریپت برای راه اندازی اکوسیستم GEE انجام پیش پردازش و پردازش داده های ماهواره ای در ابر GEE -تکنیک های پردازش و GIS در Google Earth Engine دانش قبلی از انواع مختلف داده های مکانی رایج دسترسی به یک حساب ایمیل gmail برای ثبت نام در Google Earth Engine

در آخرین دوره آموزشی من در مورد نحوه یادگیری همه چیز در مورد سنجش از دور پایه ماهواره ای و تجزیه و تحلیل GIS با استفاده از موتور زمینی GOOGLE (GEE) ثبت نام کنید.

  • آیا در حال حاضر در یکی از دوره های مرتبط با GIS و سنجش از دور من ثبت نام کرده اید؟

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

  • می‌خواهید به سرعت مقادیر زیادی از داده‌های مکانی را تجزیه و تحلیل کنید

  • مدل‌های یادگیری ماشین را روی داده‌های سنجش از راه دور پیاده‌سازی کنید

  • 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 و GIS با استفاده از GEE مهارت کسب کنید، تلاشی مبتنی بر ابر توسط Google که می تواند به پردازش چندین پترا بایت داده تصویری کمک کند.

دوره من یک آموزش عملی با سنجش از راه دور واقعی و تجزیه و تحلیل داده های GIS با موتور زمین GOOGLE- یک پلت فرم در مقیاس سیاره ای برای تجزیه و تحلیل داده های علوم زمین است. از جمله پیاده‌سازی مدل‌های یادگیری ماشین بر روی داده‌های تصویری، که توسط زیرساخت ابری Google پشتیبانی می‌شود. !

دوره آموزشی من پایه‌ای برای انجام کارهای سنجش از راه دور عملی، واقعی و تجزیه و تحلیل GIS در این پلتفرم قدرتمند با پشتیبانی از ابر 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 مدرک کارشناسی ارشد (جغرافیا و محیط زیست) از دانشگاه آکسفورد، انگلستان دارم. 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 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 دور و درک اینکه سنجش از راه دور به چه نوع سؤالاتی می‌تواند به ما در پاسخگویی کمک کند، استفاده خواهد شد. . همچنین با مجموعه‌های داده دیگری از جمله موارد مربوط به آتش‌سوزی‌ها و اقدامات اجتماعی-اقتصادی آشنا خواهید 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 پرهزینه هستند و هزینه آنها می تواند به هزاران دلار برسد. به جای پرداخت این همه پول یا تهیه نسخه‌های غیرقانونی (که شما را در معرض پیگرد قانونی قرار می‌دهد)، یاد خواهید گرفت که برخی از مهم‌ترین و رایج‌ترین وظایف تحلیل سنجش از راه دور را با استفاده از یکی از قدرتمندترین داده‌های رصد زمین و پلت‌فرم تجزیه و تحلیل انجام دهید. . GEE به سرعت اهمیت خود را در بخش جغرافیایی نشان می دهد و بهبود مهارت های شما در GEE باعث برتری شما نسبت به سایر متقاضیان شغل می شود.

این یک دوره نسبتاً جامع است، یعنی ما بر یادگیری ضروری ترین و رایج ترین تکنیک های پردازش داده های سنجش از دور و تجزیه و تحلیل GIS در موتور Google Earth 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 GEE خواهید آموخت.

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

به موتور Google Earth (GEE) خوش آمدید Welcome to Google Earth Engine (GEE)

  • مقدمه ای بر دوره Introduction To The Course

  • داده و کد Data and Code

  • موتور Google Earth (GEE) چیست؟ What is Google Earth Engine (GEE)?

  • مقدمه ای بر مفاهیم اساسی فضایی Introduction to Basic Spatial Concepts

با GEE در مرورگر خود شروع کنید Get Started with GEE In Your Browser

  • رابط Google Earth Engine (GEE) را کاوش کنید Explore the Google Earth Engine (GEE) Interface

  • ثبت نام برای GEE Sign-up for GEE

  • کاوش مجموعه داده ها در موتور Google Earth (GEE) Explore the Datasets in Google Earth Engine (GEE)

  • مجموعه داده های GEE بیشتر More GEE Datasets

  • در ویرایشگر کد مرورگر In Browser Code Editor

کار با ویرایشگر کد GEE Working With the GEE Code Editor

  • Whistlestop Tour of Javascript Whistlestop Tour of Javascript

  • کار با JS را در ویرایشگر کد GEE شروع کنید Start Working With JS in the GEE Code Editor

  • داده های خود را در GEE آپلود کنید Upload Your Own Data in GEE

کار با Shapefile/Feature Data Work With Shapefile/Feature Data

  • Shapefiles/ویژگی ها در GEE Shapefiles/Features in GEE

  • فیلتر کردن Shapefiles Filtering Shapefiles

  • چندین کشور را فیلتر کنید Filter Multiple Countries

  • یک بافر در اطراف یک مجموعه ویژگی ایجاد کنید Create a Buffer Around a Feature Collection

  • محاسبه آمار منطقه ای بر روی داده های ویژگی Compute Zonal Statistics on Feature Data

  • تقاطع بین مجموعه های ویژگی Intersection Between Feature Collections

کاوش تصویر اولیه Basic Imagery Exploration

  • در داده های شطرنجی تک باند بخوانید Read in Single Band Raster Data

  • تجسم داده های تصویری Visualize Imagery Data

  • کار با DEM Data Working with DEM Data

  • استخراج پوردکت های توپوگرافی Deriving Topographic Porducts

  • نمونه گیری مجدد Resampling

  • مقدمه ای بر مجموعه تصاویر Introduction to Image Collections

  • داده های شطرنجی چند باندی را بخوانید و تجسم کنید Read & Visualize Multi-Band Raster Data

  • فیلتر اولیه تصویر - قسمت 1 Basic Image Filtering-Part 1

  • فیلتر کردن تصاویر نوری برای انتخاب تصاویر کاهش یافته تحت پوشش ابر Filtering Optical Images to Select Reduced Cloud Covered Images

  • کاهش دهنده های تصویر - قسمت 1 Image Reducers-Part 1

  • از فیلتر کردن و برش Of Filtering and Clipping

  • ROI را به صورت تعاملی تعریف کنید Define An ROI Interactively

کار با داده های نوری در GEE Working With Optical Data in GEE

  • انواع مختلف داده های نوری در GEE Different Types of Optical Data in GEE

  • اصل Principle

  • اصلاحات لندست Landsat Corrections

  • سنسورهای لندست Landsat Sensors

  • تیز کردن طیفی Spectral Sharpening

  • وضوح Resolution

  • نظریه پشت شاخص گیاهی Theory Behind Vegetation Index

  • محاسبه شاخص‌های رایج پوشش گیاهی (VI) Compute Common Vegetation Indices (VI)

  • از VIs برای پوشش استفاده کنید Use VIs For Masking

  • یک کامپوزیت ساده Landsat بدون ابر ایجاد کنید Create a Simple Landsat Cloud-Free Composite

داده های رادار Radar Data

  • نظریه پشت رادار دیافراگم مصنوعی (SAR)؟ Theory Behind Synthetic Aperture Radar (SAR)?

  • مقدمه ای بر Sentinel-1 Introduction to Sentinel-1

  • در داده های Sentinel-1 بخوانید Read in Sentinel-1 Data

  • نقشه سیل با Sentinel-1 Map Flooding With Sentinel-1

  • با هر دو VV و VH کار کنید Work With Both VV and VH

  • داده های ALOS ALOS Data

مجموعه داده های تصویری دیگر Other Imagery Datasets

  • داده های اجتماعی-اقتصادی از طریق GEE Socio-Economic Data Via GEE

  • چراغ های شب Nightlights

  • نقشه الگوهای آتش با MODIS Map Fire Patterns With MODIS

یادگیری ماشین در GEE Machine Learning in GEE

  • یادگیری ماشینی چیست؟ What Is Machine Learning?

  • مفاهیم نظری پشت ML Theoretical Concepts Behind ML

  • طبقه بندی بدون نظارت Unsupervised Classification

  • یادگیری تحت نظارت چیست؟ What is Supervised Learning?

  • راه اندازی یک مشکل طبقه بندی با GEE: جمع آوری داده های آموزشی Setting Up a Classification Problem With GEE: Collect Training Data

  • طبقه بندی نظارت شده را تعریف کنید Define the Supervised Classifier

  • طبقه بندی تصاویر Classify the Imagery

  • برخی دیگر از معیارهای دقت Some Other Accuracy Metrics

  • صادرات داده از GEE Export Data From GEE

  • امضاهای طیفی Spectral Signatures

  • عدم اختلاط طیفی Spectral Unmixing

  • تانسور چیست؟ What is a Tensor?

  • آپلود داده های مکانی خارجی Upload External Geospatial Data

تجزیه و تحلیل تصویر مبتنی بر شی (OBIA) Object Based Image Analysis (OBIA)

  • تجزیه و تحلیل تصویر مبتنی بر شی در GEE Object Based Image Analysis in GEE

  • OBIA در مراحل مقدماتی GEE OBIA in GEE-Preliminary Steps

نمایش نظرات

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.

آموزش موتور پیشرفته Google Earth (GEE) برای تجزیه و تحلیل داده های مکانی
جزییات دوره
6.5 hours
64
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
740
4.5 از 5
دارد
دارد
دارد
Minerva Singh
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

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