🔔 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 کاربری اراضی آینده با GIS - TerrSet - CA Markov - ArcGIS
- آخرین آپدیت
دانلود Future Land Use with GIS - TerrSet - CA Markov - ArcGIS
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
پیش بینی کاربری اراضی با استفاده از مدل CA Markov و یادگیری ماشین (GIS)
در این دوره آموزشی، با استفاده از مدل CA Markov و رویکرد یادگیری ماشین، به پیشبینی توسعه آینده مناطق شهری و تولید نقشههای آتی خواهید پرداخت. نرمافزارهای ArcGIS، Erdas و QGIS برای آمادهسازی دادهها و TerrSet برای پیشبینی GIS مورد استفاده قرار میگیرند.
آنچه در این دوره خواهید آموخت:
پیشبینی توسعه آینده مناطق شهری و تولید نقشه
درک مفاهیم پیشرفته GIS و تمرین عملی
مفاهیم پیشرفته در نرمافزارهای ArcGIS و Terrset
کار با مدل رقومی ارتفاع (DEM)
اجرای کوئریهای پیشرفته در GIS
مدیریت دادههای پیچیده GIS
مدل CA Markov
مشاهده یادگیری ماشین در عمل
اعتبارسنجی نتایج تولید شده
سایر وظایف مرتبط با GIS مانند منطقه UTM، موزاییک مدل رقومی ارتفاع
پیشنیازها:
برای شرکت در این دوره، لازم است با مبانی GIS آشنا باشید و آشنایی اولیه با نرمافزارهای ArcGIS و ERDAS داشته باشید. همچنین، باید به نرمافزارهای Terrset و ArcGIS (که متنباز نیستند) دسترسی داشته باشید و با نحوه آمادهسازی لایههای کاربری اراضی آشنا باشید. این یک دوره پیشرفته است، بنابراین توصیه میشود ابتدا با استفاده از دورههای دیگر، نقشهبرداری کاربری اراضی را یاد بگیرید. شما به دو لایه کاربری اراضی با دقت مناسب نیاز دارید.
در این دوره، یادگیری ماشین را در عمل با استفاده از مدل تغییر کاربری اراضی آماده Terrset (که قبلاً IDRISI نامیده میشد) مشاهده خواهید کرد. در این دوره از نرمافزار Terrset با روش CA Markov برای پیشبینی کاربری اراضی آینده استفاده میشود. ArcGIS برای آمادهسازی دادهها و Erdas نیز برای برخی از وظایف استفاده میشوند. هیچ کدی در این دوره استفاده نمیشود. تمام نرمافزارهای مورد استفاده در این دوره متنباز نیستند. باید خودتان نرمافزارها را تهیه کنید. باید با نحوه آمادهسازی نقشههای کاربری اراضی آشنا باشید، بقیه موارد در این دوره از ابتدا پوشش داده میشود. پیشبینی آینده کاربری اراضی به تعدادی از عوامل محرک/پارامتر بستگی دارد. عوامل محرک به نیروهایی اطلاق میشوند که نحوه شکلگیری منطقه شهری در آینده را تعیین میکنند. این عوامل شامل مرز شهر قدیمی (زیرا شهرکهای جدید در نزدیکی مرز شهر قدیمی ساخته میشوند)، جادهها و ناهمواریها نیز هستند، زیرا اولین جادههای نزدیک شهر با شهرکها پوشیده میشوند. از طرف دیگر، میزان احتمال تبدیل یک سایت کشاورزی به منطقه شهری در مکانهای مختلف چقدر است؟ به طور مشابه، پوشش جنگلی نیز مهم است. همچنین باید از برخی از کلاسهای کاربری اراضی مانند آب، رودخانه، دریاچه یا مخزن که هرگز به مناطق شهری تبدیل نمیشوند، اجتناب کنیم. بنابراین، باید مدل خود را به گونهای تنظیم کنیم که از آب اجتناب کند. پس از تنظیم، دقت یادگیری و دقت خروجی نیز مهم است و باید آن را اصلاح کنیم. در این دوره، ما به دقت یادگیری 42٪ و 67٪ در دو اجرای مختلف دست یافتهایم، اما به دقت 89٪ در کاربری اراضی پیشبینی شده دست یافتهایم. دقت یادگیری و پیشبینی از کامپیوتر به کامپیوتر و از دادهای به داده دیگر متفاوت است. در حین اجرا ممکن است دقتی بیشتر یا کمتر از این دوره دریافت کنید، اما روی نتایج خروجی خود تمرکز کنید. اگر دقت یادگیری 100٪ باشد، اشتباه است. بنابراین، هر ویدیو را با دقت ببینید و درک کنید، سپس مدل خود را اجرا کنید. قبل از ثبت نام در این دوره باید ویدیوی پیش نمایش رایگان را ببینید، زیرا این یک دوره سطح متخصص است.
توجه: کسانی که IDRISI Taiga دارند نیز میتوانند همین مراحل را دنبال کنند.
این دوره 90٪ عملی و 10٪ تئوری را پوشش میدهد.
در پرسش و پاسخها از پرسیدن سوال تردید نکنید.
سرفصل ها و درس ها
مقدمه
Introduction
خروجی این دوره چه خواهد بود
What will be output after this course
پیش نیازهای دوره
Pre-course requirements
مقدمه
Introduction
نیازمندیهای نرمافزاری
Software Requirement
درباره نرمافزار و متدولوژی
About Software and Methodology
دانلود TerrSet
TerrSet download
متدولوژی
Methodology
مقدمه ای بر Data UTM
Data UTM Intro
درک ترتیب مقدار کاربری اراضی
Understanding landuse value order
نگاهی به کاربری اراضی موجود
Landuse that we already Have – A look
آماده سازی Drivers مربوط به کاربری اراضی
Preparing Landuse related Drivers
آماده سازی کاربری اراضی خود برای ورودی های آتی
Getting Ready Our Landuse for future Input
تنظیم کاربری اراضی شهری برای مدل
Urban Landuse Setting up for Model
اختلالات شهری
Disturbances Urban
فرایند جاده ها
Roads Process
دانلود برای جاده ها
Downloading for Roads
دانلود QGIS
Downloading QGIS
تبدیل نقشه خیابان
Street Map Conversion
برش لایه برداری به منطقه مورد مطالعه
Cut Vector layer to study area
جداسازی جاده از سایر ویژگی های خطی در Data با استفاده از Query
Road Separation from other line features in Data using Query
فاصله جاده
Road distance
دانلود DEM و آماده سازی داده های کاربری اراضی و شیب برای ورودی مدل
Downloading DEM and Prepare data of Landuse and Slope for Model input
دانلود Dem
Downloading Dem
آماده سازی مدل ارتفاعی برای استفاده با مدل پیش بینی
Prepare Elevation Model for use with Prediction model
پردازش کاربری اراضی با Erdas برای آماده شدن برای مدل
Process landuse with Erdas to be ready for model
پردازش کاربری اراضی در ArcGIS (اختیاری)
Process Landuse in ArcGIS (Optional)
شیب فقط یک کار ساده
Slope Just A simple work
مدیریت داده
Data Management
تنظیم داده ها برای پردازش دسته ای
Arrange Data for Batch Processing
تولید لایه جاده صفر و یک (اختیاری)
Zero and one Road Layer generation (Optional)
اضافه کردن لایه جاده اختیاری به داده های اصلی
Adding optional road layer to main data
راه اندازی پروژه و شروع مدل تغییر کاربری اراضی در Terrset، تبدیل داده
Project Setup and Starting Land change Model in Terrset, Data conversion
راه اندازی پروژه در Terrset
Project setup in Terrset
تبدیل فایل Tiff برای مدل
Tiff File conversion for Model
راه اندازی Land Change Modeler و اصلاح تصویر
Setting up Land Change Modeler and Image modification
تخمین احتمالات روند تغییر فضایی برای کاربری اراضی
Estimating Spatial Trend Change probabilities for Landuse
زیر مدل انتقال و تست قدرت پارامتر بر روی کاربری اراضی
Transition sub model and parameter Power Test on landuse
راه اندازی و درک زیر مدل انتقال برای تغییر کاربری اراضی
Setting up and understand transition sub model for Land change
تست قدرت Drivers و تنظیم زیر مدل
Testing power of Drivers and Sub Model setup
یادگیری ماشین در عمل – مدل CA Markov Chain، پیش بینی های آینده
Machine Learning in Action – CA Markov Chain Model, Future Predictions
اجرای مدل یادگیری ماشین و MLP
Running the Machine Learning and MLP Model
تولید تصویر آینده با مدل Markov Chain
Generating future Image with Markov Chain Model
اعتبارسنجی نتایج
Validation of Results
روش اعتبارسنجی 1 Terrset
Validation Method 1 Terrset
روش اعتبارسنجی 2 ArcGIS
Validation Method 2 ArcGIS
بعد از اعتبارسنجی، تصاویر آینده را تولید کنید و مفهوم Matrix را درک کنید
After Validation Generate Future images and understand concept of Matrix
تولید تصویر کاربری اراضی آینده برای سال های 2030، 2050، 2100
Future Landuse image Generation for year 2030,2050,2100
اصلاح تصویر آینده با احتمال Matrix
Modification of Future image with Matrix probability
تولید ویدیو از رشد شهری و تصاویر مرحله میانی تا سال 2100
Generation video of Urban Growth and Intermediate stage images till 2100 year
درک تنظیمات مدل، چه چیزی را تغییر دهیم و دوباره مدل را اجرا کنیم، درک مطلب
Understanding Model Settings what to change and run Model again, understanding
از سرگیری کار پس از ذخیره
Resuming work after save
اگر با کاربری اراضی متفاوت و تنظیمات متفاوت اجرا شود، یک نتیجه اجرای اضافی
What if run with different landuse and different settings an Extra Run Results
تاثیر بر یادگیری کلاس کاربری اراضی، نتایج مدل کامل. اضافی با کلاس های بیشتر
Impact on Learning of land use class Full Model results. Extra with more classes
وظایف GIS اضافی که ممکن است برای آماده سازی داده ها به آن نیاز داشته باشید
Additional GIS Task you may need it to prepare data
تبدیل کل فایل های پروژه Terrset برای ArcGIS
Convert whole Terrset Project files for ArcGIS
روش 1 برای mosaic کردن DEM در ArcGIS
Method 1 for mosaic of DEM in ArcGIS
روش 2 mosaic کردن DEM در ArcGIS
Method 2 mosaic of DEM in ArcGIS
یافتن UTM صحیح در داخل ArcGIS و Reprojection به UTM
Finding correct UTM inside ArcGIS and Reprojection to UTM
نمایش نظرات