مکتب خونه هوش مصنوعیمفاهیم هوش مصنوعیپردازش تصویر

محاسبه شاخص های NDVI و SIPI در سامانه گوگل ارث انجین

Name: محاسبه شاخص های NDVI و SIPI در سامانه گوگل ارث انجین
Availability: OnlineOnly
Rating: 4.9 (9 reviews)

مدرس:

علیرضا عادلی اصل

در دنیای امروز، پایش وضعیت سلامت پوشش گیاهی یکی از ابزارهای کلیدی در مدیریت منابع طبیعی، کشاورزی و... بیشتر

گواهی‌نامه

4.9 (9)

6 دیدگاه

107دانشجو

3ساعت

سرفصل‌ها

مقدماتی سطح دوره

بروزرسانیخرداد ۱۴۰۴

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره

محتوای دوره

سرفصل‌ها

پیش‌نیاز‌ها

توضیحات دوره

دیدگاه کاربران

درباره مدرس

آنچه در این دوره می‌آموزید

فراخوانی تصاویر ماهواره ای لندست

فیلترگذاری بر روی تصاویر ماهواره ای

محاسبه و نمایش شاخص NDVI

محاسبه و نمایش شاخص SIPI

این دوره شامل:

3 ساعت ویدئو

4 جلسه متنی

10 سؤال سنجش و یادگیری

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

سرفصل‌های دوره

9 فصل18 جلسه3 ساعت ویدیو

مقدمه

2 جلسه7 دقیقه

معرفی سامانه گوگل ارث انجین

03:57

معرفی ماهواره های سری لندست

03:38

ثبت نام در سامانه گوگل ارث انجین

2 جلسه9 دقیقه

انتخاب محدوده مطالعاتی

2 جلسه11 دقیقه

فراخوانی و فیلترگذاری بر روی تصاویر ماهواره ای لندست

3 جلسه32 دقیقه

محاسبه شاخص NDVI

5 جلسه46 دقیقه

محاسبه شاخص SIPI

3 جلسه12 دقیقه

خروجی گرفتن

2 جلسه7 دقیقه

تولید نمودار سری زمانی

3 جلسه23 دقیقه

آزمون

1 جلسه10 دقیقه

پیش‌نیاز‌ها

برای شرکت در این دوره هیچگونه پیش‌نیاز خاصی جز علاقه وجود ندارد و افراد با هر سطحی از آگاهی و تحصیلات می‌توانند از مباحث این دوره استفاده لازم را داشته باشند.

توضیحات دوره

در دنیای امروز، پایش وضعیت سلامت پوشش گیاهی یکی از ابزارهای کلیدی در مدیریت منابع طبیعی، کشاورزی و محیط‌زیست محسوب می‌شود. با استفاده از تصاویر ماهواره‌ای و فناوری‌های پردازش داده‌های مکانی، می‌توان تغییرات سلامت گیاهان را در مقیاس‌های مختلف بررسی و تحلیل کرد.

Google Earth Engine به‌عنوان یک سامانه قدرتمند، امکان پردازش حجم وسیعی از داده‌های ماهواره‌ای را به‌صورت رایگان و کارآمد فراهم می‌کند. یکی از مهم‌ترین کاربردهای این سامانه، محاسبه شاخص‌های سلامت گیاه از جمله SIPI ، NDVI و سایر شاخص‌های طیفی است که به ما کمک می‌کنند تا وضعیت رشد و تنش‌های گیاهی را ارزیابی کنیم.

در این آموزش، با نحوه استفاده از Google Earth Engine برای محاسبه شاخص‌ های NDVI و SIPI آشنا می‌شوید. ابتدا مفاهیم اولیه این شاخص‌ها را بررسی کرده و سپس با استفاده از زبان JavaScript، روش‌های مختلف استخراج و تحلیل داده‌های ماهواره‌ای را به‌صورت عملی پیاده‌سازی خواهیم کرد.

دیدگاه کاربران

4.9

بر اساس امتیاز 9 دانشجو

دانشجوی دوره

10 ماه پیش

ممنون از برگزاری این دوره تخصصی و جذاب. نحوه تدریس عالی و روان بود.

دانشجوی دوره

1 سال پیش

دوره خوبی بود. سپاسگزارم.

دانشجوی دوره

1 سال پیش

خیلی عالی بود

دانشجوی دوره

1 سال پیش

بسیار دوره خوبی بود مباحث واقعا تخصصی بودن و اضافه گویی نداشت .نیاز من رو که بر طرف کردم ممنون از مکتب خونه و مهندس عادلی بابت این دوره کاربردی

دانشجوی دوره

1 سال پیش

تدریس مدرس عالی بود. کدهای دوره هم به اشتراک گذاشته شده که از این بابت ممنونم چون به شدت نیاز داشتم به این کدها.

دانشجوی دوره

1 سال پیش

سلام . خسته نباشید میگم به شما. خیلی آموزش خوب و جامع هست.

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین

دو زبانه

علیرضا عادلی اصل

2دوره

393دانشجو

21نظر و امتیاز

علیرضا عادلی اصل دانشجوی کارشناسی ارشد مهندسی فضای سبز در دانشگاه تهران است. علاقه‌مندی وی به مباحث میان‌رشته‌ای به‌ویژه در حوزه‌های برنامه‌نویسی با زبان‌های R و پایتون، تحلیل داده‌های محیط زیستی و همچنین مدل‌سازی سه‌بعدی و رندرینگ با نرم‌افزارهایی مانند 3ds Max و Unreal Engine موجب شده تا رویکردی چندبُعدی در فعالیت‌های علمی و حرفه‌ای خود داشته باشد.

او سابقه تدریس در دانشگاه تهران در حوزه‌های مرتبط با معماری منظر و فناوری‌های نوین را دارد و از جمله زمینه‌هایی که با جدیت دنبال می‌کند می‌توان به کاربرد سنجش از دور در معماری منظر، تحلیل محیطی داده‌محور و رندرینگ سه‌بعدی اشاره کرد؛ موضوعاتی که نقش مهمی در آینده پایدار شهرها و فضای سبز ایفا می‌کنند.

از جمله پروژه‌های مورد توجه وی می‌توان به مدل‌سازی داده‌محور برای بهینه‌سازی طراحی منظر و تحلیل سری‌های زمانی پوشش‌های گیاهی با داده‌های ماهواره‌ای اشاره کرد.