ریزمقیاس سازی تصاویر سنتنیل 5 در سامانه گوگل ارث انجین

یکی از با ارزشترین تصاویر و ماهواره هایی که در حال حاضر اطلاعات مربوط به الاینده های مختلف از جمله، CH4، NO2، SO2، CO و آئروسل را ارائه می دهد تصاویر ماهواره سنتنیل 5 می باشد. این تصاویر از سال 2018 در دسترس می باشد. پیکسل سایز این تصاویر 1113 متری بوده که پیکسل سایز بزرگ و نمیتواند مناطق شهری را شناسایی کند. در آموزش ریزمقیاس سازی تصاویر سنتنیل 5 در سامانه گوگل ارث انجین به شما آموزش خواهیم داد که چگونه با رگرسیون Random Forest مقیاس تصاویر را به 100 متر کاهش دهید.

الگوریتم درخت تصادفی (Random Forest)

درخت تصادفی (Random Forest) یک الگوریتم یادگیری ماشینی می باشد که معمولاً برای مسائل کلاس‌بندی و رگرسیون استفاده می‌شود. این الگوریتم یک روش مجموعه‌ای است که بر اساس اصول مختلف از تصمیم‌گیری گروهی (Ensemble) بهره می‌برد. اصل اصلی درخت تصادفی این است که تعدادی درخت تصمیمی (Decision Tree) را با استفاده از داده‌های آموزشی می‌سازد و سپس نتایج آنها را ترکیب می‌کند تا پیش‌بینی نهایی را انجام دهد. الگوریتم درخت تصادفی به عنوان یکی از الگوریتم‌های معتبر و قدرتمند در دنیای یادگیری ماشین شناخته می‌شود.

اصول بکار رفته در آموزش ارائه شده
اصول بکار گرفته شده در این آموزش بر اساس متغییرهای وابسته و مستقل می باشد. در این آموزش متغییر وابسته پارامترهای آلاینده های هوا و متغییر های مستقل میتواند دما، بارش، شاخص نرمال شده گیاهی و لایه ارتفاعی باشد. در گام بعدی نمونه برداری صورت خواهد گرفت.
در گام بعدی تعدادی نمونه به صورت رندم برداشت شده است که 70 درصد برای تعلیم مدل استفاده شده است و 30 درصد نیز برای اعتبار سنجی استفاده شده است. بر اساس این نمونه های برداشت شده رگرسیون درخت تصیم گیری بین متغییر وابسته (آلایندهای هوا) و متغییرهای مستقل انجام شده و نقشه پیش بینی برای تغییرات رطوبت سطحی تهیه شده است. در نهایت بر اساس 30 درصد داده ارائه شده اعتبار سنجی و ضریب همبستگی محاسبه شده است.
با استفاده از این آموزش میتوانید به راحتی، ریز مقیاس سازی را با پیکسل سایز 100 متری انجام دهید. لازم به ذکر است که حتی میتوانید به راحتی برای گذشته برای نمونه سال 2014 نیز الاینده های هوا را بازسازی نمایید.

آموزش کاربردی دیگر ما: پایش آلودگی هوا با تصاویر ماهواره Sentinel-5 در سامانه گوگل ارث انجین

ویژگی محصول ریزمقیاس سازی تصاویر سنتنیل 5 در سامانه گوگل ارث انجین

عنوان کلی: ریزمقیاس سازی و پیش بینی میزان الاینده های هوا در گوگل ارث انجین
محصول: دانلودی
نرم‌افزار: سامانه گوگل ارث انجین
مدرس: آرمان صمدی
کد آماده : دارد
رفرنس مشابه : دارد

موارد آموزش داده شده در محصول آموزشی ریزمقیاس سازی تصاویر سنتنیل 5 در سامانه گوگل ارث انجین

آموزش فراخوانی تصاویر مختلف
آموزش اعمال فیلتر های زمانی و مکانی
آموزش اعمال فیلتر ROW و PATH و ابر برای تصاویر لندست
آموزش محاسبه الاینده های سنتنیل 5
آموزش محاسبه دمای سطح زمین با لندست
آموزش محاسبه شاخص NDVI
آموزش تعیین متغییر وابسته و متغییر مستقل
آموزش نمونه برداری تصادفی
آموزش جداسازی نمونه های تعلیمی و نمونه تست
آموزش اعمال رگرسیون Random Forest
آموزش اعتبار سنجی نتایج بر اساس 30 درصد داده تست
آموزش خروجی گرفتن از تصاویر
آموزش کار با تصاویر بارش CHIRPS

نکات مهم در مورد این آموزش:

توجه: تمامی این مراحل در گوگل ارث انجین بوده است.
در این آموزش نیازی به داده زمینی ندارید
این آموزش دارای کد آماده است و میتوانید در چند دقیقه برای هر منطقه ای آن را پیاده سازی کنید.
در این آموزش داده های train و test از هم جداسازی شده است (70% برای train و 30% test)

چرا ریز مقیاس سازی

تصاویر سنتینل 5 دارای پیکسل سایز 1113.2 متری می باشد که این مقیاس برای بررسی آلاینده های هوا در مناطق کوچک مانند شهرها مطالعات را دشوار می سازد. با کمک رگرسیون رندم فارست میتوانید پیکسل سایز تصاویر را به 100 متر کاهش داده و بهتر بتوان تاثیر عوارض را مورد بررسی قرار داد.
در این آموزش از سامانه گوگل ارث انجین استفاده شده است. سامانه ارث انجین یک سامانه متن باز است که از زبان پایتون و جاوا اسکریپ برای پیاده سازی کد ها استفاده خواهد کرد.

مدرس دوره آموزشی:

آرمان صمدی
دانش‌آموخته رشته سنجش‌ازدور و جی‌ای اس دانشگاه تهران
کارشناس سنجش‌ازدور و سامانه اطلاعات جغرافیایی
مدیر و بنیان‌گذار وب‌سایت مدرسه سنجش‌ازدور و جی‌ای اس
مدرس بیش از 300 محصول آموزشی

سوالات پرتکرار در رابطه با محصول ریزمقیاس سازی تصاویر سنتنیل 5 در سامانه گوگل ارث انجین

آیا این محصول دارای پشتیبان است؟
بله، تمامی محصولات ما دارای پشتیبانی کامل است.

این محصول دانلودی است یا پستی؟
محصولات ما به صورت دانلودی ارایه میشوند.

آیا حق کپی برداری وجود دارد؟
کپی برداری به هیچ عنوان مجاز نبوده و پیگرد قانونی دارد.