شناسایی و پایش سطح پهنه آبی با یادگیری ماشین

بزرگترین اکوسیستم دنیا که حدود 71% از سطح زمین را به خود اختصاص داده است، پهنه های آبی است. پهنه آبی به هر سطح پوشیده شده از آب گفته می شود که میتواند اقیانوس ها، دریاها، دریاچه ها، رودخانه ها ، تالاب ها و آبراهه ها را در بر بگیرید. منشا پهنه های آبی میتواند طبیعی یا مصنوعی باشد. در ادامه مطالب در مورد اهمیت پهنه های آبی مطالب بیشتری ارائه خواهد شد. در دوره آموزشی شناسایی و پایش سطح پهنه آبی با یادگیری ماشین هم به شناسایی پهنه های آبی با یادگیر ماشین پرداخته شده است و هم اینکه تغییرات مساحت سطحی به صورت تک تصویر و سری زمانی آموزش داده شده است.

روش های مختلفی برای شناسایی پهنه های آبی وجود دارد. معمول ترین روش در دنیا استفاده از نمونه برداری زمینی و نقشه برداری زمینی است. اما با توجه به وسعت بالای پهنه های آبی و نوسانات زیاد آن و از یک سو هزینه های زیاد و زمان بر بودن روش های میدانی خیلی مقرون به صرفه نمی باشد. امروزه از علم سنجش از دور و تصاویر ماهواره ای در زمینه شناسایی پهنه های آبی بسیار استفاده شده است. در دیدگاه سنجش از دور تکنیک های مختلفی برای شناسایی پهنه های آبی وجود دارد. معمول ترین روش آن استفاده از طبقه بندی تصاویر ماهواره ای است که با استفاده از نمونه بردای هایی که انجام میشه مناطق آبی شناسایی خواهد شد.

آموزش پیشنهادی: دوره جامع گوگل ارث انجین در علوم دریا و اقیانوس

اما علاوه بر روش های مختلف طبقه بندی امروزه شاخص های مختلف در دنیا توسعه پیدا کرده در زمینه شناسایی پهنه های آبی مورد استفاده قرار خواهد گرفت. شاخص های متداول مثلا Normalized Difference Water Index (NDWI)، Modified Normalized Difference Water Index (MNDWI) ، Automated Water Extraction Index (AWEI) و خیلی دیگر از این شاخص ها که هر کدام از آنها معایت و مزایت خاص خود را دارا است.

اما امروزه به پیشرفت علم و پیشرفت هوش مصنوعی زیر مجموعه آن یعنی یادگیری ماشین در بسیاری از زمینه ها از جمله شناسایی عوامل طبیعی مانند پهنه های آبی مورد استفاده قرار خواهد گرفت. در یادگیری ماشین ما مدل را بر اساس یک سری معیار ( متغییرهای مستقل) در یک منطقه آموزش داده که بتواند برای سایر مناطق به صورت کاملا اتوماتیک پهنه های آبی را شناسایی کند. روش های مختلف در زمینه یادگیری ماشین مورد استفاده قرار گرفته است. با توجه به محدودیت های گوگل ارث انجین در این دوره آموزشی از 4 الگوریتم مختلف برای شناسایی پهنه آبی استفاده شده که در زیر ارائه شده است.

الگوریتم های یادگیری ماشین به کار رفته در دوره شناسایی و پایش سطح پهنه های آبی
Random Forest (RF)
Support Vector Machine (SVM)
Classification and Regression Trees (CART)
K-Nearest Neighbors (KNN)

ویژگی دوره شناسایی و پایش سطح پهنه آبی با یادگیری ماشین

عنوان کلی: شناسایی و اندازه گیری مساحت و تغییرات مساحت سطحی پهنه های آبی با ماشین لرنینگ
نرم‌افزار: گوگل ارث انجین
مدرس: آرمان صمدی
تصاویر: لندست
کد آماده : دارد
قابل استفاده: برای تمامی پهنه های آبی دیده شده در تصاویر لندست از اقیانوس های تا تالاب ها و رودخانه ها

موارد آموزش داده شده در دوره شناسایی و پایش سطح پهنه آبی با یادگیری ماشین

آموزش جداسازی متغییرهای وابسته و مستقل
آموزش جداسازی پهنه آبی برای آموزش مدل
آموزش جداسازی و ترکیب متغییرهای مستقل با وابسته
آموزش نمونه برداری رندم برای تعلیم مدل
آموزش تعلیم مدل به روش SVM
آموزش تعلیم مدل به روش CART
آموزش تعلیم مدل به روش RF
آموزش تعلیم مدل به روش KNN
آموزش پیاده سازی مدل در مناطق مختلف
آموزش محاسبه مساحت برای تک تصویر
آموزش محاسبه مساحت سری  زمانی برای پهنه های آبی واقع در یک سطر و ستون لندست
آموزش محاسبه مساحت سری زمانی پهنه های آبی واقع در بیشتر از چند سطر و ستون لندست
آموزش اعتبار سنجی مدل ها

این دوره آموزشی برای کدام پهنه آبی استفاده میشود:

• اقیانوس ها
• دریاها
• تالاب ها
• دریاچه ها
• سدها
• رودخانه ( رودخانه های بزرگ که در تصاویر لندست دیده شود، عرض برابر یا بیشتر از 30 متر)

یادگیری ماشین

برای یادگیری ماشین تعاریف بسیار زیادی وجود دارد. در این بخش تعاریف تخصصی ارائه نمیشود و هدف اینکه با ساده ترین شکل ممکن یک تعریف ساده ارائه شود. یاد گیری ماشین به زبان ساده یعنی اینکه به یک سری از مدل ها (کامپیوتر) آموزش بدیم که بدون اینکه بهش دستور بدیم چطور یک کاری را انجام دهد، خودش اتوماتیک آن کار را انجام دهد و نیازی به تایید همیشگی ما نباشد. برای نمونه ما میتوانیم از روش های پیشرفته طبقه بندی هم استفاده کنیم اما ما باید همیشه بهش بگیم کجا آب است و کجا آب نیست، اما در یادگیری ماشین وقتی مدل آموزش دید به صورت اتوماتیک هر کجا بهش بگیم پهنه آبی را شناسایی خواهد کرد.

چرا پهنه های آبی انقدر مهم هستند؟

اگر مقالات روز دنیا را مطالعه کنید، متوجه خواهید شد که مطالعات مختلفی در زمینه پهنه های آبی یا عواملی که پهنه های آبی بر آن موثر بوده برای نمونه گرد و غبار تولیدی تالاب ها مطالعات متعددی صورت گرفته است. بی شک پهنه آبی چه طبیعی چه مصنوعی ارزش بسیار زیادی از جنبه های مختلف دارد. در این بخش به صورت تیتر وارد به اهمیت پهنه آبی اشاره خواهد شد تا شما عزیزان بتوانید.

تنوع زیستی: پهنه های آبی زیستگاه بسیاری از جانوران و گیاهان هستند که نقش مهمی در حفظ تنوع این گونه ها دارد.
تعدیل شرایط آب و هوایی: چه در مقیاس اقیانوس چه در مقیاس کوچک، پهنه های آبی با جذب گرما و دی اکسید کربن در تنظیم شرایط آب و هوایی نقش بسیار مهمی دارد.
چرخه آب و کیفیت آن: بعضی از پهنه های آبی در تامین آب شیرین و حذف آلاینده ها و بیلان آب مناطق نقش بسزایی دارد.
اهیت اقتصادی : پهنه های آبی از دیدگاه حمل و نقل، مای گیری و آبزی پروری، گردشگری، تولید انرژی، سکونتگاه و منابع معدنی نقش بسیار پر رنگی دارد.
اهمیت زیست محیطی: تالاب ها و پهنه های آبی در مقیاس کوچک بر روی تولید گرد وغبار و خیلی دیگر از مسائل زیست محیطی تاثیر گزار هستند.

این دوره آموزشی برای چه افرادی مناسب است؟
ما قبلا در داخل سایت دوره های مختلف در زمینه شناسایی پهنه های آبی با شاخص های مختلف ارائه کرده بودیم،اما این شاخص ها برای افرادی که از علوم مختلف هدفشون شناسایی پهنه آبی است دشوار است، اما در ین دوره آموزشی بعد از اینکه مدل آموزش دید میتواند برای هر منطقه ای دیگه به صورت اتوماتیک پهنه آبی را شناسایی کند و از نظر صحت نیز میتواند بالاتر از روش های شاخص مبنا باشد.
این دوره آموزشی برای افرادی که دنبال چاپ مقالات، برای دانشجویان برای پایان نامه، برای سازمان های مربوطه بسیار مناسب می باشد. این دوره آموزش را به همه علاقه مندان به این رشته ها توصیه خواهیم 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 سنجش ‌از دور
مدرس بیش از 300 محصول آموزشی