Прогнозирование будущего LULC с использованием модели клеточных автоматов || ANN || CA-Марковская...

Ознакомьтесь со всеми подробностями предстоящей онлайн-программы обучения на нашем сайте: https://www.studyhacksgeospatial.com/... 7-дневный онлайн-курс по освоению Google Earth Engine для дистанционного зондирования и ГИС-анализа для начинающих и продвинутых пользователей:    • New batch: Class Start on 19th July - Mast...   Регистрация на новый 7-дневный курс по полному освоению Google Earth Engine для дистанционного зондирования и ГИС-анализа для начинающих и продвинутых пользователей уже открыта. Эти занятия научат вас всему необходимому для начала использования GEE в анализе данных дистанционного зондирования. Мы в первую очередь ориентируемся на тех, кто только начинает осваивать любой язык программирования и функциональные возможности Earth Engine. Мы рассматриваем картирование землепользования и земельного покрова (LULC), качество воздуха, наблюдения, анализ временных рядов, расчет любых индексов, контролируемую классификацию, методы машинного обучения и многое другое. Начало занятий: 13 декабря 2024 г. Крайний срок регистрации: 12 декабря 2024 г. (Первые 10 зарегистрировавшихся получат скидку 50%) Всего занятий: 7 дней (по пятницам и субботам) Продолжительность занятий: 4 часа (ежедневно), время: с 21:00 до 00:00 (GMT +6) Для регистрации свяжитесь по этому номеру WhatsApp: +8801780942798 или по электронной почте: rmijanur10266@gmail.com День 1: Введение в GES Как использовать API GEE для JavaScript и Python Изучение синтаксиса JavaScript и основ Python Объекты клиента и сервера в GEE Как дать серверу команду на выполнение вашего кода? Импорт растровых и векторных данных: локальное хранилище и наборы данных GEE Фильтрация таблиц атрибутов День 2: Фильтрация и отображение спутниковых снимков: Landsat, Sentinel Спутниковые композиты Комбинации полос Экспорт спутниковых снимков: Landsat, Sentinel и MODIS Импорт, фильтрация, уменьшение, обрезка и отображение растровых данных в GEE Диаграмма временных рядов NDVI с использованием готовых наборов данных GEE Экспорт любого шейп-файла День 3: Расчет любого индекса по спутниковым снимкам с использованием Landsat и Sentinel Фильтрация и отображение спутниковых снимков: Sentinel-2 и наблюдения NDWI, NDVI Идентификация водных объектов с помощью пороговой обработки Диаграмма временных рядов NDVI, NDWI, SAVI и всех индексов с использованием Landsat и Sentinel Любой из GEE Экспорт шейп-файлов Как добавить легенду и заголовок градиента в GEE Откуда рассчитывается NDWI MODIS и Данные Landsat День 4: Как удалить облака и дымку со спутниковых снимков — Landsat и Sentinel Визуализация карты теней и уклонов холмов (DEM) в GEE с использованием NASA SRTM и ASTER Наблюдения температуры поверхности земли (LST) со спутниковых снимков Landsat и MODIS Как рассчитать средний, максимальный и минимальный значения NDVI для любой конкретной области GEE: Как рассчитать ежемесячное испарение День 5: Мониторинг качества воздуха: все параметры Как загрузить данные временных рядов параметров качества воздуха в формате CSV с помощью GEE Диаграмма временных рядов мониторинга качества воздуха Мониторинг качества воздуха: общее содержание оксидов азота или любого газа в GEE с использованием Sentinel-5 Как рассчитать выбросы Программное обеспечение ArcMap: Как создавать карты для научных работ с помощью программного обеспечения GEE и ArcMap День 6: Введение в машинное обучение в Google Earth Engine Как создать карту землепользования и растительного покрова Создание карт с использованием машинного обучения: алгоритмы с учителем и без учителя Случайный лес, CART, SVM, классификаторы минимального расстояния для создания землепользования и земельного покрова (LULC) Как проверить точность LULC с помощью Google Earth Engine. (Точность расчета, производительности и потребления) Расчет площади классов землепользования и земельного покрова (LULC) Как добавить легенду к карте LULC Как экспортировать LULC с помощью ArcMap и создавать карты LULC для исследовательской работы День 7: Выявление изменений землепользования и земельного покрова с помощью Google Earth Engine Выявление изменений NDVI с помощью Google Earth Engine Выявление изменений LULC на уровне классов на слое с помощью Google Earth Engine Настройка гиперпараметров для повышения точности вашей модели машинного обучения Преимущества онлайн-обучения: Сертификат об окончании курса (после выполнения всех заданий) Материалы (слайды, PDF) Код для практики (весь код будет предоставлен) Записанные занятия (будут предоставлены видеозаписи всех занятий) Поддержка обучения на протяжении всей жизни Присоединяйтесь к нашему сообществу: Присоединяйтесь к группе в Telegram: https://t.me/gisandremotesenginglearn... Как рассчитать Эрозия и накопление воды в реке в разные периоды в ArcGIS - Часть 1: https://www.youtube.com/live/JeG7xutu... Полный плейлист по машинному обучению:    • Machine Learning   🛑 Загрузка спутниковых снимков и их использ...