نظارت پوشش درختی با استفاده از MODIS و Google Earth Engine

آنچه یاد خواهید گرفت:

• درک اصول سنجش از دور و کاربرد آن در نظارت محیط زیست
• کسب دانش درباره ساختار پوشش درختی، اهمیت آن و روش‌های نظارت پوشش تاج‌برگ
• یادگیری چگونگی استفاده از Google Earth Engine (GEE) برای دسترسی و پردازش مؤثر داده ماهواره‌ای
• توسعه مهارت‌های عملی برای تحلیل داده ماهواره‌ای MODIS، شامل ماسک‌گذاری ابر و مصورسازی، جهت نظارت تغییرات پوشش درختی در طول زمان

پیش‌نیازهای دوره

• هیچ تجربه قبلی با Google Earth Engine نیاز نیست - این دوره شما را گام‌به‌گام راهنمایی می‌کند.

توضیحات دوره

این دوره راهنمای دقیقی برای نظارت پوشش درختی با استفاده از داده ماهواره‌ای MODIS و پلتفرم قدرتمند Google Earth Engine (GEE) ارائه می‌دهد. شما یاد خواهید گرفت چگونه داده محیطی مقیاس بزرگ را با مهارت‌های کدنویسی عملی تحلیل کنید، حتی اگر در زمینه سنجش از دور یا GIS مبتدی باشید. این دوره مفاهیم اساسی سنجش از دور را پوشش می‌دهد، اهمیت اکولوژیکی پوشش درختی را تشریح می‌کند و محیط GEE را برای تحلیل‌های مکانی مبتنی بر ابر معرفی می‌نماید.

یکی از ویژگی‌های کلیدی این دوره، تجربه عملی کار با داده واقعی MODIS است. برای مثال، یاد خواهید گرفت که چگونه از کد GEE برای دسترسی به مجموعه داده «Percent Tree Cover» مودیس (MODIS) برای سال 2020 استفاده کرده و تراکم پوشش درختی را مصورسازی کنید. این دوره چگونگی برش داده ماهواره‌ای برای یک منطقه خاص، اعمال تکنیک‌های طبقه‌بندی مانند شناسایی مناطق جنگلی متراکم با پوشش درختی بیش از 60%، و اکسپورت کردن از تصاویر پردازش‌شده برای استفاده‌های بعدی را آموزش می‌دهد.

با اتمام این دوره، شرکت‌کنندگان مهارت نوشتن اسکریپت‌هایی برای فیلتر کردن مجموعه‌های تصاویر، اعمال ماسک‌ها، استایل‌دهی نقشه‌ها با پالت‌های رنگی و خروجی گرفتن داده مکانی به صورت فایل‌های GeoTIFF را به دست خواهند آورد. این توانایی‌ها برای دانشمندان علوم محیط زیست، برنامه‌ریزان شهری، حافظان محیط زیست و هر کسی که علاقه‌مند به ردیابی سلامت جنگل‌ها و تغییرات پوشش زمین است، ضروری هستند. چه هدف شما پژوهش، سیاست‌گذاری یا مدیریت منابع طبیعی باشد، این دوره شما را به ابزارهای عملی برای نظارت کارآمد و دقیق پویایی‌های پوشش درختی با استفاده از داده ماهواره‌ای مجهز می‌کند.

این دوره برای چه کسانی مناسب است؟

• دانشجویان و پژوهشگران حوزه‌های کشاورزی، علوم محیط زیست، جغرافیا یا سنجش از دور که به دنبال کاربرد داده ماهواره‌ای در سناریوهای دنیای واقعی هستند.