آموزش‌های گام‌به‌گام انجمن

آموزش‌های این بخش را کاربران Earth Engine برای کاربران Earth Engine ایجاد کرده‌اند و برای همه سطوح، از راهنماهای مبتدی تا راهنماهای گام‌به‌گام تکنیک‌های پیشرفته‌تر، درنظر گرفته شده‌اند.

اگر مایلید در ارائه آموزش گام‌به‌گام مشارکت کنید، لطفاً برای دریافت دستورالعمل‌ها به صفحه نوشتن آموزش گام‌به‌گام مراجعه کنید.

آموزش‌های JavaScript Code Editor API

تجزیه‌وتحلیل رطوبت خاک و بارش برای شناسایی خشکسالی طولانی‌مدت.

نمای کلی کلاس‌ها و روش‌های رایج Earth Engine.

نحوه ترکیب دو FeatureCollections در یک FeatureCollection.

ساختن «برنامه Earth Engine» با قابلیت انتخاب لایه سفارشی و بازرسی داده‌ها.

نحوه تغییر دادن ویژگی‌های نقشه پایه «ویرایشگر کد».

دیداری‌سازی کردن مجموعه داده Dynamic World و ایجاد ترکیب‌ها.

محاسبه آمار منطقه‌ای از مجموعه داده Dynamic World.

کاوش سری زمانی مجموعه داده Dynamic World.

محاسبه و مرتب‌سازی آمار منطقه‌ای برای داده‌های سری زمانی تصویر به‌صورت جدول مرتب.

تخمین مساحت درختان و ازدست رفتن آن‌ها براساس مجموعه داده «تغییرات جهانی جنگل» هانسن.

نحوه استفاده از API ابزارهای طراحی «ویرایشگر کد».

HISTARFM - How to Work with Gap-Filled Imagery

با مجموعه‌ای از داده‌های ماهانه Landsat با شکاف‌های پرشده از سیستم ادغام داده HISTARFM آزمایش کنید.

از MODIS NDSI برای نقشه‌برداری از اولین روز سال بدون پوشش برف استفاده کنید.

ابزارهای طراحی سفارشی برای ساده کردن نمودارسازی سری زمانی منطقه‌ای تعاملی.

با نحوه تجسم و تجزیه‌وتحلیل داده‌های رطوبت خاک SMAP آشنا شوید.

نمودار سری زمانی دما را ترسیم کنید و نقشه دما بسازید.

یک گیف پویانمایی‌شده تولید کن که تغییرات فصلی پوشش گیاهی را نشان دهد.

وضعیت پوشش گیاهی جنگل در گذر زمان و تحلیل روند خطی.

آزمون من-کندال، شیب سن، و معناداری آماری.

نرمال‌سازی رادیومتری نسبی بااستفاده از تطبیق ویژگی شبه‌ثابت.

طبقه‌بندی دودویی سریع و تکرارپذیر زمین‌های کشت ذرت در نیجریه.

آمار منطقه‌ای را درطول زمان محاسبه کنید و به‌صورت جدول‌های طولانی و عریض در قالب جداشده با ویرگول صادر کنید.

مقدمه‌ای بر اصول رادار دهانه ترکیبی (SAR) بااستفاده از Sentinel-1.

مبانی مدل‌سازی سری زمانی.

آموزش‌های Python API

نمونه‌ای از تحلیل‌ها و تکنیک‌ها برای کار با Python API.

تبدیل کردن داده‌های Earth Engine به DataFrame،‏ GeoDataFrame، و آرایه ساختاریافته NumPy.

تصاویر رادار دهانه ترکیبی (SAR): آمار تصویر تک‌نگاهی و چندنگاهی.

تصاویر رادار دهانه ترکیبی (SAR): آزمایش فرضیه.

تصاویر رادار دهانه ترکیبی (SAR): تشخیص تغییرات چندزمانی.

تصاویر رادار دهانه ترکیبی (SAR): ابزاره کاوشگر.

اجرای روش تورنتویت-ماتر برای نقشه‌برداری از تغذیه آب‌های زیرزمینی.

روشی برای تغییر ظاهر یک تصویر برای مطابقت با تصویر دیگر.

تشخیص تغییرات در GEE - تبدیل MAD (بخش ۱)

تشخیص تغییر چندمتغیره با وزن‌دهی مجدد تکراری.

تشخیص تغییرات در GEE - تبدیل MAD (بخش ۲)

تشخیص تغییر چندمتغیره با وزن‌دهی مجدد تکراری.

تشخیص تغییرات در GEE - تبدیل MAD (بخش ۳)

تشخیص تغییر چندمتغیره با وزن‌دهی مجدد تکراری.

پوشاندن ابرها و سایه‌های ابر در تصاویر بازتاب سطحی Sentinel-2.

گردش کاری برای پیش‌بینی توزیع گونه‌ها.

تولید داده‌های سری زمانی و دیداری‌سازی آن با کتابخانه Altair بااستفاده از پاسخ خشکسالی و پوشش گیاهی.