Topluluğun Hazırladığı Eğiticiler

Earth Engine kullanıcıları tarafından Earth Engine kullanıcıları için oluşturulan bu bölümdeki eğitimler, başlangıç kılavuzlarından daha ileri düzey tekniklerin adım adım açıklamalarına kadar her seviyeye yöneliktir.

Eğitim içeriği katkısında bulunmak istiyorsanız talimatlar için lütfen Eğitim İçeriği Yazma sayfasını ziyaret edin.

JavaScript Kod Düzenleyici API eğitimleri

Uzun süreli kuraklığı belirlemek için toprak nemi ve yağış analizi.

Yaygın Earth Engine sınıflarına ve yöntemlerine genel bakış.

İki FeatureCollection'ı birleştirme

Özel katman seçimi ve veri inceleme işlevine sahip bir Earth Engine uygulaması oluşturun.

Kod Düzenleyici'nin temel harita özelliklerini değiştirme

Dynamic World veri kümesini görselleştirme ve bileşikler oluşturma

Dynamic World veri kümesinden bölgesel istatistikleri hesaplama

Dynamic World veri kümesi zaman serisini keşfetme

Görüntü zaman serisi verileri için bölgesel istatistikleri hesaplama ve düzenli bir tablo olarak düzenleme

Hansen'in Küresel Orman Değişimi veri kümesine göre ağaç alanını ve kaybını tahmin etme

Kod Düzenleyici'nin çizim araçları API'sini kullanma

HISTARFM - Boşlukları Doldurulmuş Görüntülerle Çalışma

HISTARFM veri birleştirme sisteminden alınan aylık Landsat boşluk doldurma verileri koleksiyonuyla denemeler yapın.

Yılın kar örtüsünün olmadığı ilk gününü haritalandırmak için MODIS NDSI'yi kullanın.

Etkileşimli bölgesel zaman serisi grafiklerini basitleştiren özel çizim araçları.

SMAP toprak nemi verilerini nasıl görselleştireceğinizi ve analiz edeceğinizi öğrenin.

Sıcaklık zaman serisi grafiği ve sıcaklık haritası oluşturma

Mevsimsel bitki örtüsü değişimini gösteren animasyonlu bir GIF oluştur.

Zaman içinde orman bitki örtüsü durumu ve doğrusal trend analizi.

Mann-Kendall testi, Sen eğimi ve istatistiksel olarak önemli.

Sözde değişmez özellik eşleştirme kullanılarak göreceli radyometrik normalleştirme.

Nijerya'da mısır ekili arazilerin hızlı ve tekrarlanabilir ikili sınıflandırması.

Bölgesel istatistikleri zaman içinde hesaplayın ve virgülle ayrılmış biçimde uzun ve geniş tablolar olarak dışa aktarın.

Sentinel-1'i kullanarak sentetik açıklıklı radar (SAR) ile ilgili temel bilgilere giriş.

Zaman serisi modellemenin temelleri

Python API eğitimleri

Python API ile çalışmaya yönelik analiz ve teknik örnekleri.

Earth Engine verilerini DataFrame, GeoDataFrame ve NumPy yapılandırılmış dizisine dönüştürme

Sentetik açıklıklı radar (SAR) görüntüleri: tek ve çoklu bakış açılı görüntü istatistikleri.

Sentetik açıklıklı radar (SAR) görüntüleri: hipotez testi.

Sentetik açıklıklı radar (SAR) görüntüleri: Çok zamanlı değişiklik algılama.

Sentetik açıklıklı radar (SAR) görüntüleri: gezgin widget'ı.

Implementation of the Thornthwaite-Mather procedure to map groundwater recharge.

Bir görüntünün görünümünü başka bir görüntüyle eşleşecek şekilde değiştirme yöntemi.

GEE'de Değişiklik Algılama - MAD Dönüşümü (1. Bölüm)

Yinelemeli olarak yeniden ağırlıklandırılmış çok değişkenli değişiklik algılama.

GEE'de Değişiklik Algılama - MAD Dönüşümü (2. Bölüm)

Yinelemeli olarak yeniden ağırlıklandırılmış çok değişkenli değişiklik algılama.

GEE'de Değişiklik Algılama - MAD Dönüşümü (3. Bölüm)

Yinelemeli olarak yeniden ağırlıklandırılmış çok değişkenli değişiklik algılama.

Sentinel-2 yüzey yansıtma görüntülerinde bulutları ve bulut gölgelerini maskeleme.

Tür dağılımını tahmin etmeye yönelik bir iş akışı.

Kuraklık ve bitki örtüsü tepkisini kullanarak zaman serisi verileri oluşturma ve Altair kitaplığıyla görselleştirme.