کتاب صوتی مبانی سنجش از دور، سامانه اطلاعات جغرافیایی (GIS) و سامانه جهانی ناوبری ماهواره‌ای (GNSS)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی سنجش از دور، سامانه اطلاعات جغرافیایی (GIS) و سامانه جهانی ناوبری ماهواره‌ای (GNSS)

موضوع کلی: علوم زمین و سنجش از دور

موضوع میانی: سیستم‌های اطلاعات مکانی و ناوبری ماهواره‌ای

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم زمین و سنجش از دور
• 2. تاریخچه و اصول سنجش از دور
• 3. اصول فیزیکی سنجش از دور
• 4. طیف الکترومغناطیسی و تعامل آن با زمین
• 5. حسگرهای سنجش از دور
• 6. تصویربرداری ماهواره‌ای
• 7. پردازش و تحلیل تصاویر ماهواره‌ای
• 8. کاربردهای سنجش از دور در علوم زمین
• 9. مقدمه‌ای بر سامانه اطلاعات جغرافیایی (GIS)
• 10. مبانی داده‌های مکانی
• 11. انواع داده‌های مکانی (برداری و رستری)
• 12. مدل‌های داده در GIS
• 13. مدیریت پایگاه داده مکانی
• 14. عملیات پایه در GIS
• 15. تحلیل مکانی در GIS
• 16. مدل‌سازی مکانی
• 17. کاربردهای GIS در علوم زمین
• 18. مقدمه‌ای بر سامانه جهانی ناوبری ماهواره‌ای (GNSS)
• 19. اصول ناوبری ماهواره‌ای
• 20. سیستم‌های GNSS (GPS, GLONASS, Galileo, BeiDou)
• 21. گیرنده‌های GNSS
• 22. اصول اندازه‌گیری در GNSS
• 23. خطاها و تصحیحات در GNSS
• 24. دقت و صحت در GNSS
• 25. کاربردهای GNSS در علوم زمین
• 26. ترکیب سنجش از دور، GIS و GNSS
• 27. یکپارچه‌سازی داده‌های سنجش از دور و GIS
• 28. یکپارچه‌سازی داده‌های GNSS و GIS
• 29. یکپارچه‌سازی سه سامانه
• 30. کاربردهای ترکیبی در مدیریت منابع طبیعی
• 31. کاربردهای ترکیبی در مطالعات شهری
• 32. کاربردهای ترکیبی در مدیریت بحران
• 33. کاربردهای ترکیبی در کشاورزی دقیق
• 34. کاربردهای ترکیبی در زمین‌شناسی
• 35. کاربردهای ترکیبی در هیدروژئولوژی
• 36. کاربردهای ترکیبی در مطالعات اقلیمی
• 37. کاربردهای ترکیبی در نقشه‌برداری
• 38. کاربردهای ترکیبی در پایش محیط زیست
• 39. اصول کارتوگرافی در GIS
• 40. نمایش داده‌های مکانی
• 41. نمودارها و جداول در GIS
• 42. مقدمه‌ای بر شبکه‌های عصبی در تحلیل تصاویر
• 43. شبکه‌های کانولوشنی (CNN)
• 44. یادگیری عمیق برای طبقه‌بندی تصاویر ماهواره‌ای
• 45. یادگیری عمیق برای شناسایی عوارض
• 46. یادگیری عمیق برای تخمین پارامترها
• 47. کاربرد شبکه‌های عصبی در GIS
• 48. مقدمه‌ای بر پردازش ابر نقاط
• 49. منشأ ابر نقاط (لیدار، فتوگرامتری)
• 50. پردازش و پاکسازی ابر نقاط
• 51. استخراج عوارض از ابر نقاط
• 52. مدل‌سازی سه‌بعدی با ابر نقاط
• 53. کاربرد ابر نقاط در GIS
• 54. مقدمه‌ای بر داده‌های حجمی
• 55. مدل‌سازی سه‌بعدی با داده‌های حجمی
• 56. تحلیل داده‌های حجمی
• 57. کاربرد داده‌های حجمی در علوم زمین
• 58. مقدمه‌ای بر سیستم‌های مدیریت اطلاعات مکانی توزیع‌شده
• 59. معماری سیستم‌های مکانی توزیع‌شده
• 60. خدمات مکانی وب (WMS, WFS)
• 61. استانداردهای OGC
• 62. امنیت در سیستم‌های مکانی توزیع‌شده
• 63. کاربرد سیستم‌های توزیع‌شده در پایش ملی
• 64. مقدمه‌ای بر هوش مصنوعی در علوم زمین
• 65. یادگیری ماشین برای پیش‌بینی
• 66. سیستم‌های خبره در علوم زمین
• 67. بهینه‌سازی مکانی با هوش مصنوعی
• 68. کاربرد هوش مصنوعی در GIS
• 69. مقدمه‌ای بر تحلیل سری‌های زمانی مکانی
• 70. پردازش داده‌های سنجش از دور در طول زمان
• 71. مدل‌سازی تغییرات مکانی
• 72. پیش‌بینی روندها با تحلیل سری زمانی
• 73. کاربرد تحلیل سری زمانی در پایش محیط زیست
• 74. مقدمه‌ای بر سنجش از دور راداری
• 75. اصول رادار و امواج مایکروویو
• 76. رادار تصویربردار (SAR)
• 77. پردازش تصاویر SAR
• 78. کاربردهای SAR در علوم زمین
• 79. مقدمه‌ای بر سنجش از دور فروسرخ
• 80. اصول طیف فروسرخ
• 81. حسگرهای فروسرخ
• 82. کاربرد فروسرخ در شناسایی مواد
• 83. کاربرد فروسرخ در مطالعات حرارتی
• 84. مقدمه‌ای بر سنجش از دور در طیف فرابنفش
• 85. اصول طیف فرابنفش
• 86. کاربرد فرابنفش در پایش جو
• 87. کاربرد فرابنفش در علوم زمین
• 88. اصول تفسیر تصاویر ماهواره‌ای
• 89. تفسیر بصری تصاویر
• 90. تفسیر رقومی تصاویر
• 91. تفسیر تصاویر چندطیفی
• 92. تفسیر تصاویر هیپراسپکترال
• 93. اصول ارزیابی کیفیت داده‌های مکانی
• 94. شاخص‌های کیفیت داده
• 95. روش‌های ارزیابی دقت
• 96. مدیریت داده‌های مکانی در پروژه‌ها
• 97. استانداردهای داده‌های مکانی
• 98. مقدمه‌ای بر نرم‌افزارهای GIS
• 99. آشنایی با ArcGIS
• 100. آشنایی با QGIS