برنامه درسی

لیست برنامه های درسی

منابع

Remote Sensing of Disaster

Prof. F. Yamazaki, Chiba University, JAPAN

طرح درس

بررسی انواع مخاطرات

اهمیت سنجش از دور در مخاطرات

سنجش از دور فعال و غیر فعال در بررسی مخاطرات

تصاویر راداری و پایش زلزله

تصاویر راداری و پایش سیل (کار عملی دانشجویی)

هدف از طرح درس

آشنایی دانشجویان با مفاهیم سنجش از دور و کاربرد ان در پایش مخطرات مختلف

استفاده از روش های مختلف یادگیری ماشین

استفاده از تکنیک های multimodal

 

تعداد واحد ۲
روش تدریس

تدریس تعاملی همراه کار عملی

نحوه ارزیابی

پایان ترم

اطلاعات کلاس

زمان برگزاری مکان برگزاری توضیحات فایل پیوست اول فایل پیوست دوم فایل پیوست سوم
- - -
منابع

Remote Sensing with Imaging Radar

A. Richards

طرح درس

آشنایی با رادار و لایدار

بررسی سنجنده های فعال و تفاوت آن با سنجنده های غیر فعال

پلاتفرم های دریافت تصاویر رادار با گشودگی مصنوعی

مفاهیم رادار با گشودگی مصنوعی

معادله رادار

پلاریمتری و انواع آن

انواع زبری در تصاویر راداری

تداخل سنجی راداری

هدف از طرح درس

آشنایی دانشجویان با مفاهیم سنجش از دور رادار و کاربرد آن

آشنایی با انواع کالیبراسیون تصاویر راداری

استفاده از تکنیک های ادغام تصاویر راداری

آشنایی با داده های لایدار و نحوه استفاده از آنها

 

تعداد واحد ۲
روش تدریس

تدریس تعاملی همراه کار عملی

نحوه ارزیابی

پایان ترم

اطلاعات کلاس

زمان برگزاری مکان برگزاری توضیحات فایل پیوست اول فایل پیوست دوم فایل پیوست سوم
- - -
منابع

Hyperspectral Remote Sensing: Principles and Applications

Marcus Borengasser,  William S. Hungate, Russell Watkins

طرح درس

طیف و انواع آن

روش های طیف سنجی و انواع آن

پاسخ و امضای طیفی

انواع سنجنده ها و بررسی محدوده های طیفی

طیف سنجی عملی

پردازش تصاویر ابرطیفی

هدف از طرح درس

آشنایی دانشجویان با مفاهیم سنجش از دور ابرطیفی

استفاده از روش های مختلف یادگیری ماشین

بررسی تکنیک های طیف سنجی در آزمایشگاه سنجش از دور

استفاده از تکنیک های multimodal

 

تعداد واحد ۲
روش تدریس

تدریس تعاملی همراه کار عملی

نحوه ارزیابی

 پایان ترم

اطلاعات کلاس

زمان برگزاری مکان برگزاری توضیحات فایل پیوست اول فایل پیوست دوم فایل پیوست سوم
- - -
منابع

Python tutorial

Python for ArcGIS

Laura Tateosian

طرح درس

مقدمه ای بر پایتون 2 و 3 و تفاوت آنها

آشنایی با رشته ها

انواع محیط ها و نحوه کار با Jupyter

آشنایی با Anaconda  و spyder

انواع حلقه ها

کتابخانه های پردازش تصویر و ماتریس از قبیل openCV و NumPY

 

تعداد واحد ۲
روش تدریس

تدریس تعاملی همراه کار عملی

نحوه ارزیابی

میان ترم و پایان ترم

اطلاعات کلاس

زمان برگزاری مکان برگزاری توضیحات فایل پیوست اول فایل پیوست دوم فایل پیوست سوم
- - -