Skip navigation

*Advanced Remote Sensing and Earth Observation Հեռազննման եւ Երկրի ուսումնասիրության հատուկ դասընթաց

Դասընթացը նախատեսված է պատկերների դասակարգման եւ սեգմենտավորման հիման վրա արբանյակային տվյալներից տեղեկատվության արտահանման մասնագիտական վերապատրաստման համար: Այն ներառում է հեռազննման պատկերների դասակարգման հիմնական հայեցակարգերը, ներառյալ պատկերների եւ հատկանիշների տարածություն հասկացությունները, վերահսկելի ու անվերահսկելի մոտեցումները, դասակարգման տարբեր ալգորիթմները, ինչպիսիք են առավելագույն հավանականությունը, եւ արդյունքների ստուգման կարեւոր փուլը՝ սխալների կամ շփոթության մատրիցների միջոցով:

Պատկերի դասակարգումն օգտագործվում է տարբեր տարածաշրջանային նախագծերում: Եվրոպական հանձնաժողովը պահանջում է, որ ազգային կառավարություններն ստուգեն ֆերմերների բերքի սուբսիդիաներին առնչվող պահանջները: Դրանց բավարարման նպատակով ազգային կառավարությունները վարձում են ընկերություններ՝ պատկերների դասակարգման մեթոդների միջոցով նախնական գնահատում իրականացնելու համար, որին հաջորդում են դաշտային ստուգումները:

Այս դասընթացը ներառում է նաեւ հեռազննման պատկերների դասակարգման հիմնական հայեցակարգերը, մեթոդներն ու խնդիրները:

Հատուկ ուշադրություն է դարձվում նաեւ արբանյակային պատկերների դիտման եւ մեկնաբանման անվճար ու բաց հասանելիությամբ համակարգերին: Սա թույլ է տալիս մասնակիցներին արդյունավետ հավաքել իրենց նախագծերի վերաբերյալ արդիական տեղեկատվություն եւ հետեւել ժամանակի ընթացքում տեղի ունեցող փոփոխություններին:

Syllabus

Access to a growing archive of satellite imagery and platforms (4 hours lecture)

Critical datasets selection for experimentation (4 hours exercises)

  • The availability of new tools to facilitate image processing and interpretation, including improved EO data selection, visualisation, review, and analysis functions

Processing EO Satellite imagery including cloud masking and image enhancement (2 hours lecture and 4 hours exercises)

Introduction to landcover maps (2 hours lecture)

Remote sensing indices (3 hours lecture and 3 hours exercises)

Image Classification (9 hours lecture and 9 hours exercises)

  • methods
  • Feature extraction
  • clustering
  • training set selection
  • supervised and unsupervised image classification
  • landcover mapping

The homework will include: 20 hours literature analysis, RS terminology, and individual study.

Objectives and Competences

In this course, students will learn about advanced information extraction from satellite data (Focus: Analysis of Satellite Images).

Special attention is also given to free, open-source systems for viewing and interpreting satellite imagery. It enables participants to efficiently collect up-to-date information about their projects and monitor changes over time.

The main objectives are:

  • To provide the knowledge, skills, and understanding necessary for advanced information extraction from satellite data.
  • To develop an understanding of the fundamentals of Remote Sensing image classification.

Intended Learning Outcomes

Students who successfully complete the course will be able to:

  • Select band/feature.
  • Conduct practical exercises in image classification using available data and software.
  • Generate independent, robust, and consistent reporting needs for image classification and estimate pista orchards/tree areas and their changes over time at regional, farm, and plot levels.
  • Collaborate with Pista growers to do knowledge-based classification.