دکتر عباسعلی داداشی رودباری
استادیار
دکتر عباسعلی داداشی رودباری
استادیار
دانشکده کشاورزی
علوم و مهندسی آب
طرح درس (براساس سرفصل)
# عنوان توضیحات
1 جایگاه درس در برنامه درسی دوره درس “روش‌های آب و هواشناسی ماهواره‌ای” به عنوان یک واحد تخصصی و کلیدی در برنامه درسی کارشناسی ارشد، نقش پل ارتباطی میان مبانی نظری علوم جوی و فناوری‌های نوین سنجش از دور را ایفا می‌کند. این درس به گونه‌ای طراحی شده تا دانشجویان را از سطوح مقدماتی فیزیک سنجش از دور به سمت تحلیل‌های پیشرفته و کاربردی داده‌های بزرگ مقیاس (Big Data) هدایت کند. این واحد درسی، مکمل دروس نظری اقلیم‌شناسی است و با فراهم آوردن مهارت‌های عملی برنامه‌نویسی و کار با پلتفرم‌های ابری مانند Google Earth Engine و Google Colab Notebook دانشجویان را برای انجام پژوهش‌های مدرن، به‌ویژه در نگارش پایان‌نامه، و همچنین ورود به بازار کار تخصصی در مراکز تحقیقاتی و سازمان‌های هواشناسی آماده می‌سازد.
2 هدف کلی هدف کلی این درس، توانمندسازی عمیق دانشجویان در زمینه استخراج، پردازش، تحلیل و تفسیر داده‌های ماهواره‌ای برای کاربردهای متنوع آب و هواشناسی است. این درس می‌کوشد تا دانشجویان فراتر از یک کاربر ساده نرم‌افزارهای پردازش تصویر، به یک تحلیلگر داده‌های جوی تبدیل شوند که قادر است با درک مبانی فیزیکی سنجش از دور، متغیرهای کلیدی جوی و سطحی (مانند مشخصات ابر، بارش، دما و رطوبت خاک) را از داده‌های خام ماهواره‌ای استخراج کند. در نهایت، هدف آن است که دانشجو بتواند با استفاده از ابزارهای برنامه‌نویسی مدرن (پایتون) و پلتفرم‌های پردازش ابری، الگوریتم‌های پیشرفته‌ای را برای پایش پدیده‌هایی مانند خشکسالی و نوسانات اقلیمی (ENSO) پیاده‌سازی کرده و نتایج تحلیلی معتبر و قابل ارائه تولید نماید.
3 شایستگی های پایه دانشجویانی که این درس را با موفقیت به پایان می‌رسانند، به مجموعه‌ای از شایستگی‌های پایه و ضروری در حوزه علم اقلیم شناسی دست خواهند یافت. این شایستگی‌ها شامل درک اصول فیزیکی سنجش از دور و برهم‌کنش امواج الکترومغناطیس با اتمسفر، توانایی تفکیک و انتخاب سنجنده‌ها و ماهواره‌های مناسب (مانندMODIS, GOES, GPM, Sentinel-5P) برای مطالعه یک پدیده خاص و مهارت در تفسیر بصری و کمی تصاویر ماهواره‌ای است. مهم‌تر از همه، کسب مهارت عملی در کدنویسی و استفاده از API های پلتفرم های Google Earth Engine و Google Colab Notebookبرای دسترسی به آرشیوهای عظیم داده و اجرای تحلیل‌های سری زمانی و مکانی، یک شایستگی بنیادی محسوب می‌شود که آن‌ها را از سایر متخصصان متمایز می‌سازد.
4 منبع فرج‌زاده منوچهر؛ کریمی، نعمت الله (۱۳۹۲).مبانی هواشناسی ماهواره‌ای، انتشارات سمت. ویلیام کار (۱۳۸۸). مقدمه‌ای بر هواشناسی همدید و ماهواره‌ای، ترجمه فرامرز خوش‌اخلاق و علی‌اکبر شمسی‌پور، آرین زمین Gonzalez, R. C., & Woods, R. E. (2018). Digital image processing (5th ed.). Prentice Hall. Lillesand, T. M., Kiefer, R. W., & Chipman, J. W. (2020). Remote sensing: Principles and interpretation (9th ed.). Wiley.
5 اهداف یادگیری در پایان این درس ، از دانشجو انتظار می‌رود که بتواند: ۱) انواع ماهواره/سنجنده و تأثیر آن‌ها بر تحلیل را به طور کامل شرح دهد. ۲) ماهواره‌ها و سنجنده‌های کلیدی هواشناسی را شناسایی کرده و به داده‌های آن‌ها از طریق پلتفرم GEE دسترسی پیدا کند. ۳) با استفاده از ترکیب باند و الگوریتم‌های طبقه‌بندی، نقشه‌های موضوعی تولید نماید. ۴) متغیرهای اصلی هیدرومتئورولوژیکی شامل مشخصات ابر، بارش، دمای سطح و رطوبت خاک را از محصولات ماهواره‌ای مربوطه استخراج و تحلیل کند. ۵) الگوهای ابری را برای شناسایی جبهه‌های هوا به کار گیرد. ۶) الگوریتم‌های تحلیلی پیشرفته مانند محاسبه شاخص SPI برای پایش خشکسالی و تحلیل بی هنجاری SST برای شناسایی ENSO را با برنامه‌نویسی پیاده‌سازی و نتایج را تفسیر نماید.
6 روش تدریس روش تدریس در این دوره به صورت ترکیبی ( نظری-عملی) و مبتنی بر یادگیری فعال و پروژه‌محور خواهد بود. هر جلسه شامل سه بخش اصلی است: ۱) بخش نظری که در آن مفاهیم، اصول فیزیکی و الگوریتم‌ها توسط استاد با استفاده از اسلاید و محتوای بصری ارائه می‌شود. ۲) بخش عملی همزمان (Live Coding) مفاهیم تدریس شده به شکل همزمان در محیط Google Earth Engine یا Google Colab Notebook پیاده‌سازی می‌کند و ۳) بخش تمرین و کارگاه که در آن دانشجویان به حل مسائل عملی می پردازند. این رویکرد تعاملی، یادگیری عمیق و توانایی حل مسئله را تضمین می‌کند.
7 وظایف دانشجو از دانشجویان انتظار می‌رود که حضوری فعال و مستمر در تمامی جلسات نظری و عملی داشته باشند. مطالعه منابع معرفی شده پیش از هر جلسه برای آمادگی در بحث‌های کلاسی ضروری است. دانشجویان موظف‌اند تمرین‌های عملی هفتگی که در پلتفرم های Google Earth Engine و Google Colab Notebook تعریف می‌شود را انجام داده و کدهای خود را برای ارزیابی ارسال کنند. مشارکت فعال در بخش‌های پرسش و پاسخ و کارگاه‌های عملی، بخش مهمی از فرآیند یادگیری است.
8 مواد و امکانات آموزشی برگزاری این درس نیازمند دسترسی به کلاس مجهز به ویدئو پروژکتور و اینترنت پرسرعت و پایدار است. هر دانشجو باید یک کامپیوتر شخصی (لپ‌تاپ) و یا حتی یک گوشی موبایل (به دلیل پردازش ابری لزومی به داشتن کامیپوتر نیست!) به همراه داشته باشد تا بتواند به صورت همزمان در محیط‌های Google Earth Engine و Google Colab Notebook فعالیت کند. داشتن یک حساب کاربری گوگل (Gmail) برای دسترسی به این پلتفرم‌های ابری الزامی است. کلیه مواد آموزشی شامل اسلایدها، لینک دیتاست‌ها، کدهای نمونه و تمرین‌ها از طریق سامانه آموزشی دانشگاه ر اختیار دانشجویان قرار خواهد گرفت.
9 نحوه ارزشیابی ارزشیابی دانشجویان در این درس به صورت مستمر و عملکردمحور انجام خواهد شد تا تسلط بر جنبه‌های نظری و عملی به طور همزمان سنجیده شود. بارم‌بندی نهایی در فایل پیوست ارائه شده است
10 فایل Pdf File