عباسعلی داداشی رودباری

سرفصل مطالب


#	سرفصل مطالب	طرح درس (براساس سرفصل)
1	جلسه ۱: مقدمه‌ای جامع بر آب و هواشناسی ماهواره‌ای و ابزارهای نوین: یک دیدگاه جامع از علم سنجش از دور و کاربردهای آن در علوم جوی با تمرکز بر تعاریف پایه ارائه می‌شود. مباحث شامل بررسی انواع مدارهای ماهواره‌ای(LEO، MEO، GSO) با ذکر مثال‌های مشخصی مانند Aqua و GOES است. مبانی فیزیکی طیف الکترومغناطیس و برهم‌کنش آن با پدیده‌های جوی به تفصیل شرح داده خواهد شد. همچنین، آشنایی اولیه با محیط‌های برنامه‌نویسی مدرن (Google Colab Notebook) و پلتفرم‌های پردازش ابری (Google Earth Engine) صورت گرفته و نقشه راه دوره برای دستیابی به اهداف کلیدی تشریح می‌گردد.
2	جلسه ۲: مبانی پردازش تصویر و انواع تفکیک در سنجش از دور: اصول بنیادین پردازش تصویر دیجیتال و مفهوم تفکیک افقی در داده‌های ماهواره‌ای مورد بحث قرار می‌گیرد. تفاوت بین سنجنده‌های فعال (Active) و غیرفعال (Passive) به همراه تشریح دقیق ارائه می‌شود. در بخش عملی، تصاویر ماهواره‌ای با تفکیک‌های متفاوت در محیط Google Earth Engine به صورت تحلیلی مقایسه خواهند شد.
3	جلسه ۳: اصول تفسیر تصویر، ترکیب باند و طبقه‌بندی: تمرکز این جلسه بر روش‌های استخراج اطلاعات کیفی و کمی از تصاویر ماهواره‌ای است. ابتدا استراتژی‌های تفسیر بصری مبتنی بر عناصر کلیدی (مقیاس، الگو، بافت، رنگ) و سپس تکنیک‌های عملی ترکیب باندهای مختلف طیفی برای ایجاد تصاویر رنگی حقیقی (True Color) و رنگی کاذب (False Color) در Google Earth Engine آموزش داده می‌شود. در ادامه، مبانی الگوریتم‌های طبقه‌بندی تصویر، شامل روش‌های نظارت‌نشده (Unsupervised) و نظارت‌شده (Supervised)، به عنوان ابزاری برای تبدیل داده‌های پیکسلی به نقشه‌های موضوعی، تشریح و پیاده‌سازی می‌شوند.
4	جلسه ۴: ماهواره‌ها و سنجنده‌های کلیدی در هواشناسی (بخش اول): معرفی مهم‌ترین ماهواره‌ها و سنجنده‌های فعال در حوزه هواشناسی و اقلیم‌شناسی در این جلسه انجام می‌شود. ماهواره‌های عملیاتی برجسته مانند Suomi NPP و NOAA-20 ، GOES-16 به تفصیل بررسی می‌شوند. علاوه بر این، ماهواره‌های تحقیقاتی مانند Aura (شیمی جو)، OCO-2 (دی‌اکسید کربن) و QuikSCAT معرفی شده و نحوه دسترسی و فراخوانی داده‌های آن‌ها در Google Earth Engine تمرین می‌شود.
5	جلسه ۵: ماهواره‌ها و سنجنده‌های کلیدی در هواشناسی (بخش دوم): این جلسه، بحث ماهواره‌ها و سنجنده‌ها را با تمرکز بر متغیرهای سطح زمین تکمیل می‌کند. ماهواره‌های تخصصی مانند SMAP و SMOS (برای سنجش رطوبت خاک و شوری اقیانوس‌ها) و GOSAT (پایش گازهای گلخانه‌ای) مورد بررسی قرار می‌گیرند. کار عملی با داده‌های رطوبت خاک ماهواره‌ای در Google Earth Engine انجام خواهد شد.
6	جلسه ۶: تعیین مشخصات و بافت ابر با استفاده از داده‌های ماهواره‌ای: مبانی فیزیکی تشخیص ابرها و روش‌های پیشرفته‌تر برای تحلیل بافت ابر (Cloud Texture) که به تفکیک انواع ابرها کمک می‌کند، تشریح می‌شود. با استفاده از محصول ابر سنجنده TROPOMI بر روی ماهواره Sentinel-5P در Google Earth Engine، متغیرهای کلیدی ابر مانند کسر پوشش ابر (Cloud Fraction)، فشار و ارتفاع بالای ابر (Cloud Top Pressure/Height)، فشار و ارتفاع پایه ابر (Cloud Base Pressure/Height) و ضخامت نوری ابر (Cloud Optical Depth) استخراج و تحلیل خواهند شد.
7	جلسه ۷: برآورد ویژگی‌های ابر و تعیین جبهه‌های هوا: تمرکز اصلی بر استفاده از الگوهای ابر برای شناسایی و تعیین موقعیت جبهه‌های هوا (Fronts) شامل جبهه‌های سرد و گرم در تصاویر ماهواره‌ای، به‌ویژه تصاویر باند بخار آب، معطوف است. در بخش عملی در Google Earth Engine، با استفاده از تصاویر سری زمانی ماهواره GOES یا Meteosat یک سیستم سینوپتیک ردیابی شده و خطوط جبهه‌ها بر اساس ساختار و حرکت ابرها ترسیم می‌گردد.
8	جلسه ۸: استخراج متغیر بارش از داده‌های ماهواره‌ای: تفاوت بین روش‌های مبتنی بر سنجنده‌های مادون قرمز (IR) و مایکروویو غیرفعال (Passive Microwave) تشریح شده و محصولات بارش ماهواره‌ای مدرن که این دو نوع داده را تلفیق می‌کنند، مانند GIRAFE و محصول پرکاربرد GPM IMERG، معرفی می‌شوند. در بخش عملی در Google Earth Engine، داده‌های بارش روزانه GPM IMERG برای یک منطقه مشخص دانلود، نقشه‌های بارش تولید و سری زمانی آن تحلیل خواهد شد.
9	جلسه ۹: استخراج متغیر دمای سطح (سطح زمین و آب): روش‌های استخراج دمای سطح زمین (LST) و دمای سطح آب (SST) از داده‌های ماهواره‌ای حرارتی، محور اصلی این جلسه است. مبانی فیزیکی سنجش از دور حرارتی و چالش‌های موجود (مانند اثرات اتمسفر و گسیلندگی) به همراه الگوریتم‌های تصحیح آن‌ها (مانند الگوریتم Split-Window) شرح داده می‌شوند. برای SST از محصول ESA CCI Sea Surface Temperature و برای LST از محصولات سنجنده MODIS استفاده خواهد شد. در بخش عملی، نقشه‌های ماهانه SST و LST تولید و بی هنجاری های دمایی تحلیل می‌شوند.
10	جلسه ۱۰: استخراج متغیر رطوبت خاک از داده‌های ماهواره‌ای: روش‌های ماهواره‌ای اندازه‌گیری رطوبت خاک با استفاده از سنجنده‌های مایکروویو فعال (رادار/طیف سنج) و مایکروویو غیرفعال (رادیومتر) در این جلسه آموزش داده می‌شود. محصول جامع ESA CCI Soil Moisture که شامل سه زیرمحصول “Active”، “Passive” و “Combined” است، معرفی می‌شود. در بخش عملی در Google Earth Engine، سری زمانی رطوبت خاک از محصول Combined برای یک حوضه آبخیز استخراج و با داده‌های بارش مقایسه می‌شود تا پاسخ هیدرولوژیکی خاک به رخدادهای بارش تحلیل گردد.
11	جلسه ۱۱: الگوریتم پیشرفته: پایش خشکسالی با شاخص SPI: این جلسه بر یک کاربرد عملی و پیشرفته داده‌های بارش ماهواره‌ای، یعنی پایش خشکسالی، تمرکز دارد. ابتدا مفهوم خشکسالی و شاخص‌های آن معرفی و سپس شاخص بارش استاندارد شده ( Standardized Precipitation Index - SPI) و نحوه محاسبه آن با استفاده از مجموعه داده بلندمدت CHIRPS تشریح می‌شود. سپس با Google Colab Notebook، یک اسکریپت پایتون برای محاسبه SPI در مقیاس‌های زمانی مختلف (مثلاً ۳ ماهه، ۶ ماهه) و تولید نقشه‌های شدت خشکسالی برای یک منطقه مورد مطالعه پیاده‌سازی خواهد شد.
12	جلسه ۱۲: الگوریتم پیشرفته: پایش نوسانات النینو-لانینا (ENSO): پدیده اقلیمی ال نینو–نوسان جنوبی و روش‌های پایش آن با داده‌های ماهواره‌ای، موضوع این جلسه است. مکانیزم‌های فیزیکی ENSO، تأثیرات جهانی آن و شاخص‌های کلیدی پایش معرفی می‌شوند. برای تحلیل، از داده‌های دمای سطح آب (SST) سنجنده SGLI بر روی ماهواره GCOM-C استفاده شده و درGoogle Colab Notebook، سری زمانی میانگین SST برای منطقه کلیدی Niño 3.4 استخراج، بی هنجاری آن نسبت به دوره پایه محاسبه و دوره‌های النینو و لانینا به صورت گرافیکی شناسایی می‌گردد.
13	جلسه ۱۳: کار عملی و برنامه نویسی (پروژه اول): این جلسه به طور کامل به کار عملی و توسعه یک پروژه کوچک توسط دانشجویان اختصاص دارد. هدف، به‌کارگیری یکپارچه مفاهیم آموخته‌شده برای تحلیل یک رخدادهای فرین اقلیمی است. این تحلیل شامل بارگذاری، پیش‌پردازش و بصری‌سازی داده‌های مختلف (بارش GPM، ابر GOES، رطوبت خاک SMAP) در Google Earth Engine و Google Colab Notebook می‌شود.
14	جلسه ۱۴: کار عملی و برنامه نویسی (پروژه دوم): این جلسه، ادامه کار عملی و پروژه‌محور با تمرکز بر تحلیل‌های اقلیمی بلندمدت است. پروژه شامل تحلیل روند تغییرات یک متغیر اقلیمی کلیدی (مانند LST از MODIS یا شاخص پوشش گیاهی NDVI از سنجنده MODIS) در یک منطقه خاص طی چند دهه اخیر باشد. دانشجویان با استفاده از روش‌های آماری در Google Earth Engine و Google Colab Notebook، شیب روند و معناداری آن را محاسبه و تفسیر خواهند کرد.
15	جلسه ۱۵: ارائه پروژه‌ها و جمع‌بندی نهایی: این جلسه به ارائه نتایج پروژه‌های تعریف شده توسط دانشجویان اختصاص دارد. هر دانشجو، مسئله مورد مطالعه، روش‌شناسی، نتایج و چالش‌های پروژه خود را ارائه می‌دهد.
16	جلسه ۱۶: مرور کلی، رفع اشکال و آمادگی برای آزمون نهایی: جلسه پایانی به مرور جامع کلیه سرفصل‌های تدریس شده از جلسه اول تا پانزدهم اختصاص دارد. معرفی منابع بیشتر برای مطالعه و پیشنهاد مسیرهای تحقیقاتی آینده، پایان‌بخش این جلسه و کل درس خواهد بود.