دوره آموزشی نقشه برداری با پهپاد: اصول، فناوری‌ها و کاربردها
چکیده
این دوره جامع آموزشی برای تجهیز شرکت‌کنندگان با دانش و مهارت‌های لازم در زمینه نقشه‌برداری با پهپاد (UAV) طراحی شده است. با توجه به رشد چشمگیر فناوری پهپادها و کاربردهای متنوع آنها در حوزه‌های فتوگرامتری و سنجش از دور، این دوره به بررسی عمیق اصول تئوری و جنبه‌های عملی نقشه‌برداری هوایی با استفاده از سیستم‌های پهپادی می‌پردازد. شرکت‌کنندگان با انواع پهپادها، حسگرهای مورد استفاده (نظیر RGB، چندطیفی، فراطیفی، حرارتی و لایدار)، روش‌های جمع‌آوری داده‌ها و فرآیندهای پردازش اطلاعات آشنا خواهند شد. تأکید ویژه بر تکنیک‌های فتوگرامتری ساختار از حرکت (SfM)، مدل‌سازی سه‌بعدی، تولید مدل‌های رقومی سطح و زمین (DSM/DTM)، و اورتوموزائیک‌ها است. علاوه بر این، کاربردهای پیشرفته در کشاورزی دقیق، مدیریت منابع طبیعی، پایش محیط‌زیست، مدیریت بحران، نقشه‌برداری کاداستر، ژئوفیزیک و مهندسی عمران مورد بررسی قرار می‌گیرد. با ادغام هوش مصنوعی و یادگیری ماشین، دوره به تحلیل داده‌های پیچیده و استخراج اطلاعات ارزشمند نیز می‌پردازد و راهکارهایی برای افزایش دقت مکانی در محیط‌های چالش‌برانگیز ارائه می‌دهد.
مقدمه
نقشه‌برداری با پهپاد انقلابی در جمع‌آوری داده‌های مکانی ایجاد کرده است و امکان دسترسی به اطلاعات با وضوح مکانی بالا را با هزینه‌ای مقرون‌به‌صرفه فراهم می‌آورد. این فناوری از زمان ظهور خود، به سرعت در حوزه‌های مختلف علمی و صنعتی گسترش یافته و به ابزاری قدرتمند برای پایش، نقشه‌برداری و تحلیل پدیده‌های زمینی تبدیل شده است. برخلاف روش‌های سنتی نقشه‌برداری که ممکن است زمان‌بر، پرهزینه و گاهی با محدودیت‌های مکانی مواجه باشند، پهپادها انعطاف‌پذیری بی‌نظیری را ارائه می‌دهند. آنها می‌توانند در ارتفاعات پایین پرواز کنند، به مناطق صعب‌العبور دسترسی یابند و داده‌ها را با جزئیات دقیق و در بازه‌های زمانی دلخواه جمع‌آوری کنند.
این دوره آموزشی به شرکت‌کنندگان کمک می‌کند تا از مبانی اولیه پهپادها و فتوگرامتری تا کاربردهای پیشرفته و تحلیل داده‌ها با هوش مصنوعی، مسیری جامع را طی کنند. ما از منابع علمی و گزارش‌های معتبر بین‌المللی برای تدوین این محتوا بهره گرفته‌ایم تا اطمینان حاصل کنیم که مطالب ارائه‌شده کاملاً به‌روز و بر اساس آخرین دستاوردهای علمی و تکنولوژیکی است. سازمان‌هایی مانند انجمن بین‌المللی فتوگرامتری و سنجش از دور (ISPRS) نقش کلیدی در پیشبرد این علم ایفا کرده‌اند و گزارش‌های آنها مبنای بخش‌های مختلف این دوره را تشکیل می‌دهند. این سازمان از طریق وب‌سایت، نشریات، بولتن‌های الکترونیکی و همکاری با ژورنال‌هایی نظیر GIM به انتشار آخرین اطلاعات و دستاوردهای علمی کمک می‌کند. سمپوزیوم‌های میان‌دوره کمیسیون‌ها و فعالیت‌های گروه‌های کاری این انجمن، بر موضوعاتی مانند یادگیری ماشین، واقعیت ترکیبی، پایش تغییر شکل و الگوریتم‌های هوشمند پردازش تصویر از راه دور تمرکز دارند و بستری برای تبادل دانش و تعریف پروژه‌های تحقیقاتی جدید فراهم می‌آورند. در مجموع، این دوره نه تنها به جنبه‌های فنی می‌پردازد، بلکه به شرکت‌کنندگان دیدگاهی استراتژیک درباره پتانسیل‌های بی‌شمار این فناوری در حل چالش‌های دنیای امروز ارائه می‌دهد.
مخاطبین هدف
- متخصصان نقشه‌برداری، جغرافیا، و ژئوماتیک
- دانشجویان و پژوهشگران رشته‌های مهندسی عمران، محیط‌زیست، کشاورزی، جنگل‌داری و معدن
- کارشناسان و مدیران پروژه‌های عمرانی، ساخت‌وساز، و مدیریت شهری
- متخصصان کشاورزی دقیق و مدیریت منابع طبیعی
- افراد علاقه‌مند به فناوری پهپاد و کاربردهای آن در جمع‌آوری داده‌های مکانی
چشم‌انداز دوره
این دوره آموزشی با هدف توانمندسازی شرکت‌کنندگان برای رهبری در حوزه نقشه‌برداری با پهپاد و تبدیل شدن به متخصصانی خلاق و مجهز به دانش روز طراحی شده است. ما به دنبال ایجاد نسلی از متخصصان هستیم که بتوانند با تسلط بر ابزارهای پیشرفته فتوگرامتری، سنجش از دور و هوش مصنوعی، چالش‌های پیچیده محیطی و صنعتی را با راه‌حل‌های نوآورانه و کارآمد حل کنند. چشم‌انداز ما این است که هر فارغ‌التحصیل از این دوره بتواند به طور مستقل پروژه‌های نقشه‌برداری با پهپاد را از برنامه‌ریزی پرواز تا تولید محصولات نهایی با دقت بالا مدیریت کرده و به جامعه علمی و صنعتی کمک شایانی ارائه دهد. این دوره بستری را فراهم می‌آورد تا شرکت‌کنندگان نه تنها مهارت‌های فنی خود را ارتقا دهند، بلکه دیدگاه‌های انتقادی و تحلیلی خود را نیز تقویت کنند و به ارزیابی دقیق پتانسیل‌ها و محدودیت‌های فناوری‌های جدید بپردازند، همانطور که گروه‌های کاری ISPRS به بررسی سوگیری‌های موجود در ادبیات علمی و انتقال نتایج پژوهش به کاربران عملیاتی تأکید دارند.
اهداف آموزشی
اهداف کلی
- آشنایی کامل با اصول نظری و عملی نقشه‌برداری با پهپاد، از جمع‌آوری داده تا تولید محصولات نهایی با کیفیت بالا.
- کسب توانایی انتخاب، برنامه‌ریزی، و اجرای پروازهای پهپادی برای کاربردهای متنوع مهندسی و محیط‌زیستی.
- تسلط بر روش‌های پردازش داده‌های پهپادی و به‌کارگیری نرم‌افزارهای تخصصی برای استخراج اطلاعات دقیق و تحلیل‌های پیشرفته.
اهداف رفتاری قابل سنجش در پایان دوره
- انواع مختلف پهپادها و حسگرهای فتوگرامتری و سنجش از دور را بر اساس کاربرد مورد نظر مقایسه کند.
- یک طرح پروازی بهینه برای جمع‌آوری داده‌های مکانی با پهپاد، با در نظر گرفتن اهداف دقت و پوشش، طراحی کند.
- داده‌های خام پهپادی (مانند تصاویر RGB یا چندطیفی) را با استفاده از نرم‌افزارهای تخصصی (نظیر Pix4D Mapper یا Agisoft Metashape) پردازش کند و محصولات استاندارد (مانند اورتوموزائیک، مدل رقومی سطح) تولید نماید.
- مفاهیم اساسی ساختار از حرکت (SfM) و مدل‌سازی سه‌بعدی را توضیح دهد و تأثیر عوامل مختلف بر دقت محصولات سه‌بعدی را تحلیل کند.
- کاربردهای نقشه‌برداری با پهپاد را در حداقل سه حوزه مختلف (مانند کشاورزی دقیق، مدیریت بحران، یا ژئوفیزیک) شناسایی کند و پتانسیل‌های آن را برای حل مسائل واقعی توضیح دهد.
- یک پروژه کوچک نقشه‌برداری با پهپاد را از ابتدا تا انتها، شامل جمع‌آوری داده، پردازش، تحلیل، و گزارش‌دهی، به صورت عملی به کار گیرد.
سرفصل‌ها و جزییات هر جلسه
جلسه ۱: آشنایی با پهپادها و مبانی سنجش از دور
اهداف خاص جلسه
- آشنایی با تاریخچه و انواع پهپادها، طبقه‌بندی آنها و اجزای اصلی سیستم‌های پهپادی.
- فهم مبانی سنجش از دور، اصول فتوگرامتری و چگونگی جمع‌آوری داده‌های مکانی توسط پهپادها.
محتوای تشریحی این جلسه با معرفی تحول نقشه‌برداری از روش‌های سنتی زمینی به سمت فناوری‌های هوایی آغاز می‌شود. شرکت‌کنندگان با تاریخچه پهپادها و رشد چشمگیر کاربرد آنها در دهه‌های اخیر، که از حدود سال ۲۰۱۲ در تخمین حجم مواد دپوشده و سایر کاربردها افزایش قابل توجهی یافته است، آشنا می‌شوند. ما طبقه‌بندی پهپادها را بر اساس اندازه، وزن، استقامت و دامنه پرواز بررسی می‌کنیم، با تأکید بر اینکه پهپادهای کلاس کوچک و میکرو به دلیل هزینه کمتر و سهولت عملیات، بیشترین کاربرد را در جنگل‌داری و سایر زمینه‌ها دارند. انواع بال ثابت و مولتی‌روتور، مزایا و محدودیت‌های هر کدام، مانند قابلیت برخاست و فرود عمودی مولتی‌روتورها در مناطق محدود و هزینه کمتر آنها در مقابل استقامت بیشتر بال ثابت‌ها، به تفصیل شرح داده می‌شود. سپس، به مبانی سنجش از دور و فتوگرامتری پرداخته می‌شود که شامل چگونگی ثبت اطلاعات از سطح زمین، طیف الکترومغناطیسی و ویژگی‌های آن است. اهمیت وضوح مکانی، طیفی و زمانی در داده‌های سنجش از دور، و نقش حسگرهای مختلف در جمع‌آوری این داده‌ها تشریح می‌گردد. تمرکز بر این است که پهپادها چگونه می‌توانند به عنوان پلتفرم‌هایی برای جمع‌آوری داده‌های سه‌بعدی با وضوح بالا از زمین عمل کنند، و درک پایه برای مدل‌سازی سه‌بعدی زمین را فراهم می‌آورد. این جلسه پایه‌ای محکم برای درک فناوری‌های پیشرفته‌تر و کاربردهای آتی در طول دوره ایجاد می‌کند.
فعالیت عملی / تمرین مشاهده و تحلیل ویدئوهای معرفی انواع پهپادها و اجزای آنها. بحث گروهی در مورد مزایا و معایب هر نوع پهپاد برای کاربردهای مختلف نقشه‌برداری.
منابع پیشنهادی آن جلسه
- گزارش‌های دوسالانه انجمن بین‌المللی فتوگرامتری و سنجش از دور (ISPRS)
- مرور سیستماتیک راه‌حل‌های نقشه‌برداری سه‌بعدی ارزان‌قیمت
جلسه ۲: حسگرهای پهپادی و جمع‌آوری داده‌ها
اهداف خاص جلسه
- شناخت انواع حسگرهای مورد استفاده در پهپادها (RGB، چندطیفی، فراطیفی، حرارتی، لایدار) و ویژگی‌های هر یک.
- فراگیری اصول طراحی پرواز، برنامه‌ریزی مأموریت و چگونگی جمع‌آوری مؤثر داده‌های مکانی.
محتوای تشریحی این جلسه به بررسی دقیق حسگرهای مختلفی می‌پردازد که در پلتفرم‌های پهپادی برای جمع‌آوری داده‌های مکانی استفاده می‌شوند. حسگرهای RGB که تصاویر رنگی استاندارد را ثبت می‌کنند، به دلیل هزینه پایین و سهولت استفاده، بسیار رایج هستند و می‌توانند برای کاربردهایی مانند برآورد زیست‌توده و کربن استفاده شوند. حسگرهای چندطیفی (Multispectral) که داده‌ها را در چند باند طیفی خاص (معمولاً ۳ تا ۱۰ باند مانند آبی، سبز، قرمز، لبه قرمز و فروسرخ نزدیک) ثبت می‌کنند، برای تحلیل‌های دقیق‌تر پوشش گیاهی و تشخیص ویژگی‌های پنهان زمین کاربرد دارند. حسگرهای فراطیفی (Hyperspectral) با ثبت داده‌ها در ده‌ها تا صدها باند طیفی پیوسته، اطلاعات طیفی بسیار دقیقی ارائه می‌دهند که برای تمایز بین گونه‌های گیاهی مختلف و تحلیل‌های پیچیده زیست‌محیطی حیاتی هستند، اگرچه هزینه و حجم داده‌های آنها بیشتر است. حسگرهای حرارتی (Thermal) برای پایش دما، تشخیص جزایر حرارتی شهری و ارزیابی عایق‌بندی ساختمان‌ها کاربرد دارند. همچنین، حسگرهای لایدار (LiDAR) که از پالس‌های لیزر برای ایجاد ابر نقاط سه‌بعدی دقیق استفاده می‌کنند، برای مدل‌سازی سه‌بعدی زمین زیر پوشش گیاهی و اندازه‌گیری ارتفاع اشیاء ایده‌آل هستند. در این جلسه، چگونگی انتخاب حسگر مناسب بر اساس اهداف پروژه، برنامه‌ریزی مسیر پرواز با پوشش‌دهی مناسب (overlap) برای اطمینان از کیفیت داده‌های فتوگرامتری، و ملاحظات مربوط به شرایط محیطی و نوری برای جمع‌آوری داده‌های با کیفیت بالا مورد بحث قرار می‌گیرد. روش‌های نوین طراحی پرواز مانند پروازهای “مارپیچ” (spiral) و “حلقه” (loop) که می‌توانند دقت مدل‌های رقومی سطح (DSM) را در فتوگرامتری ساختار از حرکت (SfM) بهبود بخشند، به عنوان نمونه‌هایی از بهینه‌سازی عملیات پروازی معرفی می‌شوند.
فعالیت عملی / تمرین شبیه‌سازی یک پرواز پهپاد با استفاده از نرم‌افزارهای برنامه‌ریزی پرواز و تعیین پارامترهای پروازی (ارتفاع، پوشش‌دهی طولی و عرضی) برای یک منطقه مطالعاتی فرضی.
منابع پیشنهادی آن جلسه
- مروری بر سیستم‌های پایش کیفیت هوا با کمک پهپاد
- ارزیابی مدل رقومی سطح (DSM) بر اساس تبدیل رادیومتریک داده‌های پهپادی
جلسه ۳: فتوگرامتری ساختار از حرکت (SfM) و مدل‌سازی سه‌بعدی
اهداف خاص جلسه
- درک عمیق اصول فتوگرامتری ساختار از حرکت (SfM) و چگونگی تولید مدل‌های سه‌بعدی از تصاویر دو بعدی.
- فراگیری روش‌های تولید اورتوموزائیک، مدل‌های رقومی سطح (DSM) و مدل‌های رقومی زمین (DTM) از داده‌های پهپادی.
محتوای تشریحی این جلسه بر هسته اصلی نقشه‌برداری با پهپاد، یعنی فتوگرامتری ساختار از حرکت (SfM)، تمرکز دارد. SfM یک روش رایج برای پردازش داده‌ها در فتوگرامتری مبتنی بر پهپاد است که بر اساس اصول استریوسکوپیک با استفاده از تصاویر همپوشان، حرکت دوربین را تخمین زده و امکان ایجاد یک نمایش سه‌بعدی از یک شیء یا صحنه را فراهم می‌کند. این فرآیند شامل تشخیص ویژگی‌های برجسته (keypoints) در تصاویر، محاسبه هندسه تصاویر، و سپس بهینه‌سازی مدل کلی است. SfM ابتدا به دنبال ویژگی‌های تصویری (مانند الگوریتم SIFT) می‌گردد که در چندین تصویر وجود دارند. برای حداکثر کارایی SfM، نقاط کلیدی باید با پایه وسیع (فاصله بین دو تصویر متوالی) و از دیدگاه‌های مختلف انتخاب شوند. چگونگی تبدیل مجموعه‌ای از تصاویر دوبعدی دارای همپوشانی بالا به یک مدل سه‌بعدی دقیق، با استفاده از الگوریتم‌های پیچیده کامپیوتری، تشریح می‌شود. سپس، روش‌های تولید اورتوموزائیک‌ها (نقشه‌های تصویری تصحیح‌شده از نظر هندسی)، مدل‌های رقومی سطح (DSM) که نمایانگر ارتفاع سطح زمین و تمام اشیاء روی آن هستند، و مدل‌های رقومی زمین (DTM) که فقط ارتفاع سطح زمین خالص را نشان می‌دهند، مورد بررسی قرار می‌گیرد. تأکید بر دقت این محصولات، به ویژه در مؤلفه ارتفاع (Z)، و عواملی که بر آن تأثیر می‌گذارند (مانند ارتفاع پرواز، کیفیت تصاویر و تراکم ابر نقاط) خواهد بود. به عنوان مثال، در مطالعات، خطای میانگین مربعات (RMSE) مقدار Z از ±۲.۱۵ متر به ۰.۱۱ متر پس از بهبود رادیومتریک داده‌ها افزایش یافته است. روش‌های ارزیابی دقت این مدل‌ها و مقایسه آنها با داده‌های مرجع (مانند داده‌های لایدار زمینی) نیز بررسی می‌شود. این جلسه شامل بررسی چالش‌هایی مانند اثر “گنبد” (doming) در بازسازی‌های SfM و راهکارهای کاهش آن از طریق بهینه‌سازی تنظیمات دسته‌ای (bundle adjustment) است.
فعالیت عملی / تمرین پردازش مجموعه‌ای از تصاویر پهپادی (یک نمونه داده) با استفاده از نرم‌افزار Agisoft Metashape یا Pix4D Mapper برای تولید ابر نقاط سه‌بعدی و اورتوموزائیک.
منابع پیشنهادی آن جلسه
- طراحی‌های نوین پرواز پهپاد برای بهینه‌سازی دقت محصولات داده‌ای ساختار از حرکت
- یک راه‌حل نقشه‌برداری بی‌درنگ دقیق پهپاد برای تولید اورتوموزائیک و مدل‌های سطحی
- UAV در آستانه دهه بیست
جلسه ۴: بهبود دقت و مرجع‌دهی مستقیم (Direct Georeferencing)
اهداف خاص جلسه
- فراگیری تکنیک‌های بهبود دقت مکانی در محصولات پهپادی با استفاده از نقاط کنترل زمینی (GCP) و سیستم‌های ناوبری ماهواره‌ای جهانی (GNSS).
- آشنایی با مرجع‌دهی مستقیم (Direct Georeferencing) و مزایای آن در مقابل روش‌های سنتی.
محتوای تشریحی دقت مکانی یکی از مهم‌ترین جنبه‌ها در نقشه‌برداری با پهپاد است و این جلسه به بررسی روش‌های افزایش آن می‌پردازد. نقاط کنترل زمینی (GCPs) نقش حیاتی در تصحیح هندسی و افزایش دقت مدل‌های سه‌بعدی و اورتوموزائیک‌ها ایفا می‌کنند. ما به بررسی چگونگی انتخاب، توزیع و اندازه‌گیری دقیق GCPs در میدان با استفاده از گیرنده‌های GNSS مانند RTK (Real-Time Kinematic) و PPK (Post-Processed Kinematic) می‌پردازیم. این روش‌ها به تثبیت موقعیت دقیق تصاویر در سیستم مختصات جهانی کمک می‌کنند. به عنوان مثال، مطالعات نشان داده‌اند که استفاده از 5 تا 8 GCP می‌تواند خطای ارتفاعی (RMSE Z) را به مقادیر بسیار پایین (در حد سانتی‌متر) کاهش دهد، در حالی که بدون GCP، این خطا می‌تواند به بیش از ۲ متر برسد.
سپس، مفهوم مرجع‌دهی مستقیم (Direct Georeferencing) معرفی می‌شود که شامل استفاده از سیستم‌های GNSS و IMU (Inertial Measurement Unit) یکپارچه بر روی پهپاد برای ثبت موقعیت و جهت‌گیری دوربین در لحظه تصویربرداری است. مزایای این روش شامل کاهش نیاز به GCPs (یا حتی حذف کامل آنها در برخی موارد)، صرفه‌جویی در زمان و هزینه کار میدانی، و امکان نقشه‌برداری در مناطق با دسترسی محدود است. با این حال، چالش‌هایی مانند کالیبراسیون دقیق حسگرها، حذف نویز و تداخلات محیطی در محیط‌های GNSS-محروم (مانند مناطق شهری با ساختمان‌های بلند یا جنگل‌های متراکم) نیز مورد بحث قرار می‌گیرند. ادغام تنگاتنگ سیستم‌های GNSS، INS (Inertial Navigation System) و لایدار برای ناوبری دقیق وسایل نقلیه در محیط‌های شهری، نمونه‌ای از پیشرفت‌های اخیر در این زمینه است که می‌تواند عملکرد RTK را به طور قابل توجهی بهبود بخشد. همچنین، ارزیابی دقت مرجع‌دهی مستقیم تصاویر پهپاد با GNSS داخلی و مقایسه آن با روش‌های CORS/RTK بررسی می‌شود.
فعالیت عملی / تمرین مقایسه سناریوهای مختلف استفاده از GCP (تعداد و توزیع) بر روی دقت نهایی محصولات پهپادی با استفاده از داده‌های یک پروژه نمونه.
منابع پیشنهادی آن جلسه
- بهبود دقت مکانی پلتفرم‌های پهپادی با استفاده از روش‌های مرجع‌دهی مستقیم: کاربردی برای دامنه‌های شیب‌دار
- ارزیابی هندسی استفاده از مش سه‌بعدی واقعیت برای گردش کار تخمین حجم خاکبرداری مبتنی بر BIM
- نقشه‌برداری پهپادی در باتلاق‌های جزر و مدی: دقت، کارایی و پتانسیل ادغام با تصاویر ماهواره‌ای
جلسه ۵: پردازش داده‌ها و نرم‌افزارهای تخصصی
اهداف خاص جلسه
- تسلط بر مراحل مختلف پردازش داده‌های پهپادی در نرم‌افزارهای فتوگرامتری (مانند Agisoft Metashape و Pix4D Mapper).
- فراگیری تکنیک‌های ویرایش و بهینه‌سازی ابر نقاط، مدل‌های سه‌بعدی و اورتوموزائیک.
محتوای تشریحی این جلسه به جزئیات فرآیند پردازش داده‌های پهپادی با استفاده از نرم‌افزارهای تخصصی می‌پردازد. نرم‌افزارهایی مانند Agisoft Metashape و Pix4D Mapper به عنوان ابزارهای استاندارد در صنعت فتوگرامتری پهپادی شناخته می‌شوند و شرکت‌کنندگان با رابط کاربری و قابلیت‌های کلیدی آنها آشنا می‌شوند. مراحل پردازش شامل وارد کردن تصاویر، تراز کردن و همپوشانی (alignment)، تولید ابر نقاط پراکنده (sparse point cloud)، تولید ابر نقاط متراکم (dense point cloud)، تولید مش سه‌بعدی (3D mesh) و بافت‌دهی (texturing)، و در نهایت تولید اورتوموزائیک و مدل‌های رقومی سطح و زمین است. هر مرحله به تفصیل توضیح داده می‌شود و نکات کلیدی برای بهینه‌سازی کیفیت و دقت محصولات نهایی ارائه می‌گردد. به عنوان مثال، تولید ابر نقاط متراکم و مدل رقومی سطح در Pix4D Mapper از تصاویر پهپادی در ارتفاع ۳۰۰ متری مورد بررسی قرار می‌گیرد. همچنین، تکنیک‌های ویرایش ابر نقاط برای حذف نویز، فیلتر کردن پوشش گیاهی برای استخراج DTM خالص، و بهبود کیفیت ظاهری مدل‌های سه‌بعدی آموزش داده می‌شود.
ما همچنین به بررسی نحوه ارزیابی و تضمین کیفیت داده‌های پردازش‌شده می‌پردازیم. این شامل بررسی خطاهای بازپروژکشن (reprojection error)، ریشه میانگین مربعات خطا (RMSE) و انحراف معیار خطا (SDE) در مراحل مختلف پردازش است. درک این پارامترها برای تشخیص مشکلات احتمالی در داده‌های ورودی یا فرآیند پردازش و اتخاذ اقدامات اصلاحی ضروری است. علاوه بر این، ابزارهای دیگری مانند MATLAB برای تبدیل‌های رادیومتریک تصاویر و Civil 3D برای محاسبات حجم خاکبرداری و مدل‌سازی سه‌بعدی معرفی می‌شوند. هدف این جلسه، تجهیز شرکت‌کنندگان به مهارت‌های عملی و فنی لازم برای تبدیل داده‌های خام پهپادی به محصولات نقشه‌برداری با کیفیت بالا و قابل استفاده در پروژه‌های مختلف است.
فعالیت عملی / تمرین انجام یک پروژه کامل پردازش داده در نرم‌افزار Pix4D Mapper یا Agisoft Metashape با یک مجموعه داده واقعی، شامل تمامی مراحل از وارد کردن تصاویر تا تولید اورتوموزائیک و DSM.
منابع پیشنهادی آن جلسه
- ارزیابی مدل رقومی سطح (DSM) بر اساس تبدیل رادیومتریک داده‌های پهپادی
- نرم‌افزار حرفه‌ای فتوگرامتری برای نقشه‌برداری با پهپاد (PIX4Dmapper)
- وب‌سایت Agisoft Metashape
جلسه ۶: کاربردهای پهپاد در کشاورزی دقیق و مدیریت منابع طبیعی
اهداف خاص جلسه
- شناسایی کاربردهای کلیدی پهپادها در کشاورزی دقیق، شامل پایش سلامت گیاهان، تخمین عملکرد و مدیریت کود.
- فراگیری نقش پهپادها در مدیریت جنگل‌ها و پایش سایر منابع طبیعی.
محتوای تشریحی این جلسه به بررسی گسترده کاربردهای پهپادها در حوزه کشاورزی دقیق و مدیریت منابع طبیعی می‌پردازد که انقلابی در شیوه‌های سنتی این صنایع ایجاد کرده است. در کشاورزی دقیق، پهپادها ابزاری بی‌نظیر برای جمع‌آوری داده‌های با وضوح بالا هستند که امکان پایش سلامت گیاهان، تشخیص زودهنگام بیماری‌ها و آفات، و بهینه‌سازی مصرف آب و کود را فراهم می‌کنند. به عنوان مثال، تصاویر چندطیفی و فراطیفی پهپادی برای تخمین زیست‌توده، محتوای نیتروژن و سایر پارامترهای کیفیت محصول مانند علوفه چمن استفاده می‌شوند. شبکه‌های عصبی عمیق مانند VGG16 و Vision Transformer (ViT) در پردازش تصاویر RGB و چندطیفی برای پیش‌بینی پارامترهای کمی و کیفی علوفه چمن، نتایج بهتری نسبت به روش Random Forest نشان داده‌اند. پهپادها همچنین می‌توانند به شناسایی علف‌های هرز کمک کرده و امکان سم‌پاشی هدفمند را فراهم آورند که منجر به کاهش مصرف مواد شیمیایی و حفظ محیط‌زیست می‌شود. علاوه بر این، در مدیریت جنگل‌ها، پهپادها برای نقشه‌برداری از ویژگی‌های ساختاری پوشش گیاهی، تخمین زیست‌توده، نظارت بر بازسازی جنگل پس از آتش‌سوزی یا تخریب، و طبقه‌بندی گونه‌های درختی استفاده می‌شوند. داده‌های لایدار پهپادی برای تشخیص انفرادی درختان و تخمین ارتفاع تاج‌پوشش بسیار مؤثر هستند. در بخش مدیریت منابع طبیعی، کاربردهای پهپاد در پایش تالاب‌ها، ارزیابی آسیب‌های سیل و طوفان، و نظارت بر تنوع زیستی از جمله پایش گونه‌های دریایی مورد بررسی قرار می‌گیرد. این فناوری به شناسایی مناطق مناسب برای کشت جلبک دریایی و پشتیبانی از توسعه پایدار در این زمینه کمک کرده است. همچنین، توانایی پهپادها در شناسایی فعالیت‌های غیرقانونی مانند شکار غیرمجاز و جنگل‌زدایی برای حفاظت از اکوسیستم‌ها نیز مهم است.
فعالیت عملی / تمرین مطالعه موردی: تحلیل تصاویر چندطیفی یک مزرعه فرضی برای تشخیص مناطق نیازمند کوددهی یا پایش بیماری‌های گیاهی.
منابع پیشنهادی آن جلسه
- نقش هوش مصنوعی و اتوماسیون در کشاورزی عصر مدرن
- پهپاد و مجموعه داده‌های طیفی در آفریقای جنوبی برای کشاورزی دقیق
- برآورد پارامترهای کیفیت و کمیت علوفه با استفاده از سنجش از دور پهپادی با شبکه‌های عصبی عمیق
جلسه ۷: پایش محیط‌زیست و مدیریت بحران با پهپاد
اهداف خاص جلسه
- آشنایی با کاربردهای پهپاد در پایش آلودگی هوا و آب، تشخیص تغییرات اقلیمی و مدیریت پسماند.
- فراگیری نقش پهپادها در ارزیابی سریع آسیب‌ها، جستجو و نجات و مدیریت بلایای طبیعی.
محتوای تشریحی این جلسه به بررسی توانمندی‌های بی‌نظیر پهپادها در پایش محیط‌زیست و مدیریت بحران می‌پردازد. در پایش محیط‌زیست، پهپادها با حمل حسگرهای گاز و آب، امکان جمع‌آوری داده‌ها در زمان واقعی و با وضوح بالا را برای تحلیل کیفیت هوا و آب فراهم می‌کنند. این شامل پایش آلودگی‌های صنعتی، انتشار گازهای گلخانه‌ای، تشخیص نشت گاز و پایش تغییرات اکوسیستم‌های مرتبط با آب است. به عنوان مثال، پهپادها می‌توانند به شناسایی و کاهش تخلیه غیرقانونی زباله و فعالیت‌های آبزی‌پروری غیرمجاز کمک کرده و کیفیت اکوسیستم‌های آبی را بهبود بخشند. همچنین، قابلیت‌های پهپاد در ارزیابی جزایر حرارتی شهری و پایش تغییرات یخ‌پوشی یخچال‌های طبیعی، نمونه‌هایی از کاربرد آنها در مطالعه تغییرات اقلیمی است.
در حوزه مدیریت بحران، پهپادها نقش حیاتی در پاسخ سریع و مؤثر به بلایای طبیعی ایفا می‌کنند. آنها می‌توانند پس از زلزله، سیل، آتش‌سوزی یا سایر حوادث، با سرعت بالا از مناطق آسیب‌دیده نقشه‌برداری کرده و اطلاعات حیاتی را برای تیم‌های امداد و نجات فراهم آورند. این شامل ارزیابی دقیق میزان خسارت به زیرساخت‌ها و مناطق مسکونی است. به عنوان مثال، پهپادها می‌توانند به سرعت و با هزینه کم، اطلاعات مورد نیاز برای یافتن افراد در مضیقه را در عملیات جستجو و نجات (SAR) فراهم کنند. همچنین، برای کمک به کاهش تعداد مرگ و میر و افراد آسیب‌دیده، پهپادها قادرند میزان خسارت به منازل، زیرساخت‌ها و زمین‌های کشاورزی را پس از بلایا کمی‌سازی کنند. قابلیت پهپادها برای شناسایی و پیگرد قانونی شکارچیان غیرمجاز و جنگل‌زدایی نیز یک کاربرد مهم در حفاظت از محیط‌زیست است. در مجموع، این فناوری به بهبود ظرفیت‌های ما در مقابله با چالش‌های زیست‌محیطی و انسانی کمک شایانی می‌کند.
فعالیت عملی / تمرین شبیه‌سازی یک مأموریت پهپادی برای ارزیابی آسیب‌ها پس از یک سیل فرضی، شامل برنامه‌ریزی پرواز و تفسیر تصاویر برای تشخیص مناطق بحرانی.
منابع پیشنهادی آن جلسه
- بررسی کاربردهای پهپاد در محیط‌های ساخته‌شده تحت چالش‌های تغییر اقلیم
- کاربردهای سنجش از دور UAS در خطرات ناگهانی مناطق سرد
- مروری بر سیستم‌های پایش کیفیت هوا با کمک پهپاد
جلسه ۸: کاربردهای ژئوفیزیک با پهپاد و مهندسی عمران
اهداف خاص جلسه
- آشنایی با روش‌های ژئوفیزیکی قابل حمل با پهپاد (مغناطیس‌سنجی، گراویمتری، رادیومتری، رادار نفوذی زمین) و کاربردهای آنها.
- شناخت نقش پهپادها در پروژه‌های مهندسی عمران، از جمله تخمین حجم خاکبرداری و پایش تغییر شکل.
محتوای تشریحی این جلسه به بررسی یکی از حوزه‌های پیشرفته و کمتر شناخته‌شده کاربرد پهپادها، یعنی سنجش از دور ژئوفیزیکی، و همچنین نقش آنها در مهندسی عمران می‌پردازد. پهپادها با قابلیت حمل حسگرهای تخصصی، امکان انجام مطالعات ژئوفیزیکی را با انعطاف‌پذیری و دقت بالا فراهم می‌کنند. این شامل مغناطیس‌سنجی (magnetometry) برای نقشه‌برداری از ناهنجاری‌های مغناطیسی زیرسطحی، گراویمتری (gravimetry) برای مطالعه تغییرات میدان گرانش زمین، و طیف‌سنجی/رادیومتری گاما (gamma-ray spectrometry/radiometry) برای تشخیص عناصر رادیواکتیو طبیعی است. همچنین، رادار نفوذی زمین (GPR) که از امواج رادیویی برای تصویربرداری از زیرسطح استفاده می‌کند، برای تشخیص اشیاء مدفون یا ساختارهای زیرزمینی کاربرد دارد. این روش‌ها برای نقشه‌برداری از خاک، تشخیص لغزش زمین/نشست، و شناسایی اشیاء نزدیک به سطح (مانند لوله‌ها، کابل‌ها یا بقایای باستان‌شناسی) بسیار مفید هستند.
در مهندسی عمران، پهپادها ابزاری قدرتمند برای نظارت بر پیشرفت پروژه‌های ساختمانی، تخمین حجم خاکبرداری و مصالح دپوشده، و پایش تغییر شکل سازه‌ها و زمین هستند. روش‌های فتوگرامتری پهپادی، مانند ساختار از حرکت (SfM)، به طور فزاینده‌ای برای تخمین حجم دپوها با دقت بالا استفاده می‌شوند و خطاهایی در حدود ۱ تا ۲ درصد نسبت به حجم واقعی دارند. مطالعات نشان داده‌اند که این رویکرد می‌تواند تا ۹ برابر ارزان‌تر از روش‌های سنتی نقشه‌برداری GNSS باشد، بدون اینکه دقت به خطر بیفتد. این فناوری نه تنها باعث صرفه‌جویی در زمان و هزینه می‌شود، بلکه ایمنی کارگران را نیز با حذف نیاز به حضور فیزیکی در مناطق خطرناک افزایش می‌دهد. پایش تغییر شکل سدها، جاده‌ها و سایر زیرساخت‌ها با استفاده از پهپاد، امکان تشخیص زودهنگام مشکلات و انجام اقدامات پیشگیرانه را فراهم می‌آورد. این جلسه به چالش‌ها و راه‌حل‌های یکپارچه‌سازی حسگرهای متعدد بر روی یک پلتفرم و تلفیق داده‌ها برای افزایش کارایی در تحلیل‌های ژئوفیزیکی و عمرانی نیز می‌پردازد.
فعالیت عملی / تمرین انجام محاسبات حجم خاکبرداری برای یک منطقه فرضی با استفاده از مدل رقومی سطح (DSM) تولیدشده توسط پهپاد و نرم‌افزار Civil 3D.
منابع پیشنهادی آن جلسه
- مروری سیستماتیک بر سنجش از دور ژئوفیزیکی هوایی بدون سرنشین
- تخمین حجم دپو در محیط‌های باز و محدود: یک مرور
- بررسی قابلیت کاربرد فتوگرامتری پهپادی و استخراج خودکار عوارض برای نقشه‌برداری کاداستر
جلسه ۹: هوش مصنوعی و یادگیری ماشین در تحلیل داده‌های پهپادی
اهداف خاص جلسه
- آشنایی با مفاهیم و الگوریتم‌های هوش مصنوعی (AI) و یادگیری ماشین (ML) در پردازش و تحلیل داده‌های پهپادی.
- فراگیری کاربرد شبکه‌های عصبی پیچشی (CNN) و ترانسفورمرهای دیداری (ViT) برای طبقه‌بندی تصاویر، تشخیص عوارض و تقسیم‌بندی معنایی.
محتوای تشریحی این جلسه به بررسی نقش تحول‌آفرین هوش مصنوعی (AI) و یادگیری ماشین (ML) در افزایش بهره‌وری و دقت تحلیل داده‌های پهپادی می‌پردازد. برنامه‌های کاربردی AI مبتنی بر ML به طور فزاینده‌ای به عنوان یک فناوری نویدبخش در صنایع مختلف، از جمله فتوگرامتری و سنجش از دور، شناخته شده‌اند. ما با مفاهیم اساسی یادگیری ماشین، مانند یادگیری نظارت‌شده (supervised learning) و نیاز به مجموعه داده‌های آموزشی با کیفیت بالا و برچسب‌گذاری شده، آشنا می‌شویم. چالش‌های مربوط به برچسب‌گذاری دستی داده‌ها، که می‌تواند پرهزینه، مستعد خطا و زمان‌بر باشد، مطرح می‌گردد و راهکارهایی مانند استفاده از دوقلوهای دیجیتال (digital twins) برای تولید مجموعه داده‌های مصنوعی و برچسب‌گذاری خودکار برای تسریع فرآیند آموزش ML معرفی می‌شود.
در این جلسه، شبکه‌های عصبی پیچشی (Convolutional Neural Networks – CNNs) به عنوان یکی از قدرتمندترین الگوریتم‌های یادگیری عمیق برای پردازش تصاویر مورد بررسی قرار می‌گیرند. معماری CNNs، نحوه استخراج ویژگی‌ها از تصاویر، و کاربرد آنها در طبقه‌بندی تصاویر (image classification)، تشخیص عوارض (object detection) و تقسیم‌بندی معنایی (semantic segmentation) تشریح می‌شود. به عنوان مثال، CNNها و ترانسفورمرهای دیداری (Vision Transformers – ViTs) برای تخمین پارامترهای کمی و کیفی علوفه چمن از تصاویر پهپادی RGB و فراطیفی با نتایج برتری نسبت به روش‌های سنتی مورد استفاده قرار گرفته‌اند. کاربردهای AI در تشخیص بیماری‌های گیاهی، شناسایی آفات، تشخیص علف‌های هرز و پایش رشد محصول در کشاورزی دقیق به تفصیل بررسی می‌شود. همچنین، نقش AI در تحلیل داده‌های ژئوفیزیکی پهپادی برای تشخیص اشیاء زیرسطحی و نقشه‌برداری از خاک نیز مورد بحث قرار می‌گیرد. این جلسه به شرکت‌کنندگان کمک می‌کند تا پتانسیل عظیم هوش مصنوعی را در استخراج اطلاعات پیچیده و تصمیم‌گیری‌های هوشمندانه از داده‌های مکانی درک کنند و آنها را قادر می‌سازد تا ابزارهای پیشرفته را برای حل مسائل پیچیده در دنیای واقعی به کار گیرند.
فعالیت عملی / تمرین آشنایی با یک ابزار نرم‌افزاری یا کتابخانه کد (مثلاً TensorFlow یا PyTorch) برای اجرای یک مدل یادگیری ماشین ساده بر روی مجموعه‌ای از تصاویر پهپادی برای طبقه‌بندی پوشش گیاهی.
منابع پیشنهادی آن جلسه
- هوش مصنوعی در دوقلوهای دیجیتال: وضعیت هنر، چالش‌ها و موضوعات تحقیقاتی آینده
- نقش هوش مصنوعی و اتوماسیون در کشاورزی عصر مدرن
- برآورد پارامترهای کیفیت و کمیت علوفه با استفاده از سنجش از دور پهپادی با شبکه‌های عصبی عمیق
جلسه ۱۰: روندهای نوظهور، چالش‌ها و آینده نقشه‌برداری با پهپاد
اهداف خاص جلسه
- شناسایی روندهای نوظهور در فناوری پهپاد و سنجش از دور، مانند دوقلوهای دیجیتال، ادغام حسگرها و نقشه‌برداری بی‌درنگ.
- بررسی چالش‌های پیش‌رو و فرصت‌های تحقیقاتی جدید در حوزه نقشه‌برداری با پهپاد.
محتوای تشریحی این جلسه پایانی به مرور روندهای نوظهور، چالش‌های کنونی و چشم‌انداز آینده نقشه‌برداری با پهپاد می‌پردازد. یکی از مهم‌ترین روندهای نوظهور، توسعه دوقلوهای دیجیتال (digital twins) است که مدل‌های انطباقی از سیستم‌های پیچیده را ارائه می‌دهند. این دوقلوها با ادغام هوش مصنوعی، کلان‌داده‌ها و ابزارهای پردازش سایبرنتیک، نه تنها در ساخت و مدیریت سیستم‌های هوشمند سایبر-فیزیکی نقش تحول‌آفرینی دارند، بلکه فرآیند آموزش مدل‌های یادگیری ماشین را نیز با تولید مجموعه داده‌های آموزشی مناسب و برچسب‌گذاری خودکار تسریع می‌کنند.
روند دیگر، ادغام پیشرفته حسگرهای مختلف (sensor fusion) است. ترکیب داده‌های فتوگرامتری، لایدار، GNSS، IMU و حتی حسگرهای ژئوفیزیکی بر روی یک پلتفرم، امکان ایجاد مدل‌های سه‌بعدی بسیار جامع و دقیق را فراهم می‌آورد. نقشه‌برداری بی‌درنگ (real-time mapping) و SLAM (Simultaneous Localization and Mapping) که به پهپاد اجازه می‌دهد همزمان نقشه محیط را بسازد و موقعیت خود را در آن نقشه تعیین کند، از دیگر پیشرفت‌ها است. این قابلیت‌ها به ویژه در محیط‌های ناشناخته یا بدون سیگنال GNSS، مانند عملیات جستجو و نجات در مناطق بحران‌زده، حیاتی هستند.
با وجود پیشرفت‌ها، چالش‌هایی نیز وجود دارند: محدودیت‌های عمر باتری پهپادها، که بر مدت زمان پرواز و پوشش‌دهی مناطق وسیع تأثیر می‌گذارد؛ نیاز به مهارت‌های بالای عملیاتی برای استفاده از پهپادهای پیشرفته و پردازش داده‌ها؛ چالش‌های قانونی و مقرراتی مربوط به حریم خصوصی و امنیت پرواز؛ و همچنین نیاز به توسعه الگوریتم‌های قوی‌تر هوش مصنوعی برای مقابله با شرایط متغیر محیطی و سوگیری‌های داده‌ای (مانند پدیده‌ای که به عنوان “سوگیری بقا” (survivor bias) شناخته می‌شود و در آن تنها موفقیت‌ها منتشر و شکست‌ها پنهان می‌شوند). آینده نقشه‌برداری با پهپاد به سمت سیستم‌های کاملاً خودکار، افزایش استقلال (autonomy)، بهبود ظرفیت حمل بار (payload capacity) و حسگرهای کوچک‌تر و قدرتمندتر حرکت می‌کند. این روندها به گشودن افق‌های جدید در کاربردهای شهری، صنعتی، محیط‌زیستی و علمی منجر خواهد شد و نقش پهپادها را به عنوان ابزاری جدایی‌ناپذیر در جمع‌آوری و تحلیل داده‌های مکانی تثبیت می‌کند.
فعالیت عملی / تمرین بحث گروهی در مورد چالش‌های فنی، قانونی و اخلاقی استفاده از پهپادها در آینده و ارائه راه‌حل‌های نوآورانه برای غلبه بر آنها.
منابع پیشنهادی آن جلسه
- مروری سیستماتیک بر سنجش از دور ژئوفیزیکی هوایی بدون سرنشین
- UAV در آستانه دهه بیست
- پهپاد-پشتیبانی‌شده از بازسازی جنگل: روندها، چالش‌ها و پیامدهای کنونی
نتایج مورد انتظار پس از پایان دوره
پس از اتمام موفقیت‌آمیز این دوره آموزشی، شرکت‌کنندگان به مجموعه‌ای جامع از دانش و مهارت‌ها در زمینه نقشه‌برداری با پهپاد دست خواهند یافت که آنها را برای ورود یا پیشرفت در حوزه‌های مرتبط آماده می‌سازد. از جمله نتایج قابل انتظار می‌توان به موارد زیر اشاره کرد:
- تسلط فنی بر فناوری پهپاد: فارغ‌التحصیلان قادر خواهند بود تا انواع مختلف پهپادها، از بال ثابت گرفته تا مولتی‌روتور، و همچنین حسگرهای گوناگون (RGB، چندطیفی، فراطیفی، حرارتی و لایدار) را شناسایی کرده و بر اساس نیاز پروژه، مناسب‌ترین گزینه را انتخاب و پیکربندی کنند. آنها قادر به برنامه‌ریزی دقیق پروازها با در نظر گرفتن پارامترهایی چون ارتفاع، پوشش‌دهی، و شرایط محیطی برای دستیابی به دقت و پوشش مطلوب خواهند بود.
- مهارت در پردازش و تحلیل داده‌ها: شرکت‌کنندگان در استفاده از نرم‌افزارهای تخصصی فتوگرامتری (مانند Agisoft Metashape و Pix4D Mapper) تبحر پیدا خواهند کرد. این مهارت شامل مراحل تولید ابر نقاط سه‌بعدی، مدل‌های رقومی سطح و زمین (DSM/DTM)، و اورتوموزائیک‌ها است. همچنین، توانایی ارزیابی و تضمین کیفیت محصولات نهایی، از جمله تحلیل خطاهای هندسی و رادیومتریک، و بهینه‌سازی مدل‌ها برای کاربردهای خاص را کسب خواهند کرد.
- کاربرد عملی در صنایع مختلف: فارغ‌التحصیلان قادر به به‌کارگیری عملی دانش خود در طیف وسیعی از کاربردها خواهند بود. این شامل نقشه‌برداری دقیق در کشاورزی (پایش سلامت محصول، تخمین عملکرد، مدیریت کود و آب)، مدیریت منابع طبیعی (نقشه‌برداری جنگل، پایش تنوع زیستی، نظارت بر بازسازی جنگل)، پایش محیط‌زیست (تشخیص آلودگی هوا و آب، ارزیابی تغییرات اقلیمی)، مدیریت بحران (ارزیابی آسیب‌ها، جستجو و نجات)، مهندسی عمران (تخمین حجم خاکبرداری، پایش تغییر شکل سازه‌ها)، و ژئوفیزیک (نقشه‌برداری از ناهنجاری‌های زیرسطحی) است. آنها می‌توانند چالش‌های واقعی را با راه‌حل‌های مبتنی بر پهپاد شناسایی و مرتفع سازند.
- درک هوش مصنوعی و روندهای آینده: شرکت‌کنندگان با نقش هوش مصنوعی و یادگیری ماشین (مانون شبکه‌های عصبی پیچشی) در تحلیل پیشرفته داده‌های پهپادی آشنا خواهند شد و پتانسیل این فناوری‌ها را در اتوماسیون، طبقه‌بندی و تشخیص عوارض درک خواهند کرد. آنها همچنین از روندهای نوظهور، چالش‌های پیش‌رو و فرصت‌های تحقیقاتی در این حوزه مطلع خواهند بود که امکان انطباق با تغییرات فناوری و پیشگامی در نوآوری را برایشان فراهم می‌کند.
در نهایت، این دوره به شرکت‌کنندگان اعتماد به نفس و ابزارهای لازم را برای تبدیل شدن به متخصصانی خودکفا و خلاق در حوزه نقشه‌برداری با پهپاد ارائه می‌دهد که می‌توانند به صورت مستقل پروژه‌ها را از ابتدا تا انتها مدیریت کرده و به توسعه این فناوری کمک کنند.
شیوهٔ ارزشیابی
ارزیابی عملکرد شرکت‌کنندگان در این دوره به صورت جامع و مستمر خواهد بود تا اطمینان حاصل شود که اهداف آموزشی به طور کامل محقق شده‌اند.
- پیش‌آزمون (Pre-test): در ابتدای دوره، یک پیش‌آزمون کوتاه برای سنجش دانش اولیه شرکت‌کنندگان در مورد مفاهیم پایه نقشه‌برداری، فتوگرامتری و پهپادها برگزار می‌شود. این آزمون به ما کمک می‌کند تا سطح دانش ورودی را شناسایی کرده و در صورت لزوم، محتوا را برای نیازهای گروه تنظیم کنیم. نتایج این آزمون در نمره نهایی تأثیری ندارد و صرفاً جنبه تشخیصی دارد.
- پروژه نهایی (Final Project): اصلی‌ترین بخش ارزشیابی، پروژه نهایی است. در این پروژه، شرکت‌کنندگان موظف به اجرای یک پروژه نقشه‌برداری با پهپاد، از مرحله برنامه‌ریزی پرواز و جمع‌آوری داده (در صورت امکان یا با استفاده از داده‌های نمونه)، تا پردازش کامل داده‌ها با نرم‌افزارهای تخصصی و تولید محصولات نهایی (اورتوموزائیک، DSM، DTM، مدل سه‌بعدی) و تحلیل نتایج هستند. پروژه می‌تواند بر اساس یکی از کاربردهای مورد بحث در دوره (مانند کشاورزی دقیق، پایش محیط‌زیست یا تخمین حجم خاکبرداری) باشد. نتایج پروژه به صورت یک گزارش فنی جامع و ارائه شفاهی مورد ارزیابی قرار خواهد گرفت.
- ارزیابی ۳۶۰ درجه (360-degree Evaluation): این روش ارزشیابی شامل بازخورد از چندین منبع است:
- تکالیف و تمرین‌های کلاسی: مشارکت فعال در فعالیت‌های عملی و کیفیت انجام تمرین‌های هر جلسه.
- امتحان میان‌دوره: یک آزمون کتبی برای سنجش درک مفاهیم تئوری و تکنیک‌های پوشش‌داده‌شده در نیمه اول دوره.
- بازخورد هم‌تیمی‌ها (در صورت پروژه‌های گروهی): ارزیابی نقش و مشارکت هر فرد در کار گروهی.
- ارزیابی مدرس: بازخورد مستمر مدرس بر پیشرفت، عملکرد و مشارکت هر شرکت‌کننده در طول دوره.
ترکیب این روش‌های ارزشیابی، یک دیدگاه جامع و دقیق از میزان تسلط شرکت‌کنندگان بر مباحث دوره و توانایی آنها در به کارگیری عملی مهارت‌های اکتسابی فراهم می‌آورد.
اطلاعات مدرس و تماس
| نام مدرس | تخصص | سابقه | وب‌سایت | ایمیل | تلفن |
|---|---|---|---|---|---|
| دکتر سعید جوی‌زاده | پژوهشگر پهپاد | بیش از ۲۵ سال تدریس و مشاوره پژوهشی | www.gisland.org.org | saeedjavizadeh@gmail.com | ۰۹۱۲۰۴۳۸۸۷۴ |
| محمد سجاد عزیزی | پژوهشگر پهپاد | بیش از ۲۵ سال تدریس و مشاوره پژوهشی | www.gisland.org.org | saeedjavizadeh@gmail.com | ۰۹۱۲۰۴۳۸۸۷۴ |
PPKRTKSLAMUAVارزیابی دقت پهپادپردازش داده‌های پهپادیتخمین حجم خاکبرداریحسگرهای هایپراسپکترالداده‌های لایداردیجیتال سرفیس مدلسنجش از دور با پهپادفتوگرامتری پهپادیکاربردهای ژئوفیزیک با پهپادکشاورزی دقیقمانیتورینگ محیط‌زیستمدل رقومی ارتفاعمدل‌سازی سه‌بعدیمدیریت بحران با پهپادمدیریت جنگلنقشه‌برداری با پهپادهوش مصنوعی در پهپاد
بدون دیدگاه