کاربردهای پژوهشی و آموزشی سنجش از دور ادغام شده با GIS: نمونه هایی از این حوزه

سنجش از دور در موسسه علوم فضایی (SSI) در سراسر طیف کامل ابتکارات آموزشی و پژوهشی سازمان استفاده می شود. از کلاس‌های کارشناسی تا کارشناسی ارشد که از سیستم‌های هوایی بدون سرنشین (UAS) در جمع‌آوری داده‌ها استفاده می‌کنند و دوره‌های تحصیلات تکمیلی که شامل سنجش از دور برای کاربردهای مختلف، از جمله رصد زمین، تا تحقیقات کاربردی از طریق پروژه‌ها و کار آزمایشگاه امنیت انسانی و هوش مکانی (HSGI) است. SSI که با One World Terrain (OWT) در مؤسسه فناوری‌های خلاق (ICT) برای ساخت یک مدل سیاره‌ای سه بعدی کاملاً ارجاع‌شده جغرافیایی انجام می‌شود، نیاز به آموزش دانش‌آموزان در مورد تکنیک‌های سنجش از دور را تشخیص می‌دهد.

این مقاله مشارکت اعضای هیئت علمی را در انجام یک مطالعه آزمایشی برای حفاظت از جزیره کاتالینا (CIC) با استفاده از UAS برای بررسی جمعیت های گاومیش کوهان دار و گوزن محلی مورد بحث قرار می دهد. این تیم از یک UAS بال ثابت مستقل با یک بار حرارتی برای جمع‌آوری داده‌ها برای یک گردش کار تشخیص نیمه خودکار که در یک GIS ادغام شده است، استفاده کرد که با موفقیت هم گوزن و هم گوزن را شناسایی می‌کند. علاوه بر این، دانشجویان فارغ التحصیل در یک فرصت یادگیری تجربی هفتگی در جزیره کاتالینا، کالیفرنیا شرکت می کنند که طی آن یک پروژه تحقیقاتی ادغام UAS و سایر داده های سنجش از راه دور با جمع آوری داده های اولیه در یک سیستم اطلاعات جغرافیایی (GIS) ایجاد و اجرا می کنند. با گسترش، مؤسسه سپس تأکید می‌کند که این فرصت‌های آموزشی، که عمدتاً بر گردآوری داده‌ها متمرکز شده‌اند، در حمایت از سیستم‌های اطلاعات جغرافیایی، علم و تجارب فناوری در بسیاری از زمینه‌های متنوع، از جمله (اما نه محدود به) امنیت انسانی، کمک‌های بشردوستانه، مفید هستند. برنامه ریزی شهری و روستایی پایدار و بهداشت عمومی.

کلید واژه ها

سیستم های هوایی بدون سرنشین (UAS) ، برنامه درسی یکپارچه ، یادگیری تجربی ، امنیت ، برنامه ریزی پایدار

1. مقدمه

در زمینه علوم فضایی، دانشگاه کالیفرنیای جنوبی (USC) دانشکده ادبیات، هنر و علوم دورنسایف (Dornsife) موسسه علوم فضایی (SSI) اهمیت داده های سنجش از دور را به عنوان یک جزء جدایی ناپذیر از یک سیستم اطلاعات جغرافیایی (GIS) و فضایی تشخیص می دهد. تجزیه و تحلیل برای رشته های مختلف همانطور که از این موضوع خاص به تنهایی مشهود است، داده های سنجش از راه دور ادغام شده در یک GIS را می توان برای همه چیز از تجزیه و تحلیل محیطی گرفته تا نظارت بر حقوق بشر در مناطق بسیار دور به کار برد. ما این مقاله را بر روی دو پروژه تحقیقاتی ارائه شده توسط دانشکده و دانشکده وابسته متمرکز می‌کنیم که داده‌های سنجش از راه دور را که هم از تصاویر ماهواره‌ای و هم از سیستم‌های هوایی بدون سرنشین به دست می‌آیند، در GIS و واقعیت مجازی/واقعیت افزوده (VR/AR) برای ارتقای رفاه ارتش ترکیب می‌کنند. و نظارت بر حیات وحش این پروژه‌های بسیار متفاوت بر تنوع برنامه‌های کاربردی برای داده‌های سنجش از دور و تحقیقات متفاوتی که موسسه علوم فضایی انجام می‌دهد، تأکید می‌کند، که همچنین می‌تواند در آموزش و ارتقای نسل بعدی متخصصان جمع‌آوری و تجزیه و تحلیل داده‌ها استفاده شود. تقویت مفاهیم و نظریه های علمی به بهترین وجه از طریق یادگیری فعال انجام می شود، زمانی که ایجاد دانش جدید از طریق دگرگونی تجربه اتفاق می افتد.1 ] [ 2 ]. ما این پروژه‌ها را نه تنها در زمینه ادغام سنجش از دور با GIS، بلکه در زمینه گسترده‌تر ادغام سنجش از دور در پیشرفت‌های درسی در SSI در هر دو سطح کارشناسی ارشد و کارشناسی بحث می‌کنیم. در قلب لس آنجلس، کالیفرنیا، برنامه‌های تحصیلات تکمیلی آنلاین در علوم و فناوری اطلاعات جغرافیایی (GIST) در USC در حال حاضر تنها برنامه‌های ایالات متحده هستند که با استانداردهای طراحی و تحویل UNIGIS برای یادگیری از راه دور در GIS و GISci مطابقت دارند. این امر USC Dornsife SSI را در یک موقعیت منحصر به فرد در خط مقدم توسعه برنامه های درسی قرار می دهد.

در زیر، برخی از کارهایی را که رایان مک‌آلیندن، مدیر مدل‌سازی، شبیه‌سازی و آموزش مؤسسه فناوری‌های خلاق (ICT) بر آن نظارت می‌کند و کارهایی که پروفسور جیسون نولز و اندرو مارکس با سازمان حفاظت از جزیره کاتالینا (CIC) آغاز کرده‌اند، به اختصار شرح می‌دهیم. ، یک سازمان غیرانتفاعی است که به طور خصوصی بیش از 88٪ از زمین های جزیره کاتالینا را در اختیار دارد و مدیریت می کند. تحقیقات USC-ICT از تکنیک‌ها و پیشرفت‌های جدید جغرافیایی در زمینه‌های جمع‌آوری، پردازش، ذخیره و توزیع داده‌های مکانی استفاده می‌کند، در حالی که پایلوت حیات وحش برای نظارت بر جمعیت گاومیش کوهان دار محلی و گوزن از طریق رزولوشن بالا مبتنی بر UAS (RGB) و حرارتی است. تصویربرداری قبلاً در جزیره کاتالینا انجام نشده بود. ما همچنین توضیح می‌دهیم که چگونه پروژه‌هایی مانند اینها در دوره‌های خاص علوم فضایی در طول سال‌ها گنجانده شده‌اند تا از تحقیقات و بسترهایی برای افزایش یادگیری دانش‌آموزان پشتیبانی کنند. جنبه هایی از رویکردهای آموزشی قبلاً در کنفرانس GIS-Pro & Cal-GIS 2018 ارائه شده بود [3 ]، بنابراین، در اینجا ما بر تحقیقات جدیدتر و ظرفیت سازی اعضای هیئت علمی تمرکز می کنیم. ما همچنین گردش کاری را که برای افزایش ظرفیت هیئت علمی در عملیات UAS و کار با داده های سنجش از راه دور انجام داده ایم، ارائه می دهیم. ما اذعان می‌کنیم که این ممکن است برای همه واحدهای دانشگاهی کارساز نباشد، اما گروه‌های دانشگاهی را تشویق می‌کنیم تا پیشرفت‌های درسی مشابه را دنبال کنند.

بخش بعدی این مقاله پس‌زمینه، روش‌شناسی و نتایج مطالعه آزمایشی پایش حیات وحش در جزیره کاتالینا از سال 2018 را ارائه می‌کند. بخش سوم تحقیق و کاربرد نوآورانه سنجش از دور ادغام‌شده با GIS برای محصولات AR/VR و مدل‌سازی سیاره‌ای سه‌بعدی را شرح می‌دهد. USC-ICT. هر دو مطالعه تحقیقاتی در چارچوب دوره اکتساب داده های مکانی فارغ التحصیل موسسه علوم فضایی Dornsife و پتانسیل ایجاد ظرفیت هیئت علمی در ادغام سنجش از دور با GIS در این دوره ارائه شده است. بخش چهارم بر ادغام جدید سنجش از دور در برنامه درسی کارشناسی و کارشناسی ارشد در علوم فضایی تمرکز دارد و گردش کار بالقوه ای را برای سازمان های دیگر برای ایجاد ظرفیت هیئت علمی در این حوزه ارائه می کند.

2. پایش حیات وحش در جزیره کاتالینا، پایلوت 2018

2.1. زمینه

مؤسسه علوم فضایی Dornsife مدت‌هاست که یک دوره آنلاین جمع‌آوری داده‌های فضایی را اجرا می‌کند که به دانش‌آموزان این فرصت را می‌دهد تا یک گشت و گذار داده‌های میدانی هفتگی مستقر در مؤسسه USC Wrigley برای مطالعات محیطی (WIES) در جزیره کاتالینا را تجربه کنند. این دوره از کار صرفاً با واحدهای GPS دستی به طور رسمی شامل سکوهای بدون سرنشین تکامل یافته است. این تکامل زمانی تقویت شد که خلبانان آموزش دیده با مجوز از راه دور (RPL)، پروفسورهای جیسون نولز و اندرو مارکس، در اواخر سال 2017 به دانشکده SSI پیوستند. علاوه بر این، دانشجویان و اساتید فضایی قبلاً به طور متناوب با حفاظت از جزیره کاتالینا در پروژه های مختلف کار کرده اند. پروژه‌های در مقیاس کوچک عمدتاً در مناطق نزدیک به محوطه دانشگاه USC WIES یا کمی فراتر از آن، در طول سفر یک هفته‌ای متمرکز شده‌اند، و نتایج داخلی باقی می‌ماند.

نولز و مارکس با داشتن تجربه عملی از کارهای قبلی، مشتاق بودند که کار سنجش از دور خود را از طریق SSI ادامه دهند. تماس‌های جعلی قبلاً در CIC و دوره اکتساب داده‌های مکانی این فرصت را فراهم کرد تا تحقیقات خود را به طور رسمی با برنامه درسی دانش‌آموزان پیوند دهند و بالعکس، دانش‌آموزان را با این کاربرد عملی سنجش از دور پیوند دهند. در آوریل 2018، نولز و مارکس با CIC برای توسعه و اجرای یک مطالعه آزمایشی برای انجام بررسی‌های حیات وحش از جمعیت گاومیش کوهان دار و گوزن محلی با استفاده از تصویربرداری حرارتی با وضوح بالا (RGB) مبتنی بر UAS کار کردند. این مطالعه امکان استفاده از تصاویر مبتنی بر بال ثابت UAS را برای شناسایی حیات وحش و همچنین به حداکثر رساندن جریان کار مورد بررسی قرار داد.4 ]. علاوه بر این، همچنین پیش بینی می شد که این روش به دلیل ارتفاع جمع آوری UAS کمتر مزاحم و تهاجمی برای گونه های مشاهده شده باشد. این یک جزء حیاتی برای نظارت بر حیات وحش است و برای سازمان‌های اخلاقی مانند CIC که تنها نگهبانان حیات وحش در یک منطقه هستند، اولویت بالایی دارد. مطالعه آزمایشی با پرواز Fly Ebee Plus با حس بال ثابت با محموله‌های SODA (RGB) و Thermo MAP ( شکل 1 ) انجام شد که منجر به عکس‌برداری هوایی با وضوح فوق‌العاده (در فاصله نمونه گروهی 1.12/2.84 سانتی‌متر) و گرفتن داده‌های حرارتی (در فاصله نمونه زمین 9.49 اینچ/24.11 سانتی متر). مدیر CIC و دو زیست شناس میدانی در طول مدت پروژه به تیم مجموعه پیوستند.

2.2. روش شناسی

منطقه مطالعه انتخاب شده توسط CIC، مرتع زارهای میانی در جزیره کاتالینا بود ( شکل 2)) در نزدیکی مرکز جزیره در دره ای احاطه شده توسط توپوگرافی غنی قرار دارد که مشاهدات بصری میدانی روی زمین را دشوار می کند. دو روز پرواز در 4 و 5 آوریل با دوربین های RGB و حرارتی با وضوح بالا برای مجموع پنج پرواز تکمیل شد. هر دو خلبان (Knowles و Marx) دارای گواهینامه مدنی مجوز معافیت (COA)، برای عملیات تجاری از طریق قانون مقررات فدرال اداره هوانوردی فدرال (FAA) (14CFR) قسمت 107 بودند. پروازهای 4 آوریل برای جهت گیری و جابجایی تجهیزات بود. کالیبراسیون، در حالی که پروازهای 5 آوریل برای جمع آوری داده های حیات وحش بود. در 5 آوریل، اولین پرواز با بسته حرارتی تکمیل شد و 30 دقیقه قبل از طلوع خورشید (FAA زودترین زمان مجاز) پرواز کرد. این پرواز اولیه برای به حداکثر رساندن اختلاف دما بین زمین سرد عصر و حیات وحش انجام شد. بلافاصله پس از اولین پرواز یک ساعته، پرواز دوم با حسگر RGB بر روی همان منطقه مورد مطالعه انجام شد. این، همراه با حقیقت زمینی که توسط پرسنل CIC با استفاده از دوربین های دوچشمی از نقطه نظر برای شناسایی حیات وحش انجام شد، برای تأیید حضور حیات وحش و تأیید امضاهای بالقوه شناسایی شده در تصویربرداری حرارتی استفاده شد که نشان داده شده است که موثرترین [5 ] [ 6 ]. بلافاصله پس از پروازها، مجموعه داده ها در میدان پیش پردازش شده و در سیستم های پشتیبان ثانویه ذخیره شدند. پس از بازگشت از میدان، مجموعه داده ها یک شبه از طریق نرم افزار فتوگرامتری تجاری (Pix4DMapper v4.2) پردازش شدند و مجموعه داده های زیر ظرف 48 ساعت پس از ضبط تولید و در GIS (ArcMap v10.5) یکپارچه شدند:

· عکاسی هوایی RGB (قابل مشاهده) با وضوح فوق العاده بالا (در فاصله نمونه زمینی 1.12 اینچ/2.84 سانتی متر).

· ابر نقطه LAS ( شکل 3 ).

· مدل سطح حرارتی (در 9.49 اینچ / 24.11 سانتی متر فاصله نمونه زمین)؛

· مدل سطح دیجیتال (DSM); و

· مش بافت سه بعدی ( شکل 4 ).

پس از پردازش تصاویر حرارتی، برای تجزیه و تحلیل دستی تصاویر حرارتی به یک GIS اضافه شد. مناطق گرم یا “نقاط داغ” واقعی از ضبط تصاویر حرارتی شناسایی و با تصاویر قابل مشاهده و مشاهدات حیات وحش روی زمین از زیست شناسان میدان CIC مرتبط شدند.

2.3. نتایج

نتایج اولیه نشان می دهد که UA بال ثابت به نظر می رسد یک پلت فرم خوب برای بررسی حیات وحش هم به دلیل توانایی آن در پوشش مناطق بزرگ و هم میزبانی از محموله های RGB و حرارتی باشد. بررسی های اولیه با گاومیش کوهان دار و گوزن قاطر که در تصاویر حرارتی گرفته شده توسط بررسی UAS شناسایی شده بودند موفقیت آمیز بود ( شکل 5 و شکل 6 ). ^{چهار آهو قاطر و یک گاومیش کوهان دار در نهایت در منطقه مورد مطالعه 1.41 کیلومتر مربع} شمارش شدند .

خدمه میدانی و تصاویر RGB که بلافاصله پس از گرفتن حرارتی پرواز کردند، این امضاها را تأیید کردند. روش جمع آوری هوایی بدون شک از نظر توانایی پوشش دادن منطقه بیشتر کارآمدتر بود (بال ثابت eBee زمان پروازی بیش از 60 دقیقه دارد و بسته به ارتفاع مجموعه می تواند مناطق وسیعی را در یک پرواز پوشش دهد) و بصری. مشاهدات حیات وحش در طول پروازها نشان داد که هیچ مزاحمتی وجود ندارد و حیوانات ظاهراً از UAS بالای سرشان بی اطلاع بودند. علاوه بر داده‌های بررسی، محصولات جغرافیایی مشتق شده تولید شده توسط فرآیند برنامه‌نویسی ( شکل 4 بالا) مجموعه داده‌های بسیار مفیدی برای زیست‌شناسان میدان CIC و کارکنان GIS هستند که معمولاً در دسترس نیستند.

2.4. خلاصه

در حالی که ما این مطالعه آزمایشی اولیه را موفقیت‌آمیز می‌دانیم، معتقدیم که می‌توان پیشرفت‌های بیشتری در روند کار و روش جمع‌آوری داشت. جمع‌آوری‌ها و جمع‌آوری داده‌های حرارتی حاصل با پرواز قبل از سحر (یا در شب) به‌طور قابل‌توجهی بهبود می‌یابد تا نشانه‌ای متفاوت از دمای حیات وحش بین محیط و حیات وحش به دست آید. حتی هنگام طلوع خورشید، توزیع سر در شیب های رو به شرق بسیار بیشتر بود و تشخیص علائم حرارتی را دشوارتر می کرد. مطالعات آینده شاهد ارائه یک معافیت FAA برای اجازه پرواز قبل از طلوع (یا شب) برای به حداکثر رساندن دما خواهد بود.

دیفرانسیل. علاوه بر این، تجزیه و تحلیل دستی تصاویر حرارتی، در حالی که قابل انجام است، زمان بر و دست و پا گیر است. این فرآیند از استفاده از اتوماسیون اسکریپتی یا روال نیمه خودکار برای تشخیص موجودیت سود می برد [ 7 ]. یک الگوریتم تشخیص، مناطقی را در صحنه‌ها شناسایی می‌کند که در آن تفاوت‌های دمایی زیادی وجود دارد، کاربر را قادر می‌سازد تا با سرعت بیشتری داده‌های مربوطه را از یک منطقه تحت پوشش بزرگ شناسایی و فهرست‌بندی کند.

3. مدلسازی زمین خودمختار

قبل از ادغام کامل جمع‌آوری و ادغام داده‌های UAS در دوره تحصیلات تکمیلی داده‌های فضایی، مؤسسه علوم فضایی با مؤسسه فناوری‌های خلاق همکاری کرد تا فرصت‌هایی را برای آموزش خلبانان UAS در زمین‌های دشوار و ارائه‌های گردش کار خلبانی فراهم کند که به نفع خلبانان و دانشجویان فناوری اطلاعات و ارتباطات باشد. در جزیره کاتالینا به این ترتیب، ما همچنین ادغام تصاویر هوایی انجام شده توسط USC-ICT را توصیف می کنیم.

3.1. زمینه

تلاش‌های زمینی USC-ICT بر روی قابلیت‌های تحقیق و نمونه‌سازی متمرکز است که از یک مدل سیاره‌ای سه بعدی کاملاً مرجع جغرافیایی برای استفاده در محیط‌های آموزشی و شبیه‌سازی نسل بعدی ارتش پشتیبانی می‌کند. تحقیقات USC-ICT از تکنیک‌ها و پیشرفت‌های جدید در حوزه‌های متمرکز جمع‌آوری، پردازش، ذخیره‌سازی و توزیع داده‌های مکانی برای کاربردهای مختلف زمان اجرا بهره‌برداری می‌کند.

3.2. روش شناسی تعمیم یافته

USC-ICT با استفاده از برنامه‌ریزی مسیر پهپاد مستقل ICT و سیستم جمع‌آوری تصاویر، تصاویر هوایی را با UAS تجاری خارج از قفسه (COTS) جمع‌آوری می‌کند. این نرم افزار یک رابط کاربر پسند ارائه می دهد که بهترین شیوه های فتوگرامتری را رمزگذاری می کند. بر خلاف سایر نرم افزارهای کنترل از راه دور پهپادهای تجاری موجود، راه حل ICT برای جمع آوری تصاویر هوایی طراحی شده بود که منطقه وسیعی از علاقه را با پروازهای متعدد پوشش می دهد. پارامترهایی که برای جمع‌آوری داده‌ها مورد نیاز هستند عبارتند از یک کادر محدود از ناحیه مورد نظر، ارتفاع پرواز، همپوشانی مورد نظر بین تصاویر و جهت‌گیری دوربین. سپس یک مسیر پرواز بهینه شده با این پارامترها محاسبه می شود و کار تصویربرداری می تواند به طور خودکار انجام شود. با تصاویر به دست آمده، ابرهای نقطه سه بعدی با استفاده از نرم افزار فتوگرامتری تجاری بازسازی می شوند.

ابرها/شبکه ​​های نقطه ای ایجاد شده توسط فتوگرامتری ( شکل 7) از مرحله جمع آوری اجازه تعامل در سطح کاربر و سطح سیستم را نمی دهند، زیرا حاوی اطلاعات معنایی برای تمایز بین اشیا نیستند. گردش کار در کارهای قبلی نیازمند برچسب گذاری دستی نقاط در قسمت های مختلف یا آموزش مجدد مدل جدیدی برای هر صحنه جدید است. USC-ICT یک فرآیند کاملاً خودکار طراحی کرده است که از یادگیری عمیق برای استخراج خودکار ویژگی‌های مرتبط و بخش‌بندی از ابرهای نقطه‌ای استفاده می‌کند. برای آموزش مدل انتساب ویژگی، ابتدا نقاط به صورت دستی با برچسب‌های زیر برچسب‌گذاری می‌شوند: زمین، اشیاء مصنوعی، پوشش گیاهی و غیره. سپس این ابرهای نقطه‌ای با شبکه‌های وکسل سه‌بعدی سازگار می‌شوند تا نمایشی مناسب برای شبکه‌های عصبی عمیق تولید کنند. ICT یک معماری شبکه رمزگذاری و رمزگشایی سه بعدی ساده و در عین حال موثر را بر اساس U-Net سه بعدی برای تقسیم بندی ابر نقطه طراحی کرد. در طول آموزش، یک استراتژی افزایش داده سه بعدی مستقیم و رو به جلو برای انجام چرخش، ترجمه و برش داده های ورودی به طور همزمان طراحی شد. این مقدار داده ها را گسترش می دهد و امکان تعمیم بهتر مدل را فراهم می کند. خط لوله به دست آمده قادر است ساختمان، زمین و پوشش گیاهی را در ابرهای نقطه خام به طور خودکار با دقت بالا استخراج کند و مدل های سه بعدی دقیق تولید کند.شکل 8 ).

3.3. ارتباط با برنامه درسی

با در نظر گرفتن این فناوری و گردش کار، رایان مک‌آلیندن و کارآموزان خلبان برنامه‌ریزی ماموریت و سایر ملاحظات را در کلاس‌های جمع‌آوری داده‌ها نشان دادند. به کارآموزان خلبان فرصت آماده سازی، آموزش و زمان پرواز غیر سنتی و کم هزینه در WIES در جزیره کاتالینا داده شد، در حالی که دانشجویان فارغ التحصیل در دوره اکتساب فضایی برنامه ریزی ماموریت و جمع آوری داده ها را تجربه کردند و توانستند از این فرصت استفاده کنند. تصاویر هوایی جمع آوری و مدل سازی شده در کار پروژه خود. این تلاش، در حالی که برای USC-ICT و SSI مفید است، توسط مدرسان عمومی در SSI انجام شد و در زیر مورد بحث قرار گرفته است.

4. ادغام سنجش از دور و UAS در برنامه درسی

به عنوان یک واحد دانشگاهی، SSI به رشد و توسعه برنامه درسی در سطوح کارشناسی ارشد و کارشناسی ادامه می دهد. این امر در ارائه‌های دوره در حال تغییر ما مانند جمع‌آوری داده‌های مکانی با استفاده از هواپیماهای بدون سرنشین، یک دوره مقدماتی در مقطع کارشناسی که به دانش‌آموزان تجربیات فنی و عملی با UAS ارائه می‌دهد، و توسعه برنامه‌هایی مانند گواهی فارغ‌التحصیل ما در سنجش از دور برای رصد زمین (RSEO) مشهود است. این دوره ها و برنامه ها توسط کمیته های برنامه درسی داخلی مربوطه ما و دفاتر برنامه درسی مناسب در سطوح کالج و دانشگاه مورد بررسی درسی قرار گرفته اند.

4.1. برنامه های دانش آموزی و توسعه برنامه درسی

مؤسسه علوم فضایی به‌روزرسانی برنامه‌های درسی را همزمان برای تحصیل در مقطع کارشناسی و تحصیلات تکمیلی آغاز کرد که سنجش از دور را در سطحی بالاتر از آنچه قبلاً شامل می‌شد، در بر می‌گیرد. برخی تغییرات جزئی در نظر گرفته شد، تغییراتی در محتوای دوره‌های موجود که اهداف یادگیری را با توجه به سنجش از راه دور و جمع‌آوری داده‌های UAS برآورده می‌کنند، در حالی که تغییرات دیگر شامل ایجاد دوره‌ها و برنامه‌های جدید بود. همانطور که برای این مقاله بحث شد، دانشجویانی که در دوره تحصیلات تکمیلی Spatial Data Acquisition ثبت نام کرده‌اند و همچنین در یکپارچه‌سازی داده‌های سنجش از راه دور، جمع‌آوری‌شده از طریق پروازهای UAS توسط مربی جمع‌آوری شده‌اند، در برنامه‌ریزی ماموریت قبل از پرواز و پردازش داده‌ها پس از پرواز تجربه کسب می‌کنند. آن‌ها همچنین مشکلاتی را که ممکن است با ادغام این داده‌ها با سایر داده‌های جمع‌آوری‌شده فیلد ایجاد شود، برطرف می‌کنند. ما دانش‌آموزان را تشویق می‌کنیم تا در فرآیندهایی کار کنند تا مسائلی مانند سیستم‌های مختصات ناسازگار را با نمایش تصاویر UAS (جمع‌آوری‌شده در UTM Zone 11N) با داده‌های گیرنده‌های با دقت بالا (جمع‌آوری‌شده در WGS 1984 و پیش‌بینی‌شده در Web Mercator) تحت راهنمایی دانشکده. سپس دانش‌آموزان می‌توانند این تجربه عملی را با موقعیت‌های دنیای واقعی که در آن از این داده‌ها و فرآیندها استفاده خواهند کرد، مرتبط کنند.

توسعه برنامه درسی اضافی با ایجاد یک دوره کارشناسی غیر اصلی در جمع آوری داده های مکانی با استفاده از پهپاد به اوج خود رسید که در آن دانش آموزان برای اولین بار با UAS برای برنامه ریزی، جمع آوری و پردازش تصاویر کار خواهند کرد. این دوره حول تجربیات یادگیری کاربردی و فعال می چرخد ​​که در آن دانش آموزان می توانند دانش و درک عمیق تری از علوم فن آوری در پشت مجموعه ها، پردازش ها و تجسم های مبتنی بر UAS و از طریق مثال های آلمانی توسعه دهند و نشان دهند. علاوه بر این، این یک دوره یکباره است، به این معنی که دانشجویان در تمام رشته ها می توانند در دوره ثبت نام کنند، هیچ تجربه قبلی با GIS مورد نیاز نیست، و این به رشته های اصلی یا خردسالان محدود نمی شود. ما پیش بینی می کنیم که این دوره احتمالاً دانشجویانی را از متنوع ترین رشته ها و رشته های دانشگاهی جذب کند. در آخر، ما یک برنامه گواهی فارغ التحصیلی جدید در سنجش از دور برای مشاهدات زمین (RSEO) ایجاد کرده ایم که از داده های سنجش از راه دور از منابع متعددی مانند خدمات مبتنی بر مکان (LBS)، رسانه های اجتماعی، و دستگاه های اینترنت اشیا (IoT) استفاده می کند. برای برنامه های مختلف از مشاهدات آب و هوا و محیط زیست گرفته تا مدیریت بلایا و تلاش های بازیابی. این برنامه بر کسب، مدیریت و ادغام این داده ها به منظور تجزیه و تحلیل روند پیشرفته متمرکز است، با این هدف که دانش آموزان و متخصصان مهارت کار با این داده ها را توسعه دهند و بتوانند از آنها در فرآیندهای تصمیم گیری استفاده کنند. و دستگاه های اینترنت اشیا (IoT) برای کاربردهای مختلف از مشاهدات آب و هوا و محیط زیست گرفته تا مدیریت بلایا و تلاش های بازیابی. این برنامه بر کسب، مدیریت و ادغام این داده ها به منظور تجزیه و تحلیل روند پیشرفته متمرکز است، با این هدف که دانش آموزان و متخصصان مهارت کار با این داده ها را توسعه دهند و بتوانند از آنها در فرآیندهای تصمیم گیری استفاده کنند. و دستگاه های اینترنت اشیا (IoT) برای کاربردهای مختلف از مشاهدات آب و هوا و محیط زیست گرفته تا مدیریت بلایا و تلاش های بازیابی. این برنامه بر کسب، مدیریت و ادغام این داده ها به منظور تجزیه و تحلیل روند پیشرفته متمرکز است، با این هدف که دانش آموزان و متخصصان مهارت کار با این داده ها را توسعه دهند و بتوانند از آنها در فرآیندهای تصمیم گیری استفاده کنند.

4.2. ظرفیت سازی دانشکده برای بهبود نتایج دانشجویی

به منظور ایجاد یک برنامه پایدار که فناوری UAS و سنجش از دور را در سطح بیشتری در خود جای دهد، SSI در ایجاد ظرفیت دانشکده فعلی ( شکل 9 ) فراتر از توانایی های ناولز و مارکس سرمایه گذاری کرد. این مستلزم توسعه آموزش فنی و گواهینامه های آزمایشی برای دانشکده منتخب است که مسئول جمع آوری داده های مکانی از طریق UAS هستند یا خواهند بود. اعضای هیئت علمی کارآموز با همکاری USC-ICT و هیئت علمی خلبان با تجربه برای توسعه برنامه های مطالعاتی و بررسی مواد برای آزمون FAA RPL قسمت 107 کار کردند. سپس اعضای هیئت علمی برنامه های یادگیری فردی و برنامه های مطالعاتی را ایجاد کردند. با توجه به ملاحظات مالی، اعضای هیئت علمی موظف به شرکت در آزمون قسمت 107 قبل از پایان سال مالی 2017 بودند.

با مشورت USC-ICT، Knowles، و مارکس، SSI همچنین در تجهیزات لازم و نرم افزار فتوگرامتری برای اهداف آموزشی سرمایه گذاری کرد. تجهیزاتی که شامل یک UAS چهار کوپتر (DJI Phantom 4 Pro) با محموله RGB است، در حال حاضر هیچ محموله حرارتی یا چندطیفی نصب نشده است. این یک بود

ملاحظات بودجه ای و ما توصیه می کنیم که سرمایه گذاری اولیه شامل یک بار چند طیفی نیز باشد. این امکان جمع‌آوری داده‌ها را تا حد زیادی افزایش می‌دهد تا شامل تجزیه و تحلیل پوشش گیاهی و چشم‌انداز باشد، مانند شاخص تفاوت عادی شده گیاهی (NDVI) یا موارد دیگر، که می‌تواند در حوزه‌های مختلفی از مدیریت محصول در کشاورزی گرفته تا ردیابی افراد و اشیاء برای امنیت انسانی اعمال شود. ، جستجو و نجات و سایر عملیات نظامی. تجهیزات و لوازم جانبی اضافی شامل باتری های هوشمند پرواز، ملخ های پشتیبان، کیف حمل و یک تبلت بود. مجوز آموزشی نرم افزار فتوگرامتری (Pix4D) خریداری و سالیانه تمدید می شود. نرم افزارهای برنامه ریزی ماموریت اضافی (AirMap، DJI-Go، و غیره) به صورت رایگان در دسترس هستند و برای هر دستگاه تلفن همراه قابل دانلود هستند.

پس از اتمام موفقیت آمیز امتحان، تمام خلبانان دانشکده با مارکس و نولز درگیر تربیت بدنی شدند. چک لیست قبل از پرواز، پروتکل حین پرواز و گردش کار پردازش تصویر پس از پرواز برای استفاده با دوره کنونی جمع آوری داده های مکانی فارغ التحصیل استاندارد شده است و برای دوره های اضافی، مانند دوره فوق لیسانس فوق، که در زمینه فضایی تخصص دارد، در دسترس است. جمع آوری داده ها با استفاده از هواپیماهای بدون سرنشین پروازهای آزمایشی، تحت هدایت مارکس و نولز، در پارک‌های باز و خالی از جمعیت، مطابق با مقررات و توصیه‌های FAA انجام شد که پروازهای بالای سر افراد را در فضاهای عمومی محدود می‌کند. دانشکده همچنین جمع‌آوری داده‌های آزمایشی، پردازش و ادغام خروجی‌ها (DSM، مش 3 بعدی) را که در یک پلتفرم GIS گنجانده شده‌اند، برای تجسم داده‌های ارجاع‌شده جغرافیایی برای تقویت توانایی‌های یکپارچه‌سازی انجام دادند.

5. بحث

در حالت ایده‌آل، دانش‌آموزان پروژه‌هایی را توسعه خواهند داد که نه تنها کاربرد تصاویر سنجش از راه دور جمع‌آوری‌شده از طریق UAS، بلکه کارایی و کارایی گردش‌های کاری آنها را نیز آزمایش می‌کنند. تجربه یک هفته ای کاتالینا می تواند به عنوان محل آزمایشی برای پیاده سازی این فناوری در حوزه های جدید در مقیاس کوچک، قبل از پیاده سازی در مقیاس بزرگ استفاده شود. هدف ما این است که فرصت‌هایی را برای دانش‌آموزان فراهم کنیم تا در آزمایش‌های فعال شرکت کنند و تجربه و نتایج یادگیری را بهبود بخشند. این از طریق جمع‌آوری فعال داده‌ها، تجزیه و تحلیل دقیق داده‌ها، و تولید محصول از طریق برخی از نتایج تجسم جغرافیایی انجام می‌شود.

داشتن اعضای هیئت علمی با تجربه که می توانند اساتید بیشتری را آموزش دهند و به عنوان منبعی در طول توسعه برنامه ها و/یا پروژه های دانشجویی جدید و مسیرهای پرواز جدید عمل کنند، کلید موفقیت برنامه های ما است. مطالعات آزمایشی موفقی که سنجش از دور را برای ردیابی و پایش حیات وحش به کار می‌برد، مانند اولین مطالعه برجسته‌شده در بالا، و مدل‌های سه‌بعدی محیط طبیعی و ساخته شده که از تصاویر جمع‌آوری‌شده UAS و یک فرآیند محاسباتی خودکار، مانند انجام شده توسط USC-ICT، مشتق شده‌اند. ، نمونه هایی از مزایای ادغام سنجش از دور در GIS هستند. بعلاوه، اساتیدی که می توانند به طور موثر ارتباط برقرار کنند و امکانات داده های سنجش از راه دور به دست آمده از طریق UAS را نشان دهند، برای بهبود تجربیات و نتایج دانشجویی حیاتی هستند. هدف SSI آموزش خلبانان نیست، و در واقع برخی از دانش آموزان ممکن است قبلاً تجربه کار با UAS و تجسم محصول را از طریق مشاغل فعلی داشته باشند. درعوض، دوره‌ها و برنامه‌ها بر کاربرد داده‌های سنجش از دور در یک GIS، علم فتوگرامتری و تولید مدل‌های سه‌بعدی مرجع جغرافیایی، و انواع تحلیل‌های مکانی که می‌توانند برای کاربردهای متنوع داده‌های سنجش از دور اجرا شوند، تمرکز دارند.

در نهایت، در حالی که ما مطالعات موردی ارائه شده در اینجا را بر روی داده‌های سنجش از دور متمرکز کرده‌ایم که عمدتاً از طریق سیستم‌های هوایی بدون سرنشین جمع‌آوری شده‌اند، دانش‌آموزان ما با انواع داده‌های سنجش از دور (LiDAR، تصاویر ماهواره‌ای چند و فراطیفی و غیره) در یک GIS تعامل دارند. این دوره ها و در حال پیشرفت پروژه های تحقیقاتی که شامل علوم انسانی و فیزیکی است. از طریق این کار، SSI تقویت می‌کند که این فرصت‌های آموزشی، که عمدتاً بر روی اکتساب داده‌ها متمرکز شده‌اند، در حمایت از کاربرد سیستم‌های اطلاعات جغرافیایی، علم و فناوری در بسیاری از زمینه‌های مختلف از امنیت انسانی و کمک‌های بشردوستانه گرفته تا برنامه‌ریزی پایدار شهری و روستایی مفید هستند. و بهداشت عمومی

6. نتیجه گیری

ما دو پروژه تحقیقاتی نوآورانه ارائه کرده‌ایم که داده‌های سنجش از دور جمع‌آوری‌شده از طریق UAS در GIS را برای اهداف متمایز ادغام می‌کنند، اما عنصر مشترک ادغام بیشتر سنجش از دور را در برنامه درسی دروس علوم فضایی به اشتراک می‌گذارند. ما با موفقیت پتانسیل نظارت بر حیات وحش در جزیره کاتالینا را با استفاده از UAS نشان دادیم و توصیه های ملموسی را برای کار آینده در این حوزه ارائه کردیم. ما همچنین کار USC-ICT و توسعه یک فرآیند خودکار را برای ساخت یک مدل سه بعدی کاملاً ارجاع داده شده از زمین برای نیازهای آموزشی و شبیه سازی به عنوان انگیزه و مدل برای توسعه دانشکده در SSI ارائه کردیم. به منظور دستیابی به نوسازی های برنامه درسی که در بالا به آنها اشاره شد، اعضای هیئت علمی باید به طور مناسب برای هدایت جمع آوری، پردازش و تجزیه و تحلیل داده های دانشجویی مجهز باشند.

منابع

[ 1 ]	Kolb، DA (2015) یادگیری تجربی: تجربه به عنوان منبع یادگیری و توسعه. ویرایش دوم، Pearson Education, Inc.
[ 2 ]	مک‌لئود، SA (2017) سبک‌های یادگیری کلب و چرخه یادگیری تجربی. روانشناسی ساده https://www.simplypsychology.org/learning-kolb.html
[ 3 ]	لویولا، ال سی، مارکس، ای جی و فلمینگ، SD (2018) ترکیب آموزش، مشارکت و تحقیق در این زمینه: درس هایی از دوره جمع آوری داده های فضایی (در جزیره کاتالینا). GIS-Pro & CalGIS 2018، پالم اسپرینگز، 8 تا 12 اکتبر 2018.
[ 4 ]	Kays, R., Sheppard, J., Mclean, K., Welch, C., Paunescu, C., Wang, V., Crofoot, M., et al. (2019) میمون داغ، واقعیت سرد: بررسی پستانداران سایه بان جنگل های بارانی با استفاده از حسگرهای مادون قرمز حرارتی نصب شده بر روی پهپاد. مجله بین المللی سنجش از دور، 40، 407-419. https://doi.org/10.1080/01431161.2018.1523580
[ 5 ]	Hodgson، JC، Mott، R.، Baylis، SM، Pham، TT، Wotherspoon، S.، Kilpatrick، AD، Koh، LP، و همکاران. (2018) پهپادها حیات وحش را دقیق تر و دقیق تر از انسان ها می شمارند. روشها در اکولوژی و تکامل، 9، 1160-1167. https://doi.org/10.1111/2041-210X.12974
[ 6 ]	Chrétien, LP, Théau, J. and Ménard, P. (2016) سنجش از دور مادون قرمز مرئی و حرارتی برای تشخیص گوزن دم سفید با استفاده از سیستم هوایی بدون سرنشین. بولتن انجمن حیات وحش، 40، 181-191. https://doi.org/10.1002/wsb.629
[ 7 ]	Lhoest, S., Linchant, J., Quevauvillers, S., Vermeulen, C. and Lejeune, P. (2015) How Many Hippos (HOMHIP): الگوریتم شمارش خودکار حیوانات با تصاویر حرارتی مادون قرمز از پهپاد. آرشیو بین المللی فتوگرامتری، سنجش از دور و علوم اطلاعات مکانی، 40، 355-362. https://doi.org/10.5194/isprsarchives-XL-3-W3-355-2015