التقييم الذاتي
هنا، يمكنك التحقق من المعرفة التي اكتسبتها خلال الفصل الثاني.
يرجى العمل من خلال التدريبات التالية.
يمكنك التحقق من نتائجك عن طريق توسيع مربعات "الانذار" المقابلة في أسفل هذه الصفحة، والتي ستحتوي على الحل الصحيح
2.1: أوجد الأخطاء
ابحث عن الأخطاء في الجزء التالي من التعليمات البرمجية وصححها.
2.2: صورة الاختلاف
ما هي صورة الاختلاف، ولماذا تكون مفيدة للغاية عند العمل مع المؤشرات الطيفية والاستشعار عن بعد بشكل عام؟
2.3 وظائف
اكتب وظيفة تضيف NDVI إلى كل صورة من مجموعة الصور.
2.4 التصنيف
تصنيف وNDVI-Image إلى 4 فئات ذات مغزى وعرضها في لوحة الخريطة.
الآن دورك!
فكر في سؤال بحث يتعلق بمؤشر طيفي من اختيارك وراقب اتجاهه لمنطقة بحث وفترة زمنية من اختيارك.
يمكن أن يكون هذا على سبيل المثال:
- حدوث الغطاء النباتي الصحي خلال عام باستخدام مؤشر NDVI ،
- آثار الجفاف على الغطاء النباتي الصحي باستخدام مؤشر NDVI ،
- تأثيرات حرائق الغابات باستخدام NBR ،
ادعم بحثك ببيانات وخرائط وتحليلات ورسوم بيانية ذات مغزى، كما تعلم في هذا الفصل.
في حالة تعثرك، يمكنك دائمًا استخدام كود الفصل 2.4 "مقارنة وتحليل النتائج" كمرجع.
أحد الحلول الممكنة:
var thresholds_ndvi = ee.Image([-0.1, 0.2, 0.5, 1]); //no vegetation; sparse vegetation; light vegetation; high vegetation
var classified_ndvi = image.select('NDVI').gt(thresholds_ndvi).reduce('sum').toInt();
var classifiedParams = {min: 0, max: 4, palette: ['blue', 'white', 'LimeGreen', 'DarkGreen']};
Map.addLayer(classified, classifiedParams, 'Classified');