🎥 آموزش استخراج داده از ClimApp

با توجه به بازخورد دریافتی از مخاطبان، ویدیویی آموزشی آماده شده است که در آن نحوه استخراج و دانلود داده‌ها از ClimApp را قدم‌به‌قدم توضیح می‌دهد.

🚨لطفا توجه داشته باشید که برای ورود به اپلیکیشن، نیاز است از روش های گذر از تحریم استفاده نمایید.🚨

لینک دسترسی :
https://alizarei.users.earthengine.app/view/climapp

Follow us 👇
https://t.me/GeoHelperData

✍علی زارعی (دانشجوی دکتری اقلیم شناسی در دانشگاه تهران)

دمای سطح زمین (Land Surface Temperature (LST)) یکی از مهم‌ترین متغیرهایی است که استفاده فراوانی در مطالعات محیطی و شهری دارد. این متغیر بیانگر دمای سطوح مختلف از جمله پوشش‌های گیاهی، خاک، آسفالت، بتن، بام ساختمان‌ها و سایر عوارض سطحی است و از طریق سنجنده‌های حرارتی ماهواره‌ای اندازه‌گیری می‌شود.
به دلیل نقش اساسی LST در تبادل انرژی میان سطح زمین و جو، این شاخص در مطالعات تغییر اقلیم، جزیره حرارتی شهری، ارزیابی تنش گرمایی، مدیریت منابع آب، کشاورزی، پایش خشکسالی و برنامه‌ریزی شهری کاربرد گسترده‌ای دارد.

نکته‌ای که اغلب موجب برداشت نادرست می‌شود، یکسان دانستن دمای سطح زمین با دمای هوا است؛ در حالی که این دو کمیت از نظر مفهوم و روش اندازه‌گیری کاملاً متفاوت هستند. دمای هوا همان دمایی است که ایستگاه‌های هواشناسی به‌طور استاندارد در ارتفاع نزدیک به دو متری از سطح زمین و درون محفظه‌های مخصوص اندازه‌گیری می‌کنند اما LST، دمای خود سطح زمین و عوارض موجود بر روی آن را نشان می‌دهد که توسط سنجنده‌های حرارتی ماهواره‌ای ثبت می‌شود. به همین دلیل، به‌ویژه در روزهای گرم و آفتابی، دمای سطح زمین می‌تواند اختلاف قابل‌توجهی با دمای هوا داشته باشد و معمولاً مقادیر بالاتری را نشان دهد.

نقشه‌های ارائه‌شده، میانگین سالانه دمای سطح زمین (Annual LST) را برای شهر تهران و حومه در دوره ۲۰۰۶ تا ۲۰۲۵ (میانگین ۲۰ ساله) نشان می‌دهند. این نقشه‌ها با استفاده از محصولات دمای سطح زمین سنجنده MODIS نصب‌شده بر روی ماهواره Aqua تهیه شده‌اند. نقشه LST روز مربوط به عبور روزانه ماهواره در حدود ساعت ۱۳:۳۰ به وقت محلی و نقشه LST شب مربوط به عبور شبانه در حدود ساعت ۰۱:۳۰ بامداد به وقت محلی است. این داده‌ها امکان بررسی الگوی مکانی دمای سطح زمین و تحلیل تغییرات حرارتی شهر تهران را در یک دوره بلندمدت فراهم می‌کنند.

Follow us 👇
https://t.me/GeoHelperData

✍️علی زارعی (دانشجوی دکتری اقلیم شناسی در دانشگاه تهران)

📊 اعتبارسنجی چیست و چرا اهمیت دارد؟

🌍 یکی از مهم‌ترین مراحل در پژوهش‌هایی که در آن‌ها از مدل‌های اقلیمی استفاده می‌شود، اعتبارسنجی (Validation) است. در این مرحله، خروجی مدل‌ها با داده‌های مرجع مقایسه می‌شود تا میزان دقت و قابلیت اعتماد آن‌ها مشخص شود. اعتبارسنجی به ما کمک می‌کند تا مناسب‌ترین مدل را برای مطالعات اقلیمی و پیش‌آگاهی از تغییرات آینده انتخاب کنیم.

✅یکی از بهترین روش‌ها برای نمایش نتایج اعتبارسنجی، نمودار تیلور (Taylor Diagram) است. این نمودار به‌صورت هم‌زمان سه شاخص آماری مهم را نمایش می‌دهد و امکان مقایسه عملکرد چندین مدل را در یک شکل فراهم می‌کند.

🔹 اجزای مختلف نمودار تیلور :

📌 انحراف معیار (Standard Deviation):
قوس‌های مشکی (در شکل ارائه شده) نشان‌دهنده انحراف معیار (Standard Deviation) هستند و میزان تغییرپذیری داده‌های هر مدل را نمایش می‌دهند. هرچه انحراف معیار مدل به مقدار داده‌های مرجع نزدیک‌تر باشد، مدل توانسته تغییرات واقعی را بهتر شبیه‌سازی کند.

📌 ضریب همبستگی (Correlation Coefficient):
خطوط آبی رنگ (در شکل ارائه شده) ضریب همبستگی را نشان می‌دهند. هرچه مقدار همبستگی به عدد ۱ نزدیک‌تر باشد، شباهت الگوی تغییرات مدل با داده‌های مرجع بیشتر است.

📌ریشه میانگین مربعات اختلاف (Root Mean Square Difference):
کمان‌های سبزرنگ (در شکل ارائه شده) مقدار RMSD را نشان می‌دهند. این شاخص میزان اختلاف کلی بین خروجی مدل و داده‌های مرجع را بیان می‌کند؛ بنابراین هرچه مقدار RMSD کمتر باشد، عملکرد مدل بهتر است.

📌داده‌های مرجع یا مشاهداتی Observation:
نقطه Observation نمایانگر داده‌های مرجع است و مدل‌هایی که به این نقطه نزدیک‌تر باشند، از دقت بیشتری برخوردارند.

🔹 جمع‌بندی
به‌طور کلی، در نمودار تیلور بهترین مدل، مدلی است که:
✅ ضریب همبستگی بالاتری (نزدیک به ۱) داشته باشد.
✅ مقدار RMSD کمتری داشته باشد.
✅ انحراف معیار آن به داده‌های مشاهده‌ای نزدیک‌تر باشد.

📖 منبع:
نمودار ارائه شده برگرفته از مقاله زارعی و مقبل (2025) است. در بخش اعتبارسنجی این مقاله، عملکرد ۹ مدل گردش عمومی جو (GCM) به‌صورت منفرد و همچنین میانگین چندمدلی (MME) در شبیه‌سازی شاخص ACDD برای ایران، با استفاده از داده‌های مرجع ارزیابی شده است.

Reference
Zarei, A., & Moghbel, M. (2025). Detection of changes in the Annual Cooling Degree Days (ACDD) index in Iran for the historical and future periods, considering the highly populated provinces. Journal of Thermal Biology, 104147. https://doi.org/10.1016/j.jtherbio.2025.104147

Follow us 👇
https://t.me/GeoHelperData

📢 معرفی نرم‌افزار AZ Validation Tool

📈اعتبارسنجی خروجی مدل‌ها و مقایسه آن‌ها با داده‌های مشاهده‌ای، یکی از مراحل کلیدی در بسیاری از پژوهش‌های علمی است. این فرآیند معمولاً نیازمند محاسبه چندین شاخص آماری بوده و می‌تواند زمان‌بر باشد.
به همین منظور، نرم‌افزار AZ Validation Tool طراحی و توسعه داده شده است تا فرآیند اعتبارسنجی  را سریع، دقیق و ساده کرده و تنها با چند کلیک، محاسبات موردنیاز انجام شود.

🔹 قابلیت‌های نرم‌افزار:
✅ ورود داده‌ها از فایل Excel
✅ شناسایی خودکار داده‌های موجود در فایل اکسل
✅ محاسبه خودکار شاخص‌های آماری:
R
R²
RMSE
MAE
Bias
NSE
✅ نمایش نتایج به‌صورت گرافیکی
✅ ذخیره نمودارها با کیفیت بالا در فرمت‌های:
PNG، JPG و PDF
این نرم‌افزار توسط علی زارعی، دانشجوی دکتری رشته اقلیم‌شناسی دانشگاه تهران، طراحی، توسعه و پیاده‌سازی شده است.
📩 برای دریافت نرم‌افزار، از طریق تلگرام با آیدی زیر در ارتباط باشید:
@Ali_Zarei76

Follow us 👇
https://t.me/GeoHelperData

🌧📉 تغییرات زمانی_مکانی بارش سالانه ایران طی دوره ۱۹۹۶–۲۰۲۵، با استفاده از داده‌های CHIRPS

Follow us 👇
https://t.me/GeoHelperData

لینک جلسه اول👇

https://danaplus.net/joinPublic/meeting2038005287b24a5780acfd92ecd9a873

لینک جلسه دوم 👇

https://danaplus.net/joinPublic/meetingd35f43348e134d9e95e5d83a941d0e7a

📢 معرفی سامانه AZ-Terrain
🗺 داده‌های مدل رقومی ارتفاع (DEM) و مشتقات آن، شامل ارتفاع (Elevation)، شیب (Slope) و جهت شیب (Aspect)، از داده‌های پایه و ضروری در بسیاری از مطالعات جغرافیایی، اقلیمی، ژئومورفولوژیکی و محیطی هستند. دسترسی به این داده‌ها و استخراج آن‌ها در محدوده‌های مطالعاتی مختلف، یکی از نیازهای مهم در تحلیل‌های مکانی است.
به همین منظور، سامانه تعاملی تحت وب AZ-Terrain بر بستر پلتفرم Google Earth Engine طراحی و توسعه داده شده است تا فرآیند استخراج، نمایش، تحلیل و دریافت داده‌های توپوگرافی را سریع‌تر و ساده‌تر کند.
🔹 قابلیت‌های سامانه:
✅ استخراج و نمایش مدل رقومی ارتفاع (DEM)
✅ تولید نقشه شیب (Slope)
✅ تولید نقشه جهت شیب (Aspect)
✅ استفاده از داده‌های ارتفاعی SRTM با تفکیک مکانی تقریبی ۳۰ متر
✅ امکان ترسیم محدوده مطالعاتی دلخواه به‌صورت Polygon و Rectangle
✅ محاسبه خودکار حداقل، حداکثر و میانگین متغیرهای ارتفاع و شیب
✅ محاسبه حداقل و حداکثر جهت شیب
✅ دریافت خروجی مکانی در قالب GeoTIFF
این سامانه توسط علی زارعی، دانشجوی دکتری رشته اقلیم‌شناسی دانشگاه تهران، طراحی، توسعه و پیاده‌سازی شده است.

📩 جهت دریافت لینک دسترسی به سامانه
@Ali_Zarei76

Follow us 👇
https://t.me/GeoHelperData

در این ویدئو، نرم‌افزار AZ-Terrain و قابلیت‌های آن در استخراج و تحلیل داده‌های توپوگرافی معرفی می‌شود. این رابط کاربری تحت وب با بهره‌گیری از داده‌های ارتفاعی SRTM و پلتفرم Google Earth Engine، امکان تولید نقشه‌های ارتفاع (Elevation)، شیب (Slope) و جهت شیب (Aspect)، محاسبه شاخص‌های آماری و دریافت خروجی در قالب GeoTIFF را در محدوده مطالعاتی انتخاب‌شده فراهم می‌کند.
این ویدئو، مراحل استفاده از نرم‌افزار و نحوه بهره‌گیری از قابلیت‌های آن را به‌صورت کاربردی نمایش می‌دهد.

Follow us 👇
https://t.me/GeoHelperData