Chuỗi bài hướng dẫn toàn diện về lập trình Python ứng dụng trong phân tích dữ liệu địa không gian, viễn thám và các nền tảng địa không gian đám mây.
Giới thiệu¶
Khóa học này được thiết kế dành cho những ai muốn xây dựng kỹ năng lập trình Python cho phân tích dữ liệu địa không gian với - từ người mới bắt đầu cho đến người dùng trung cấp muốn mở rộng kiến thức về xử lý dữ liệu không gian, trực quan hóa và điện toán đám mây. Các bài hướng dẫn được trình bày dưới dạng Jupyter Notebook, cho phép người học thực hành trực tiếp song song với các giải thích lý thuyết.
Cấu trúc khóa học¶
Phần 1 - Nền tảng Python cơ bản¶
Xây dựng nền tảng vững chắc về lập trình Python trước khi đi vào các công cụ địa không gian.
| Bài số | Nội dung |
|---|---|
| 01 | Cài đặt & Thiết lập môi trường |
| 02 | Kiểu dữ liệu cơ bản Python |
| 03 | Cấu trúc dữ liệu |
| 04 | Cấu trúc điều khiển và vòng lặp |
| 05 | Hàm & Lớp |
| 06 | Làm việc với tệp tin |
| 07 | NumPy cơ bản |
| 08 | Pandas cơ bản |
| 09 | Trực quan hóa dữ liệu cơ bản |
| 10 | Phát triển và Đóng gói Python (Python packaging) |
Phần 2 - Python Địa không gian¶
Các thư viện địa không gian cốt lõi để xử lý dữ liệu vector và raster.
| Bài số | Nội dung |
|---|---|
| 11 | Shapely - Đối tượng hình học và các phép toán không gian |
| 12 | Pyproj - Hệ tọa độ và phép chiếu bản đồ |
| 13 | Fiona - Đọc và ghi dữ liệu vector |
| 14 | GDAL - Xử lý dữ liệu raster và vector |
| 15 | GeoPandas - Spatial DataFrame và phân tích vector |
| 16 | Rasterio - Đọc, xử lý, và ghi dữ liệu raster |
| 17 | Xarray - Mảng nhiều chiều có nhãn |
| 18 | Rioxarray - Tích hợp Rasterio với Xarray |
| 19 | Zarr & Dask - Lưu trữ mảng quy mô lớn và tính toán song song |
| 20 | Matplotlib - Trực quan hóa dữ liệu địa không gian |
Phần 3 - Nền tảng Địa không gian Đám mây¶
Truy cập và xử lý dữ liệu địa không gian quy mô lớn trên các nền tảng đám mây.
| Bài số | Nội dung |
|---|---|
| 20 | Truy cập và khám phá dữ liệu (Google Earth Engine) |
| 21 | Các thao tác cơ bản (Google Earth Engine) |
| 22 | Loại bỏ mây (Google Earth Engine) |
| 23 | Tính toán các chỉ số thực vật (Google Earth Engine) |
| 24 | Tổng hợp ảnh theo giai đoạn (Google Earth Engine) |
| 25 | Trích xuất giá trị raster theo vị trí (Google Earth Engine) |
| 26 | Xuất dữ liệu (Google Earth Engine) |
| 27 | Truy cập dữ liệu (Microsoft Planetary Computer) |
| 28 | Tính toán các chỉ số ảnh quang học và Radar (Microsoft Planetary Computer) |
| 29 | Xử lý dữ liệu lớn (Microsoft Planetary Computer) |
| 30 | Truy cập và xử lý dữ liệu Copernicus (Copernicus Data Space Ecosystem) |
Phần 4 - Ứng dụng¶
Ứng dụng các kỹ thuật phân tích và học máy vào dữ liệu không gian và viễn thám (sắp ra mắt).
| Bài số | Nội dung |
|---|---|
| 31 | Phân loại lớp phủ mặt đất - Random Forest & SVM trên ảnh vệ tinh Sentinel-2 |
| 32 | Theo dõi hạn hán (Drought monitoring) - Phân tích chỉ số hạn hán với dữ liệu MODIS và ERA5 |
| 33 | Giám sát biến động nước bề mặt (Surface water monitoring) - Kết hợp SAR và ảnh quang học |
| 34 | Ước tính chiều cao tán cây (Vegetation canopy height) - Sử dụng ảnh Sentinel-2 kết hợp mô hình hồi quy học sâu (Deep learning) |
| 35 | Phân vùng mặt nước (Water body segmentation) - Sử dụng ảnh Sentinel-2 và mô hình học sâu (Deep learning) |
Dữ liệu¶
Các tập dữ liệu mẫu sử dụng trong khóa học được lưu trong thư mục data/.
Giấy phép¶
Dự án này là mã nguồn mở, được phép sử dụng miễn phí cho mục đích học tập và nghiên cứu cá nhân. Mọi hình thức sử dụng cho giảng dạy, đào tạo hoặc mục đích thương mại cần có sự đồng ý của tác giả.
Kết nối¶
Trong quá trình học, nếu bạn có bất kỳ câu hỏi nào, hãy tham gia và trao đổi trên nhóm Facebook chính thức của khóa học: Geospatial Vietnam. Đây là nơi bạn có thể đặt câu hỏi, thảo luận và đóng góp giúp cải thiện khóa học.