تحلیل هیدرولوژیکی تالاب(سنجش از راه دور و یادگیری ماشین)
در تهران
در وبسایت کارلنسر(5 روز پیش)
دورکاری
اطلاعات شغل:
امکان دورکاری و کار در منزل: دارد
نوع همکاری: پروژهای
مهارتهای مورد نیاز:
machine learning
python
یادگیری عمیق
ماشین لرنینگ
یادگیری تقویتی
پایتون
برنامه نویسی
کد نویسی
deep learning
بازه حقوق:از 1,000,000 تا 4,000,000 تومان
نحوه پرداخت:پروژهای
متن کامل آگهی:
تحلیل جامعی برای ارزیابی هیدرولوژیکی تالاب مد نظر است.
خروجیهای مورد انتظار:
1 جمعآوری و پیشپردازش دادهها:
• جمعآوری تصاویر ماهوارهای لندست 8/9 یا سنتینل-2 برای تالاب شادگان (مختصات تقریبی: 48.2-48.8 طول شرقی، 30.5-31.0 عرض شمالی) در بازه *******.
• دانلود دادههای اقلیمی (بارش، دما) از ERA5 و مدل رقومی ارتفاع (DEM) از SRTM یا ALOS.
• استفاده از Shapefile ارائهشده از رامسر (features_param_idrvis.*) برای تعریف دقیق محدوده تالاب و اعتبارسنجی تحلیلها.
• پیشپردازش تصاویر: تصحیح اتمسفری، حذف ابر، محاسبه شاخصهای NDWI (سطح آب)، NDVI (پوشش گیاهی)، و شاخص کدورت (کیفیت آب).
2 طبقهبندی پوشش زمین:
• اجرای الگوریتم جنگل تصادفی برای طبقهبندی پوشش زمین به کلاسهای آب، نیزار، کشاورزی، و شهری.
• استفاده از دادههای توصیفی Shapefile (در صورت وجود) برای دادههای آموزشی یا اعتبارسنجی.
• دستیابی به دقت حداقل 85% با روش k-fold cross-validation.
• پیشنهاد دادههای آموزشی (ground truth) از منابع باز (مثل Google Earth) یا Shapefile در صورت لزوم.
3 تحلیل آسیبپذیری هیدرولوژیکی:
• ترکیب معیارهای NDWI، NDVI، کدورت، بارش، DEM، و کاربری زمین با الگوریتم جنگل تصادفی برای تولید نقشه اولویت احیا (کلاسهای پرریسک، متوسط، کمریسک).
• ارائه گزارش اهمیت متغیرها (feature importance) برای نشان دادن تأثیر هر معیار (مثلاً NDWI یا کدورت).
4 تحویل فایلها و مستندات:
• نقشههای رستری (فرمت GeoTIFF) برای NDWI، NDVI، کدورت، پوشش زمین، و نقشه اولویت احیا.
• کدهای استفادهشده (ترجیحاً در Python با کتابخونههای scikit-learn و rasterio، یا Google Earth Engine).
• گزارش فنی (3-5 صفحه، فرمت Word یا PDF) شامل روششناسی، نتایج، اهمیت متغیرها، و محدودیتهای تحلیل.
• فایلهای داده خام و پردازششده (در Google Drive یا سرور ابری).
• توضیح مختصر درباره نحوه استفاده از Shapefile رامسر در تحلیل (مثلاً برای محدوده یا اعتبارسنجی).
مهارتهای مورد نیاز:
• تسلط به GIS (QGIS، ArcGIS) و سنجش از دور (Google Earth Engine یا ENVI).
• تجربه با الگوریتمهای یادگیری ماشین، بهویژه جنگل تصادفی.
• توانایی کار با دادههای ماهوارهای (لندست، سنتینل)، اقلیمی (ERA5)، و Shapefile.
• مهارت در Python یا R برای تحلیل داده و نگارش گزارش علمی.
این آگهی از وبسایت کارلنسر پیدا شده، با زدن دکمهی تماس با کارفرما، به وبسایت کارلنسر برین و از اونجا برای این شغل اقدام کنین.
هشدار
توجه داشته باشید که دریافت هزینه از کارجو برای استخدام با هر عنوانی غیرقانونی است. در صورت مواجهه با موارد مشکوک، با کلیک بر روی «گزارش مشکل آگهی» به ما در پیگیری تخلفات کمک کنید.