کتاب (تکنگاشت) کلان داده سنجش از دور پوشش کاملی از جمعآوری، مدیریت و استفاده از کلان داده بهدستآمده از سنجش از دور را فراهم میکند. کتاب Remote Sensing Big Data با مقدمهای بر اصول اولیه کلان داده (بیگ دیتا یا مِه دادهها) و سنجش از دور آغاز میشود و پایهای را برای اطلاعات تخصصیتر بعدی میگذارد. سپس به مجموعهای از موضوعات مرتبط با استفاده و مدیریت کلان داده سنجش از دور میپردازد، از جمله موضوعات داغی مانند تحلیل از طریق یادگیری ماشین، زیرساختهای سایبری و مدلسازی. همچنین مثالهایی در مورد چگونگی استفاده از نتایج تحلیل کلان داده سنجش از دور برای تصمیمگیریهای ملموس ارائه میشود. فصلهای پایانی به بررسی ابتکارات کلان داده جغرافیایی در سراسر جهان و چالشها و فرصتهای آینده برای کاربردهای کلان داده سنجش از دور میپردازند. مخاطبان این کتاب شامل پژوهشگرانی در تقاطع علوم زمین و علم داده، دانشجویان کارشناسی و تحصیلات تکمیلی و هر کسی که به نحوه استفاده بهینه از مجموعه کلان داده بهدستآمده از سنجش از دور علاقهمند است، میباشد.
مروری بر کتاب کلان داده سنجش از دور
- به بررسی مفاهیم، تئوری، استانداردها، پیادهسازی و کاربردهای کلان داده سنجش از دور میپردازد.
- یک راهنمای پیشرفته برای کلان داده سنجش از دور برای پژوهشگران، دانشجویان و دانشمندان داده در حوزه اطلاعات جغرافیایی.
- ابزارها و روششناسیهای لازم برای کاربرد تحلیل کلان داده با سنجش از دور در زمینههای مختلف را فراهم میکند.
مشخصات کتاب Remote Sensing Big Data
- عنوان اصلی کتاب: Remote Sensing Big Data
- زبان کتاب: انگبیسی
- نویسندگان: Liping Di و Eugene Yu
- سال انتشار: ۲۰۲۳
- ناشر: Springer Cham
- تعداد صفحات: ۲۹۸
- کتاب ۱۸ فصل دارد.
فصول کتاب Remote Sensing Big Data
- Introduction
- Remote Sensing
- Special Features of Remote Sensing Big Data
- Remote Sensing Big Data Collection Challenges and Cyberinfrastructure and Sensor Web Solutions
- Remote Sensing Big Data Computing
- Remote Sensing Big Data Management
- Standards for Big Data Management
- Implementation Examples of Big Data Management Systems for Remote Sensing
- Big Data Analytics for Remote Sensing: Concepts and Standards
- Big Data Analytic Platforms
- Algorithmic Design Considerations of Big Data Analytics
- Machine Learning and Data Mining Algorithms for Geospatial Big Data
- Modeling, Prediction, and Decision Making Based on Remote Sensing Big Data
- Examples of Remote Sensing Applications of Big Data Analytics—Fusion of Diverse Earth Observation Data
- Examples of Remote Sensing Applications of Big Data Analytics—Agricultural Drought Monitoring and Forecasting
- Examples of Remote Sensing Applications of Big Data Analytics—Land Cover Time Series Creation
- Geospatial Big Data Initiatives in the World
- Challenges and Opportunities in the Remote Sensing Big Data