در اینجا در این پست قصد داریم در سایت بیسین امکان دانلود لایه های رستری کاربری اراضی-پوشش زمین را که توسط شرکت مایکروسافت و ESRI تولید شده است در محدوده  کشور ایران در اختیار شما قرار دهیم. این لایه نقشه جهانی کاربری-پوشش زمین (LULC) را نمایش می دهد. این نقشه از تصاویر ESA Sentinel-2 با وضوح 10 متر گرفته شده است. این ترکیبی از پیش‌بینی‌های LULC برای 10 کلاس در طول سال به منظور ایجاد یک عکس فوری از سال 2020 است.

eo-learn یک بسته منبع باز برای پر کردن فاصله بین مشاهده زمین (EO) و یادگیری ماشین (ML) است، اما در نوت بوک Jupyter ما فقط داده های نمونه را ارائه می دهیم و نتایج را برای درصد کمی از کل منطقه نشان می دهیم بهره (AOI) - مسئله بزرگی نیست، در بهترین حالت متوسط ​​به نظر می رسد، و بالاتر از همه، از طرف ما کاملا مشخص است. قسمت سوم این مجموعه به شما وسیله ای برای انجام تمام محاسبات می دهد.

در شکل بالا سطح آب جاری سد استرکفونتین (98.3٪)، سد براندولی (59.9٪) و هاکسکین پان (0٪) در آفریقای جنوبی با استفاده از تصاویر Sentinel-2 تهیه شده توسط ESA تعیین شد. همه ما از طریق مستندهای تلویزیونی، اخبار در رسانه های رسمی یا بسترهای رسانه های اجتماعی بیشتر و بیشتر در آگاهی از تصاویر ماهواره ای قرار می گیریم. دلیل اصلی همه اینها، سیاست داده های باز است که ابتدا توسط ناسا و بعد از آن توسط برنامه کوپرنیک اتحادیه اروپا اتخاذ شده است، که تصاویر ماهواره ای را تقریباً برای همه قابل دسترسی کرده است. قادر بودن به دیدن سیاره ما از راه دور، دیدگاه های ما در مورد کره زمین و چگونگی تغییر آن را تغییر می دهد. ما می توانیم تغییرات فصلی، ویرانی های ناشی از بلایای طبیعی یا پیامدهای تغییرات آب و هوایی را مشاهده کنیم. 

پشته ای از تصاویر Sentinel-2 از یک منطقه کوچک در اسلوونی، و به دنبال آن یک پیش بینی پوشش زمین، که از طریق روش های ارائه شده در این پست بدست آمده است. قسمت دوم درباره کاربری اراضی و طبقه بندی پوشش اراضی با eo-Learn در اینجا در دسترس است. این قسمت از امتداد قسمت اول انتخاب می شود، جایی که ما یک رویکرد اساسی در مورد موارد زیر ارائه کردیم:

• تقسیم منطقه مورد علاقه (AOI) به EOPatches
• به دست آوردن داده های تصویر Sentinel-2 و ماسک های ابری
• محاسبه اطلاعات اضافی از جمله شاخص پوشش گیاهی با اختلاف عادی (NDVI)، شاخص آب عادی تفاوت (NDWI)، هنجار اقلیدسی باند های شامل (NORM) و غیره.
• افزودن داده های مرجع شطرنجی از داده های بردار به EOPatches