Introduction to STAC: Accessing Open Satellite Data with Python [1]

في هذا الفيديو نبدأ أول حلقة في سلسلة تعليمية جديدة بعنوان: Satellite Data with STAC & Python تهدف هذه السلسلة إلى شرح كيفية الوصول إلى بيانات الأقمار الصناعية المفتوحة المصدر وتحليلها باستخدام لغة Python وتقنيات الحوسبة السحابية الحديثة، وذلك بالاعتماد على معيار STAC (SpatioTemporal Asset Catalog). في هذه الحلقة التمهيدية ستتعرف على: - المفهوم العام لمعيار STAC ودوره في تنظيم بيانات الأقمار الصناعية - لماذا يُعد STAC أداة أساسية في تحليل بيانات الاستشعار عن بعد الحديثة - أوجه القصور في Google Earth Engine ولماذا يُفضل تعلم بدائل مفتوحة - مصادر بيانات الأقمار الصناعية السحابية (مثل AWS و Microsoft) - نظرة عامة على سير العمل (Workflow) المستخدم في تحليل بيانات Sentinel-2 هذا الفيديو موجه إلى: الباحثين، طلاب الدراسات العليا، المتخصصين في الزراعة والبيئة، وكل من يرغب في بناء مهارات عملية في تحليل بيانات الأقمار الصناعية باستخدام Python. --- 🎯 لماذا نتعلم STAC؟ - تحكم كامل في البيانات والكود - الاعتماد على معايير مفتوحة المصدر - قابلية إعادة الاستخدام والتوسع - مناسب لبيئات البحث العلمي والتطبيقات العملية --- 📂 ملفات المشروع والكود: GitHub Repository: https://shorturl.at/BFbHY لينكات هامة : https://stacspec.org/en stac-browser : https://radiantearth.github.io/stac-browser/#/?.language=en Earth Search by Element 84 : https://radiantearth.github.io/stac-browser/#/external/earth-search.aws.element84.com/v1/?.language=en https://radiantearth.github.io/stac-browser/#/external/earth-search.aws.element84.com/v1/ --- 📌 في حال كان الفيديو مفيدًا: - لا تنسَ الإعجاب بالفيديو - الاشتراك في القناة - مشاركة المحتوى مع المهتمين --- 📣 للتواصل والمتابعة: https://www.youtube.com/@DrNourEarthEngine https://www.linkedin.com/in/Nour-Ibrahim/ #STAC #SatelliteData #RemoteSensing #Python #EarthObservation #Sentinel2 #NDVI #Geospatial #Agriculture #OpenSource