Tag: analysis

ဖောက်သည်ပမာဏခန့်မှန်းခြင်း (Huff Gravity Model)

Huff Gravity Model ဘယ်လို အလုပ်လုပ်သလဲ? အကယ်၍ သင်ဟာ ကိုယ်ပိုင် လက်လီစတိုးဆိုင် တစ်ခုဖွင့်မည်ဆိုလျှင် ပုံမှန် အားပေးဝယ်ယူမည့်သူ ဘယ်နှစ်ယောက်ရရှိနိုင်သလဲ ဆိုတာကို ဦးစွာ နားလည်ထားရပါမည်။ ဝေးလေသက်ရောက်မှုနည်းလေ သဘောတရား (distance decay) အရ လက်လီစတိုးဆိုင်နှစ်ခု ကြား ဝေးလေလေ သူတို့ နှစ်ခုကြားက ယှက်နွယ်မှုတွေနည်းလေလေဖြစ်သည်။ အဆိုပါအခြေအနေမျိုးတွင် Huff Gravity Model အားအသုံးပြု၍ မိမိဆိုင်နှင့် အခြား ပြိုင်ဘက်လက်လီစတိုးဆိုင်များကြား ဈေးဝယ်သူများ၏ ဖြစ်နိုင်ဖွယ်ရာ အပြုအမူ အလားအလာ ကို ခန့်မှန်းနိုင်ပါသည်။ အခုချိန်ထိတော့ ရှုပ်ထွေးနေသလိုပါပဲ ဒါပေမယ့် အဲဒီလောက်တော့ မဆိုးပါဘူး။ ဒီ Huff Gravity Model မော်ဒယ်ကို  ဘယ်လိုတွက်ချက်ရမလဲဆိုတာ တစ်ဆင့်ချင်း ရှင်းပြသွားမှာဖြစ်တဲ့အတွက် ပိုမိုသဘောပေါက်လာမှာပါ။…
Read more

Distance Decay: ဘယ်လောက်ဝေးဝေး သွားမလဲ?

Distance Decay: ဘယ်လောက်ဝေးဝေး သွားမလဲ? စတိုးဆိုင် စီမံခန့်ခွဲရာမှာ distance decay ကို မည်သို့ အသုံးပြုမည်နည်း Distance decay ဆိုသည်မှာ ကုန်ပစ္စည်း သို့မဟုတ် ဝန်ဆောင်မှုများမှ ဝေးလေလေ ၎င်းတို့ကို အသုံးပြုရန် အလားအလာနည်းလေလေဖြစ်သည် ဟူသော အယူအဆဖြစ်သည်။ ဥပမာအားဖြင့် သင့်နေရာ နှင့်  မိုင် ၁၀၀ ဝေးသည့် မြို့ကြီးတစ်ခုသို့  ပိုကြီးမားပြီး ပိုကောင်းသည့် ဝန်ဆောင်မှုများ ရရန်အတွက် သွားမည်မဟုတ်ပေ။ ထို့ကြောင့် စတိုးဆိုင်တစ်ခုရဲ့အကွာအဝေးသည် အနီးနားမှ ဈေးဝယ်သူများ/ဖောက်သည်များကို ဘယ်လောက်ဆွဲဆောင်နိုင်လဲဆိုသည့်အပေါ် သက်ရောက်မှုရှိပါသည်။ ဤသက်ရောက်မှုသည် နေရာတစ်ခု နှင့် တစ်ခု အကြားတွင် ကွဲပြားမှုတော့ရှိနိုင်ပါသည်။ ပထဝီဝင်ပညာရှင်များသည် distance decay အယူအဆကို ကမ္ဘာတစ်ဝှမ်းတွင် အသုံးချနိုင်မည်ဟူ ထင်ကြပါသည်။ ထို့အပြင်…
Read more

power-bi

Power-BI course

MIMU ရဲ့ Power BI Training သင်တန်းကို ဆည်းပူးရာ မှာတက်ရောက်နိုင်ပါပြီ . . . Power BI ကိုသုံးပြီး ဒေတာအချက်အလက်များကို နှိုင်းယှဉ်၊ ခွဲခြမ်းစိတ်ဖြာပုံ ဖော်ပြီး ထိုးထွင်းသိမြင်စေသည့် ပုံစံများဖြင့် ပြသပေးနိုင်ပြီး အများနှင့် မျှဝေ နိုင်ပါမည်။ ဤသင်တန်းတွင် ဆော့ဖ်ဝဲလ်လုပ်ဆောင်နိုင်သည်များ၊ ဒက်ရှ်ဘုတ်များတွင် အသုံးပြုရန် ဒေတာပြင်ဆင်နည်း၊ အသုံးပြုရမည့်ဇယားများ၊ ဝဘ်ဆိုက်တစ်ခုသို့ ဒက်ရှ်ဘုတ်များကို လွှင့်တင်နည်းနှင့် ဒေတာစီမံခန့်ခွဲမှုလုပ်ဆောင်ပုံတို့အပါအဝင် Power BI ၏ အခြေခံအကြောင်းအရာများပါဝင်ပါသည်။  ဤသင်တန်းပါအကြောင်းအရာများသည် မြန်မာနိုင်ငံရှိ လူသားချင်းစာနာထောက်ထားမှုဆိုင်ရာနှင့် ဖွံ့ဖြိုးတိုးတက်ရေးအေဂျင်စီများ၏ လုပ်ငန်းများကို ပံ့ပိုးကူညီရန် ဒီဇိုင်းထုတ်ထားပါသည်။ Power BI သည် အသုံးပြုသူများအား အချက်အလက်နှင့် ထိုးထွင်းသိမြင်မှုများကို မျှဝေနိုင်စေမည့် ပုံစံများဖြင့် ဒေတာများကို နှိုင်းယှဉ်၊…
Read more

အပင်များအားခွဲခြမ်းစိတ်ဖြာလေ့လာခြင်း (Vegetation Analysis)

မူရင်း – https://eos.com/make-an-analysis/vegetation-analysis/ လှိုင်းတိုအနီအောက်ရောင်စဉ် ၁ ၊ အနီအောက်ရောင်စဉ်ဦး နှင့် အနီရောင်စဉ် တွဲစပ်ခြင်း (Band Combination: SWIR1, NIR, Red) SWIR1 band (လှိုင်တိုအနီအောက်ရောင်စဉ် ၁) ၊ NIR band (အနီအောက်ရောင်စဉ်ဦး) နှင့် Red band (အနီရောင်စဉ်) တို့ကိုအစဉ်လိုက်ပေါင်းခြင်းအားဖြင့် မြေသားကွင်းပြောင်များနှင့်အပင်အမျိုးမျိုးတို့၏ ကွဲပြားသောအရောင်တို့ကိုအချက်အလက်များအဖြစ်မှတ်သားလေ့လာနိုင်သည်။ ဤ band combination ကို EOSDA ထိန်းချုပ်ရေး၏ သီးနှံရောဂါရှာဖွေရေး၊ သီးနှံစီမံခန့်ခွဲမှုလုပ်ငန်းများ နှင့် သစ်မာစိုက်ပျိုးထုတ်လုပ်ရေး စီမံခန့်ခွဲမှုလုပ်ငန်းများတွင် ကျယ်ကျယ်ပြန့်ပြန့်အသုံးချသည်။ အပူပိုင်းစိုက်ကွင်းများ၊ ထင်းရှုးနှင့် ရွက်ကြွေတောများကို အစိမ့်ရင့်ရောင်ပြေးများ၊ ရေသွင်းစိုက်ခင်းများနှင့်ကျန်းမာသန်စွမ်းသောစိုက်ခင်းများအား အစိမ်းနုရောင်ဖြင့် ညွှန်ပြသည်။ မြေသားကွင်းပြင်များအား ခရမ်းညိုရောင် (mauve)၊ ကာကီရောင် (tan) နှင့်အညိုရောင်များအဖြစ်…
Read more

ပြောင်းလဲမှုကိုရှာဖွေခြင်း – change detection

ပုံ နှင့် ဆောင်းပါးမူရင်း – https://eos.com/blog/change-detection-takes-the-vegetation-analysis-to-the-next-level/ ပြောင်းလဲမှုရှာဖွေခြင်း (Change Detection) ၏ ရည်ရွယ်ချက် ပြောင်းလဲမှုကိုရှာဖွေခြင်း (change detection) ဆိုသည်မှာ နေရာတစ်ခု၌ အချိန်ကာလ နှစ်ခုတွင် ရှိနေသည့်အကြောင်းအရာများကိုနှိုင်းယှဉ်ရန် နှင့် အဆိုပါနေရာ ရှိ နောက်ခံအကြောင်းအရာများမတူညီမှုကြောင့်ဖြစ်ပေါ်လာသည့် ကွဲပြားမှုကိုတိုင်းတာရန် ဖြစ်သည်။ GIS တွင် ပြောင်းလဲမှုရှာဖွေခြင်း (change detection) သည် မတူညီသောအချိန်များတွင် ရိုက်ကူးထားသော ဂြိုဟ်တုပုံရိပ်များကို နှိုင်းယှဉ်ခြင်းဖြင့် အချိန်ကာလ ၂ ခု သို့မဟုတ် ထို့ထက်ပိုသော အချိန်ကာလများကြား နေရာဒေသတစ်ခုတွင် အချက်အလက်များမည်သို့ပြောင်းလဲသွားသည်ကို တိုင်းတာပေးသော လုပ်ငန်းစဉ်တစ်ခုဖြစ်သည်။ ခွဲခြမ်းစိတ်ဖြာလေ့လာခြင်းများကို မည်သို့ လုပ်ဆောင်သနည်း။ GIS ဖြင့် ပြောင်းလဲမှုကို (change detection)  ခွဲခြမ်းစိတ်ဖြာလေ့လာခြင်းတွင် မတူညီသောအချိန်များ သို့မဟုတ်…
Read more

အပင်အညွှန်းကိန်းများ – vegetation indices

ဆောင်းပါးမူရင်း – Vegetation Indices To Drive Digital Agri Solutions မှကောက်နှုတ်ဘာသာပြန်ပါသည် ပါဝင်သည့်အကြောင်းအရာများ Normalized Difference Vegetation Index (NDVI) အသုံးများရောင်စဉ်အပင်အညွှန်းကိန်း (vegetation index) အမျိုးမျိုးရှိသည့်အနက်  NDVI သည်သီးနှံစိုက်ခင်း ဖွံ့ဖြိုးတိုးတက်နှုန်းကို ခြေရာခံရန်အတွက် အသင့်တော်ဆုံးတစ်ခုဖြစ်သည်။ NDVI သည် အပင်များတွင် အလင်းရောင်ဖြင့် အစာချက်လုပ်သည့်သက်ရှိဇီဝဒြပ်ထုများကို တိုင်းတာနိုင်သည် ။ သို့သော် NDVI သည်  မြေဆီလွှာအလင်းပြန်မှုနှင့် လေထုအကျိုးသက်ရောက်မှုတို့၏ နှောက်ယှက်မှု ကို ခံနိုင်ရည်မရှိပေ ။ EVI၊ SAVI၊ ARVI၊ GCL၊ သို့မဟုတ် SIPI ကဲ့သို့သော အခြားသောအညွှန်းကိန်းများတွင် ထိုကဲ့သို့နှောက်ယှက်ခံရမှု မှလျော့ချပေးထားသည်။ ပုံသေနည်း– NDVI = (NIR…
Read more

GIS ကွန်ယက်တွက်ချက် ခွဲခြမ်းစိတ်ဖြာမှု (၅) မျိုး

ပုံ နှင့် ဆောင်းပါးမူရင်း – 5 Types of Network Analysis in GIS by GIS Geography ကွန်ယက်ခွဲခြမ်းစိတ်ဖြာမှု – network analysis ဆိုတာ ဘာလဲ။ လူတိုင်းနီးပါးသည် နေ့စဉ်ဘဝတွင် ကွန်ယက်ခွဲခြမ်းစိတ်ဖြာမှု – network analysis တစ်မျိုးမဟုတ်တစ်မျိုးလုပ်လေ့ရှိသည်။ ဥပမာအားဖြင့်- • ကမ်းခြေသွားရန် အတိုဆုံးလမ်းကြောင်းက ဘာဖြစ်မလဲ။ • အများပြည်သူကို အကောင်းဆုံးဝန်ဆောင်မှုပေးနိုင်ရန် မည်သည့်နေရာတွင် ဆေးရုံ တည်ဆောက်သင့်သလဲ။ • မော်တော်ယာဉ်ပို့ဆောင်ရေးယာဉ်အုပ်စုတစ်စုအတွက် အကောင်းဆုံးဖြစ်အောင် မည်သို့ လုပ်ဆောင်နိုင် မည်နည်း။ အသုံးအများဆုံး ကွန်ယက်ခွဲခြမ်းစိတ်ဖြာမှု – network analysis များကို အောက်တွင်ဖော်ပြထားပါသည်။ မာတိကာ ၁။ တစ်နေရာမှအခြားတစ်နေရာသို့ သွားရန်လမ်းကြောင်းရှာခြင်း…
Read more

Privacy Overview

This website uses cookies so that we can provide you with the best user experience possible. Cookies are small data files transferred onto computers or devices by sites, and this information is stored in your browser and performs functions such as recognising you when you return to our website and helping us to understand which information you find most interesting and useful.

You can adjust your preferences below.

Strictly Necessary Cookies

Strictly Necessary Cookie should be enabled at all times so that we can save your preferences for cookie settings and and store required information for operating the website properly.

Show details Hide details