GIS Learner

31/01/2025

A walk through one of Thailand’s most prestigious universities! "

22/10/2024

ကွင်းဆင်းဘူမိဗေဒပညာရှင်များသည် ကွင်းဆင်းလေ့လာတွေ့ရှိချက်များ၊ နမူနာကောက်ယူသည့် တည်နေရာများနှင့် ကွင်းဆင်းမှတ်တမ်း ဓာတ်ပုံများ အပါအဝင် ကျယ်ပြန့်သော ဒေတာအစုအဝေးများကို ကိုင်တွယ်ရလေ့ရှိသည်။ ဒေတာအချက်အလက်များကိုင်တွယ်ရာတွင် ထိရောက်သော Data Managements | Data Analysis | Data Visualization များကို စနစ်တကျ စီမံခန့်ခွဲခြင်းသည်လည်း အရေးကြီးသော အခြေခံလိုအပ်ချက်ဖြစ်သည်။

ဘူမိဗေဒကွင်းဆင်း data ကောက်ယူရာတွင် ယနေ့ခေတ်တွင် mobile phone app များဖြင့် ရယူစုဆောင်းကြသည်။

• GPS အချက်အလက်များ မှတ်တမ်းတင်ခြင်း
• ကျောက်လွှာများရဲ့ အမျိုးအစား၊ တည်နေရာ စတဲ့ အချက်အလက်များ ထည့်သွင်းနိုင်ခြင်း
• ကွင်းဆင်းမှတ်တမ်း ဓာတ်ပုံများ ရိုက်ကူးပြီး တည်နေရာနဲ့ တွဲဖက်သိမ်းဆည်းနိုင်ခြင်း
• ကွင်းဆင်းမှတ်စုများ ရေးသားနိုင်ခြင်း
• ကောက်ယူထားတဲ့ data တွေကို ဇယား သို့မဟုတ် ပုံစံအမျိုးမျိုးနဲ့ ပြသနိုင်ခြင်း
• data တွေကို အလွယ်တကူ ထုတ်ယူနိုင်ခြင်း (ဥပမာ - KML, CSV ဖိုင်အနေနဲ့)

KMZ File Format သည် ကွင်းဆင်းအချက်အလက် ကောက်ယူရာတွင် အသုံး၀င်သောအမျိုးအစားဖြစ်၍ KMZ ဖိုင်များဖြင့် တည်နေရာအမှတ်အသားများနှင့် ဆက်စပ်သော ကွင်းဆင်းဓာတ်ပုံများကို စုဆောင်းကြသည်။
KMZ ဖိုင်များမှ တည်နေရာအမှတ်အသားများနှင့် ဆက်စပ်ဓာတ်ပုံများကို မြေပုံရေးဆွဲခြင်း ဘူမိဗေဒ အစီရင်ခံစာများတွင် ပြန်လည်အသုံးချရန် softwareများဖြင့် KMZ to Extraction များပြုလုပ်၍
ရယူသိမ်းဆည်းလေ့ရှိပါတယ်

ယခု sharing ပြုလုပ်ပေးမယ့် နည်းလမ်းကတော့ ကွင်းဆင်းကောက်ယူထားသော KMZ ဖိုင်များမှ Waypointsများကို CSV Shapefile နှင့် ကွင်းဆင်းမှတ်တမ်း ဓာတ်ပုံများကို Google Colab အသုံးပြု၍ အလိုအလျောက်ထုတ်ယူခြင်း ဖြစ်ပါတယ်။

Google Colab သည် Google Account တခုရှိယုံဖြင့် အသုံးပြုနိုင်ပါသည်။ ...........................................................................................................
အောက်ဖော်ပြပါလင့်ကို၀င်ပါ။
https://colab.research.google.com/drive/1tEH81B-wdGMuPa57YkMPoChOlk5z_y4_?usp=sharing

လိုအပ်သော Data
- ကွင်းဆင်းအချက်အလက်ပါသော KMZ File တခု............................................................
Google Colabတွင် ပြုလုပ်နည်း

- အဆင့် 1: KMZ ဖိုင်ကို Google Colabသို့ Upload တင်ပါ။
- အဆင့် 2: Google Colab Notebook ထဲမှာ လေးထောင့်ကွင်း [ ] တွေက code cell တွေဖြစ်ပါတယ်။
code cell တွေကို တခုပီး တခု click ၍အစအဆုံးအထိ Run ပါ။
- အဆင့် 3: ဘယ်ဘက်တွင် CSV Shapefiles များ kmz_extracted folderတွင် ကွင်းဆင်မှတ်တမ်းပုံများ ကျလာမည်။
- အဆင့် 4: downloadဆွဲ အသုံးပြုနိုင်ပါပီ။

CSV File Sample Link
https://drive.google.com/file/d/19m6Gdq2pv2tPNhk4-JszDzd-AAcUTJ0z/view?usp=sharing




Learner

20/10/2024

Irrawaddy River Morphology

Just moseying on through 🐍

River channels old and new are visible in this photograph of Burma, also known as Myanmar, taken by an astronaut aboard the International Space Station. Older channels (black and green lines, especially in the top right corner) indicate changes in the Irrawaddy River’s course over the years.

The Irrawaddy is the country’s largest waterway, originating in the northern part and flowing approximately 2,170 kilometers (1,350 miles) south before emptying into the Andaman Sea. Sediment in the water gives the river an opaque, light brown appearance, except for a light green portion of water near Yelegale.
Full story: https://go.nasa.gov/3BOSL9P

18/10/2024

မိမိလေ့လာလိုသော ဒေသအတွင်းရှိ သတ္တုသိုက်များအား ရှာဖွေရာတွင် သတ္တုများ၏ ပြန့်နှံ့မှုကို နမူနာယူခြင်း နည်းလမ်းများဖြင့် ကောက်ယူကြသည်။ ထို့နောက် ဓါတ်ခွဲစမ်းသပ်ခြင်းများ ပြုလုပ်၍ ဓါတ်ခွဲစမ်းသပ်ခြင်းဖြင့် ရရှိလာသောဓါတ်ခွဲခန်းအဖြေများကို ဘူမိဓါတုမြေပုံ (geochemistry map) တခုအဖြစ် ပုံဖော်ပြကြသည်။

အခု Sharing ပြုလုပ်မယ့် နည်းလမ်းကတော့ မိမိလေ့လာလိုသော ဒေသ၏ ဓါတ်ခွဲစမ်းသပ်ခြင်းဖြင့် ရရှိလာသောဓါတ်ခွဲခန်းအဖြေ (Elements Result) များကို IDW Interpolation နည်းလမ်းဖြင့် Google Colabမှာ IDW Interpolation for Soil Assay Data Analysis ပြုလုပ်နည်း ဖြစ်ပါတယ်။

IDW သည် မြေသားကောက်ယူမူ့ အမှတ်များမှ သိရှိထားသော တန်ဖိုးများအပေါ် အခြေခံ၍အသုံးပြုသည့် spatial interpolation method တစ်ခုဖြစ်သည်။ အခြေခံအယူအဆမှာ မြေသားကောက်ယူထားသော တည်နေရာမှ ဖြန့်ကျက်၍ တခြားသောနေရာများအား ခန့်မှန်းတန်ဖိုးများ သက်ရောက်မှုပိုရှိစေခြင်း ဖြစ်သည်။

Google Colab သည် Google Account တခုရှိယုံဖြင့် အသုံးပြုနိုင်ပါသည်။ ...........................................................................................................
အောက်ဖော်ပြပါလင့်ကို၀င်ပါ။
https://shorturl.at/xcc8m

လိုအပ်သော Data
- Latitude, Longitude, Result Elements တွေပါတဲ့ CSV File တခု............................................................
Google Colabတွင် ပြုလုပ်နည်း
- အဆင့် 1: Soil Assay CSV ဖိုင်ကို Google Colabသို့ Upload တင်ပါ။
အဆင့် 2: ဒေတာပြင်ဆင်ခြင်း။
အဆင့် 3- IDW လုပ်ဆောင်ချက်ကို သတ်မှတ်ခြင်း။
အဆင့် 4- Elements တခုချင်းအလိုက် Loopပတ်၍ IDW နှင့် Plot Map ပြုလုပ်ခြင်း။

CSV File Sample Link
https://shorturl.at/UYfsN




Learner

16/10/2024

ပတ်၀န်းကျင်ဆိုင်ရာဆန်းစစ်မူ့များ | ဘူမိဗေဒေဆိုင်ရာအချက်အလက်များရယူရာတွင်မြေပြင်ကွင်းဆင်းရယူခြင်းသည် အရေးကြီးဆုံး အခန်းကဏ္ဍဖြစ်သည်။

မြေပြင်ကွင်းဆင်း၍ အချက်အလက်များ ရယူခြင်းသည် သက်ဆိုင်ရာ ဘာသာရပ်တွင် လိုအပ်သော ဒေတာများကောက်ယူမူ့ အခန်းကဏ္ဍဖြစ်သည်။

ထိုသို့ ကောက်ယူရာတွင် မပါမဖြစ် ကောက်ယူသော Parameters များစွာရှိပါတယ်။ အဲ့ဒီထဲမှာမှ တည်နေရာဖော်ပြသော Latitude, Longitude နဲ့ ကွင်းဆင်းဓာတ်ပုံများလည်းပါ၀င်သည်။

တည်နေရာပြ Latitude Longitude တို့သည် မိမိတိုကောက်ယူသော ဒေတာ၏ Spatial Context ကိုပေးသောကြောင့် ကွင်းဆင်းဒေတာစုဆောင်းမှုအတွက် တည်နေရာများသည် မရှိမဖြစ်လိုအပ်ပါသည်။

ထို့အတူ ကွင်းဆင်းမှတ်တမ်းဓာတ်ပုံများသည် မိမိတို့ စိတ်၀င်စားလေ့လာနေသော ဒေသ၏ အခြေအနေများနှင့် ပညာရပ် ဆိုင်ရာ အထောက်အထားများကို ပံ့ပိုးပေးသောကြောင့် ကွင်းဆင်းဒေတာစုဆောင်းမှုအတွက် မရှိမဖြစ်လိုအပ်ပါသည်။

တခါတရံ ကွင်းဆင်းဓာတ်ပုံများတွင် ပါ၀င်သော
GPS ( Latitude, Longitude) များကိုလည်း ဘာသာရပ်လိုအပ်ချက်အရ အသုံးပြုရလေ့ရှိပါတယ်။

ထိုအခါ အနည်းငယ်သောကွင်းဆင်းဓာတ်ပုံများမှ Manual ပြန်လည်ရယူရာတွင် အဆင်ပြေသော်လည်း
များစွာသောကွင်းဆင်းဓာတ်ပုံများမှ Manual ပြန်လည်ရယူရာတွင် အချိန်ကို ပိုကုန်စေသည်။

ယခုအခါ အချိန်မကုန်စေမယ့်နည်းလမ်းများစွားလည်းရှိပါတယ်။

အခုsharing ပြုလုပ်ပေးမယ့်နည်းလမ်းကတော့
Google Colab ထဲသို့ မိမိတို့ Latitude Longitude ရယူချင်သော ကွင်းဆင်းဓာတ်ပုံများကို Upload တင်ပီး Latitude Longitude Data များကို CSV file formatဖြင့် ပြန်လည်ရယူခြင်း ပြုလုပ်နည်း ဖြစ်ပါတယ်။

Google Colab သည် Google Account တခုရှိယုံဖြင့် အသုံးပြုနိုင်ပါသည်။ ...........................................................................................................
အောက်ဖော်ပြပါလင့်ကို၀င်ပါ။
https://shorturl.at/4Jios

လိုအပ်သော Data
- Latitude, Longitude ပါသောဓာတ်ပုံများ............................................................

Google Colabတွင် ပြုလုပ်နည်း
- အဆင့် 1 -Latitude, Longitude ပါသောဓာတ်ပုံများကို Google Colab သို့ Upload တင်ပါ။

- အဆင့် 2 -Output CSV Filnameပေးပါ။

- အဆင့် 3 - ဘယ်ဘက်ရှိ Fileတွင် Output CSVတခုကျလာမည်။

- အဆင့် 4 -downloadဆွဲ၍ အသုံပြုနိုင်ပါပီ။




Learner

11/10/2024

Terrain Analysis is the study of the surface characteristics of an area, typically through the use of Digital Elevation Models (DEMs) and various geospatial tools. It involves analyzing the topography of a landscape to understand features like elevation, slope, aspect, and terrain roughness, which are critical for environmental studies, urban planning, agriculture, hydrology, and more.

Components of terrain analysis include:

1. Digital Elevation Model (DEM): A raster grid where each pixel contains an elevation value. DEMs are the foundation of terrain analysis, enabling calculations of other terrain attributes.

2. Slope: This measures the steepness or gradient of the terrain at each point. Slope is crucial in understanding erosion risk, drainage patterns, and suitability for construction.

3. Aspect: This refers to the compass direction that a slope faces. Aspect can influence microclimate, vegetation patterns, and solar exposure in an area.

4. Hillshade: A visualization of terrain shading based on light source direction, typically from the sun. Hillshades help to enhance the visual interpretation of topography.

5. Contour Lines: Lines of equal elevation drawn at set intervals. They help visualize elevation changes in a landscape.

If you're interested in terrain analysis using with Google Colab, please visit the following link.
https://shorturl.at/lU86A

Sample DEM Data Link.
https://shorturl.at/tBCto

09/10/2024

မိမိလေ့လာလိုသော ဒေသအတွင်းရှိ သတ္တုသိုက်များအား ရှာဖွေရာတွင် သတ္တုများ၏ ပြန့်နှံ့မှုကို နမူနာယူခြင်း နည်းလမ်းများဖြင့် ကောက်ယူကြသည်။ ထို့နောက် ဓါတ်ခွဲစမ်းသပ်ခြင်းများ ပြုလုပ်၍ ဓါတ်ခွဲစမ်းသပ်ခြင်းဖြင့် ရရှိလာသောဓါတ်ခွဲခန်းအဖြေများကို ဘူမိဓါတုမြေပုံ (geochemistry map) တခုအဖြစ် ပုံဖော်ပြကြသည်။

ဘူမိဓါတုမြေပုံ (Geochemistry Map တနည်းအားဖြင့် Elements Result Visualization Mapping ) တခု ပြုလုပ်ရာတွင်လည်းများစွာသော Mapping Software များ Statistical Software ဖြင့် Statistical Analyzing | Data Visualization များပြုလုပ်ဆောင်ရွက်ကြပါသည်။

အခု Sharing ပြုလုပ်မယ့် နည်းလမ်းကတော့ မိမိလေ့လာလိုသော ဒေသ၏ ဓါတ်ခွဲစမ်းသပ်ခြင်းဖြင့် ရရှိလာသောဓါတ်ခွဲခန်းအဖြေ (Elements Result) များကို Google Colabမှာ Plot Mapping တနည်းအားဖြင့် Elements Result Visualization Mapping ပြုလုပ်နည်း ဖြစ်ပါတယ်။

Google Colab သည် Google Account တခုရှိယုံဖြင့် အသုံးပြုနိုင်ပါသည်။ ...........................................................................................................
အောက်ဖော်ပြပါလင့်ကို၀င်ပါ။
https://shorturl.at/HkCfM

လိုအပ်သော Data

- Latitude, Longitude, Result Elements တွေပါတဲ့ CSV File တခု
............................................................

Google Colabတွင် ပြုလုပ်နည်း

- အဆင့် 1- Latitude, Longitude, Result Elements တွေပါတဲ့ CSVတခု ဖန်တီးပါ။

- အဆင့် 2- CSV ဖိုင်ကို Google Colab သို့ Upload တင်ပါ။

- အဆင့် 3-
• မိမိ Visualization ပြုလုပ်ချင်သော Elements ၏ အမည်များကို ရေးပါ။
• မိမိ Visualization ပြုလုပ်ချင်သော Elements များကို Class ခွဲပါ။
• မိမိ Visualization ပြုလုပ်ချင်သော Elements Class တခုချင်းစီအတွက် Data Value သတ်မှတ်ပါ။
• မိမိ Visualization ပြုလုပ်ချင်သော Elements ၏ Symbol အရောင်များသတ်မှတ်ပါ။
• မိမိ Visualization ပြုလုပ်ချင်သော Elements ၏ Symbol အရွယ်အစားများ သတ်မှတ်ပါ။

- အဆင့် 4- Element တစ်ခုစီအတွက် Plot Map များဖန်တီးခြင်း။

- အဆင့် 5- Element Plot Map အားလုံးကို 2x3 ပုံစံဖြစ် ၎င်းတို့ကို ပုံကြီးတစ်ပုံအဖြစ် ပြုလုပ်ခြင်း။

- အဆင့် 6- ဘယ်ဘက်ရှိ Fileတွင် Output Mapsများကျလာမည်။

- အဆင့် 7- downloadဆွဲ၍ အသုံပြုနိုင်ပါပီ။

CSV File Sample Link
https://shorturl.at/b653A




Learner

06/10/2024

မြေသားနမူနာ ယူခြင်း......................................................................
မြေဆီလွှာ နမူနာရယူခြင်း နည်းစနစ်သည် ဒေသတစ်ခု၏ ဘူမိဓါတုဗေဒဆိုင်ရာ အချက်အလက်များကို ရယူလေ့လာသုံးသပ်ရာတွက် အရေးကြီးသည့် နည်းစနစ်တစ်ခုဖြစ်သည်။ မတူညီသည့်မြေဆီလွှာ အမျိုးအစားများဖြစ်သည် A အလွှာ Bအလွှာ Cအလွှာ တို့ ရှိရာတွင် B အလွှာ နှင့် C အလွှာတို့မှာ မြေသားနမှုနာများကို သာကောက်ယူပြီး၊ အောက်ခံ ကျောက် နှင့်ဆက်စပ်လျက်ရှိသည့် ဘူမိဗေဒဆိုင်ရာ နှင့် ဘူမိဓါတုဗေဒဒဆိုင်ရာ သတင်းအချက်အလက်များ ကိုဓါတ်ခွဲ စမ်းသပ်စစ်ဆေးခြင်းဖြစ်ပါသည်။

ထိုသို့မြေသားနမူနာ ရယူမည့် နေရာများကိုသတ်မှတ်ရာတွင် Regional Geology, ကျောက်ပေါ်ထွက်ပိုင်း Outcrops များနှင့် ဘူမိဗေဒမြေပုံ ပေါ်တွင် အခြေခံ ပြီး Area of Interest ကို ရှာဖွေရေး ဘူမိဗေဒပညာရှင်များကသတ်မှတ်ပြီး အောက်ပါ Parameters များကိုထည့်သွင်းအသုံးပြုရမည်ဖြစ်သည်။

လိုအပ်သော Parameters များ...................................................................................
1. Known or Start Point ( Decimal Degree)
2. From Known Point to Any Direction (with Bearing and Distance - bearing should be consistent as soil sampling almost grid pattern)

Soil Planning Points များဖန်တီးရာတွင် အမျိုးမျိုးသော Sofftwareများ GIS Software, Global Mapperများဖြင့် Soil Planning Pointsများကိုဖန်တီးကြသည်။ (အခြားMapping Softwareလည်းရှိနိုင်ပါသေးတယ်)

အခုsharing ပြုလုပ်ပေးမယ့် နည်းလမ်းကတော့
GOOGLE Colabဖြင့် Soil Planning Points များကို Shapefile တခု၊ plot မြေပုံတခုရတဲ့ထိ ပြုလုပ်နိုင်မှာဖြစ်ပါတယ်။

Google Colab သည် Google Account တခုရှိယုံဖြင့်
အသုံးပြုနိုင်ပါသည်။
...........................................................................................................

အောက်ဖော်ပြပါလင့်ကို၀င်ပါ။
https://shorturl.at/Yvmwi


အောက်​ဖော်ပြပါပုံ(3)တွင် ပြန်ပီး မိမိ လေ့လာလိုသောဒေသအချက်အလက်များ အစားသွင်းလိုက်ခြင်းဖြင့် Planning Points Shapefile တခုနဲ့ plot မြေပုံတခု ပေါ်လာပါမည်။ ထို့နောက် အောက်ဖော်ပြပါ ပုံ(4)အတိုင်းဘယ်ဘက်ခြမ်းတွင်Shapefileကို download ဆွဲ၍ အသုံပြုနိုင်ပါပီ။




GIS Learner

04/10/2024

Canny edge detection is a valuable tool in the analysis of panchromatic satellite images for geological studies. Its ability to accurately detect edges, even in noisy data, makes it an essential technique for identifying and analyzing various geological features and structures.

For the following analysis, I used a Landsat 8 Level 2 panchromatic satellite image. The Canny edge detector is an edge detection operator that employs a multi-stage algorithm to detect a wide range of edges in images. It was developed by John F. Canny in 1986....................................................................................

Summary of the Google Colab Workflow:

Upload: The user uploads a Tiff image.
Grayscale Conversion: The image is converted to grayscale for processing.
Preprocessing: Histogram equalization is applied for contrast enhancement.
Edge Detection: Canny edge detection is applied using dynamically calculated thresholds.
Line Detection: Line segments are detected using the Hough Transform and drawn on the image with filtering.
Visualization: The original image, edge-detection result, and final lineament detection are displayed.
...................................................................................................
Google Colab Link>>> https://shorturl.at/COwaC

Panchromatic Band Image >>> https://shorturl.at/DMUer

03/10/2024

Loikaw Area experienced severe flooding. Sentinel-2 imagery from September 8 to October 02, 2024, indicates that the most heavily inundated area, represented by red colour on the map, covers approximately 56.6066 Square Kilometers. Yellow dots on the map indicate the locations of villages and Green dots is Townships.

Script Produced by UN-SPIDER December 2019
Modified by GIS Learner

03/10/2024

Following Typhoon Yagi, The Sittaung River along Yedashe to Kyauktaga Township experienced severe flooding. Sentinel-2 imagery from September 8 to September 20, 2024, indicates that the most heavily inundated area, represented by red colour on the map, covers approximately 64,563 hectares. Yellow dots on the map indicate the locations of villages and Green dots is Townships.

Script Produced by UN-SPIDER December 2019
Modified by GIS Learner

03/10/2024

Taunggoo Area Time-lapse. The last August experienced the most severe flooding due to heavy rains, likely influenced by Typhoon YAGI activity.

The false colour composite is most commonly used to assess plant density and health, since plants reflect near infrared and green light, while they absorb red. Cities and exposed ground are grey or tan, and water appears blue or black.

Satellite Image >>> Sentinel-2 L2A False Colour Imagery

Learner