腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
二猫の家
专栏作者
举报
521
文章
488124
阅读量
34
订阅数
订阅专栏
申请加入专栏
全部文章(521)
编程算法(134)
数据(82)
java(68)
python(41)
模型(38)
ide(36)
sql(33)
c++(31)
数据库(31)
存储(31)
函数(31)
机器学习(30)
深度学习(30)
算法(30)
android(23)
http(22)
var(21)
html(18)
网站(17)
https(14)
xml(12)
eclipse(12)
网络安全(12)
面向对象编程(12)
网络(12)
c 语言(11)
javascript(11)
打包(11)
uml(11)
测试(11)
神经网络(10)
arcgis(10)
原理(10)
servlet(9)
json(9)
int(9)
对象(9)
集合(9)
脚本(9)
可视化(9)
软件(9)
jsp(8)
windows(8)
工具(8)
api(7)
jar(7)
tomcat(7)
命令行工具(7)
开源(7)
google(7)
select(7)
变量(7)
地图(7)
统计(7)
异常(7)
优化(7)
css(6)
jdk(6)
卷积神经网络(6)
数据库管理(6)
image(6)
程序(6)
基础(6)
数组(6)
php(5)
node.js(5)
单片机(5)
云数据库 SQL Server(5)
github(5)
文件存储(5)
容器(5)
线性回归(5)
npm(5)
二叉树(5)
数据结构(5)
map(5)
遍历(5)
连接(5)
搜索(5)
vue.js(4)
textview(4)
git(4)
访问管理(4)
游戏(4)
numpy(4)
聚类算法(4)
app(4)
double(4)
产品(4)
接口(4)
系统(4)
ios(3)
jquery(3)
android studio(3)
腾讯云测试服务(3)
渲染(3)
serverless(3)
缓存(3)
html5(3)
mybatis(3)
决策树(3)
迁移学习(3)
anaconda(3)
数据处理(3)
腾讯云开发者社区(3)
ascii(3)
add(3)
data(3)
input(3)
list(3)
null(3)
path(3)
raster(3)
return(3)
sentinel(3)
set(3)
论文(3)
内存(3)
配置(3)
设计(3)
数据类型(3)
索引(3)
c#(2)
bash(2)
oracle(2)
maven(2)
linux(2)
unix(2)
bash 指令(2)
spring(2)
人工智能(2)
gui(2)
sql server(2)
监督学习(2)
pytorch(2)
tcp/ip(2)
gcc(2)
安全(2)
数据分析(2)
特征工程(2)
sdk(2)
abstract(2)
count(2)
excel(2)
exe(2)
having(2)
height(2)
import(2)
max(2)
module(2)
pca(2)
size(2)
spatial(2)
struct(2)
time(2)
web(2)
编程(2)
编码(2)
翻译(2)
工作(2)
计算机组成原理(2)
教程(2)
进程(2)
镜像(2)
客户端(2)
浏览器(2)
配色(2)
软件工程(2)
事件(2)
性能(2)
语法(2)
指针(2)
费用中心(1)
云服务器(1)
ruby(1)
.net(1)
react(1)
jquery ui(1)
qt(1)
汇编语言(1)
arm(1)
硬件开发(1)
nosql(1)
云数据库 Redis(1)
memcached(1)
access(1)
matlab(1)
struts(1)
apache(1)
nginx(1)
thinkphp(1)
云函数(1)
日志服务(1)
SSL 证书(1)
图像处理(1)
企业(1)
webpack(1)
分布式(1)
shell(1)
正则表达式(1)
yum(1)
jdbc(1)
自动化测试(1)
markdown(1)
敏捷开发(1)
gradle(1)
无监督学习(1)
机器人(1)
sas(1)
openapi(1)
jupyter notebook(1)
迁移(1)
功能测试(1)
白盒测试(1)
es(1)
验证码(1)
图像标签(1)
append(1)
axis(1)
between(1)
bi(1)
bug(1)
build(1)
com(1)
config(1)
configure(1)
dataframe(1)
dataset(1)
date(1)
db(1)
dql(1)
dst(1)
each(1)
el(1)
enterprise(1)
epoch(1)
erd(1)
error(1)
expression(1)
factory(1)
field(1)
figure(1)
file(1)
for循环(1)
geometry(1)
gis(1)
goto(1)
gpu(1)
hibernate(1)
key(1)
kml(1)
limit(1)
mask(1)
matplotlib(1)
mean(1)
median(1)
min(1)
model(1)
models(1)
nan(1)
netcdf(1)
pdf(1)
plot(1)
product(1)
project(1)
ps(1)
pycharm(1)
rack(1)
random(1)
range(1)
regression(1)
rename(1)
replace(1)
rules(1)
scrollbar(1)
selection(1)
series(1)
server(1)
sizeof(1)
spss(1)
sse(1)
state(1)
stl(1)
string(1)
subplot(1)
sum(1)
table(1)
text(1)
this(1)
tools(1)
transfer(1)
transform(1)
validation(1)
void(1)
width(1)
win10(1)
xlrd(1)
笔记(1)
编译原理(1)
表单(1)
表格(1)
并发(1)
博客(1)
插件(1)
磁盘(1)
代理(1)
递归(1)
二进制(1)
反射(1)
工作流(1)
管理(1)
规范化(1)
后台(1)
继承(1)
技巧(1)
计算机(1)
解决方案(1)
开发(1)
命令行(1)
排序(1)
企业应用(1)
软件开发(1)
视频(1)
数学(1)
文件系统(1)
项目经理(1)
效率(1)
协议(1)
压缩(1)
云平台(1)
终端(1)
字符串(1)
循环神经网络(1)
图像分割(1)
搜索文章
搜索
搜索
关闭
【GEE】分块处理以降低内存压力
内存
数据
var
程序
函数
https://code.earthengine.google.com/6f3876f55be5280369750c9e38c8ffce?noload=true
Twcat_tree
2024-04-25
47
0
【GEE】基于光谱距离度量方法的加沙地区地表覆盖变化检测
var
数据
app
map
mask
本文将介绍如何在 Google Earth Engine (GEE) 平台中使用光谱距离度量方法进行地表覆盖变化检测,并以加沙地区为例,使用Sentinel2数据展示2023年3月和2024年3月的地表覆盖变化区域。
Twcat_tree
2024-04-25
68
0
【GEE】优雅地实现年度、季度、月度甚至旬度影像合成(附完整代码)
date
var
对象
函数
数据
光学影像由于受到天气因素(云、雨和雾等)影响,导致单张影像数据存在大量坏死像元。此处,坏死像元指由于受到云遮挡等导致下垫面地物覆盖不能准确被卫星信息捕捉从而不能正常用于实际应用的像素(云识别等研究除外,因为这类研究就是需要有云像素)。坏死像元的存在造成实际应用中数据需求难以得到满足,因此有必要考虑时序影像合成等技术来补充/弥补影像。 时序影像合成,从粗到细,可以分为年合成、半年合成、季度合成、月度合成和半月合成等,在不同学科研究中都有广泛应用,例如半月合成在降雨侵蚀(B因子计算等)中被广泛采用。按照学科和研究需求不同,可以自主选择适合自己研究的合成方式开展研究。 下面就分别以北京主城区为例,使用Landsat-8影像数据集分别实现年合成、半年合成、季度合成、月度合成和半月合成等其中合成方式选择median(大家也可以选择mean、max、min等其他合成方式)。
Twcat_tree
2024-04-25
104
0
【GEE】使用Colab加载Geemap
map
可视化
配置
数据
Twcat_tree
2024-04-25
61
0
【GEE】基于Landsat8数据的地表温度LST反演
数据
image
var
地图
函数
Twcat_tree
2024-04-24
139
0
【遥感图像处理】绘制高光谱3D立方体
数据
数据类型
图像处理
对象
命令行
以“pylab”模式启动IPython。命令行输入:ipython --pylab 将以下代码(注意修改数据集路径)复制到ipython命令窗口中,回车。 这个时候,会弹出Hypercube的窗体,就可以看到绘制的3D图像了。
Twcat_tree
2024-04-24
86
0
【GEE】利用哨兵2号计算NDBI并使用前后时段影像补全空值
var
数据
image
select
time
Twcat_tree
2024-04-24
76
0
GEE非参数趋势分析(Mk-Sen)
var
函数
集合
数据
统计
趋势分析是寻找感兴趣的东西正在增加的地方,或者 减少多少。更具体地说,本教程演示了 使用非参数 Mann-Kendall 检测影像中的单调趋势 测试是否存在增加或减少的趋势以及 Sen 的斜率 量化趋势的幅度(如果存在)。本教程还显示 估计 Mann-Kendall 检验统计量的方差,Mann Kendall 检验统计量是 检验是否存在任何趋势,以及统计量的 P 值(假设 正态分布)。 重要提示:此处介绍的方法 适用于评估单调趋势(即没有季节性的数据) 在离散数据中(即非浮点)。此外,如果应用 本教程中的方法对新数据(即地区、时间范围、来源)可以 需要调整和可视化参数以适应 特别的结果。
Twcat_tree
2024-04-15
147
0
【GEE】下载研究区的Landsat8去云清晰影像
产品
可视化
数据
算法
var
如果你仅仅是使用影像来可视化的话,追求没有云的效果 你可以适当的调整时间,来看看哪一张那个融合后的影像效果最好
Twcat_tree
2024-04-10
156
0
机器学习之特征选择(Feature Selection)
selection
模型
数据
算法
机器学习
特征提取和特征选择作为机器学习的重点内容,可以将原始数据转换为更能代表预测模型的潜在问题和特征的过程,可以通过挑选最相关的特征,提取特征和创造特征来实现。要想学习特征选择必然要了解什么是特征提取和特征创造,得到数据的特征之后对特征进行精炼,这时候就要用到特征选择。本文主要介绍特征选择的三种方法:过滤法(filter)、包装法(wrapper)和嵌入法(embedded)。
Twcat_tree
2024-04-10
340
0
【GEE】遥感数据趋势分析Sen+mk
var
集合
可视化
数据
统计
Twcat_tree
2024-04-10
107
0
Google Earth Engine中的mean()与median():何时使用哪一种?
异常
google
mean
median
数据
在使用Google Earth Engine(GEE)进行数据分析和影像处理时,我们经常会遇到需要对影像进行聚合的情况。而在GEE中,mean()和median()是两个常用的聚合函数。但是,什么时候使用mean(),什么时候使用median()呢?这篇文章将为您详细解答。
Twcat_tree
2024-04-08
103
0
【GEE】基于PCA的LANDSAT 8计算遥感生态指数(RSEI)
数组
add
pca
select
var
Twcat_tree
2024-04-08
131
0
运行pycharm报错:Error running ‘main‘:Argument for @NotNul parameter ‘module‘ of com/intelli/openapi/roo
pycharm
openapi
com
error
module
Twcat_tree
2024-04-05
266
0
利用 Python 处理遥感影像数据:计算年度平均影像
函数
数据
数组
python
遍历
在地球科学、气象学以及环境监测等领域,遥感影像数据是一种重要的信息源,它们可以提供地表的地形、植被覆盖、气候变化等丰富信息。然而,随着观测技术的进步,我们通常会获得大量的遥感影像数据,如何高效地处理和分析这些数据成为了一项挑战。本文将介绍如何利用 Python 中的 GDAL 库处理遥感影像数据,并通过计算年度平均影像来提取更有意义的信息。
Twcat_tree
2024-03-16
104
0
kmeans聚类选择最优K值python实现
import
sse
数据
数组
python
手肘法的核心指标是SSE(sum of the squared errors,误差平方和),
Twcat_tree
2024-02-10
126
0
软件工程导论例题详解(整本书)
程序
软件
软件工程
系统
测试
一、什么是软件危机?它有哪些典型表现?为什么会出现软件危机? 答:软件危机是指在计算机软件开发、使用与维护过程中遇到的一系列严重问题和难题。它包括两方面:如何开发软件,已满足对软件日益增长的需求;如何维护数量不断增长的已有软件。 软件危机的典型表现: (1) 对软件开发成本和进度的估计常常很不准确。常常出现实际成本比估算成本高出一个数量级、实际进度比计划进度拖延几个月甚至几年的现象。而为了赶进度和节约成本所采取的一些权宜之计又往往损害了软件产品的质量。这些都降低了开发商的信誉,引起用户不满。 (2) 用户对已完成的软件不满意的现象时有发生。 (3) 软件产品的质量往往是靠不住的。 (4) 软件常常是不可维护的。 (5) 软件通常没有适当的文档资料。文档资料不全或不合格,必将给软件开发和维护工作带来许多难以想象的困难和难以解决的问题。 (6) 软件成本、软件维护费在计算机系统总成本中所占比例逐年上升。 (7) 开发生产率提高的速度远跟不上计算机应用普及的需求。 软件危机出现的原因: (1) 来自软件自身的特点:是逻辑部件,缺乏可见性;规模庞大、复杂,修改、维护困难。 (2) 软件开发与维护的方法不当:忽视需求分析;认为软件开发等于程序编写;轻视软件维护。 (3) 供求矛盾将是一个永恒的主题:面对日益增长的软件需求,人们显得力不从心。
Twcat_tree
2024-01-27
419
0
最新详细eclipse下载、安装、汉化教程
镜像
配置
软件
eclipse
教程
会显示安装进度,可以耐心的等待安装完成 注意:在48到49%区间会有很多download的操作集中在这一进度,所以看起来会在这里停比较久,但是progress页面是在动的。请打开progress页面确保没有卡在同一个文件!如果停留在同一个文件太久(5分钟以上,否则不视为卡住),请检查你的网络连接,然后重启软件重试!如果在之前Location那一步使用了国内镜像的话,这一步应该不会持续很久。
Twcat_tree
2024-01-27
215
0
【Python】遥感数据趋势分析Sen+mk
统计
python
height
path
数据
1.Theil-Sen Median方法又被称为 Sen 斜率估计,是一种稳健的非参数统计的趋势计算方法。该方法计算效率高,对于测量误差和离群数据不敏感,常被用于长时间序列数据的趋势分析中。对于后续代码计算结果中的slope.tif解读,当slope大于0表示随时间序列呈现上升趋势;slope小于0表示随时间序列呈现下降趋势。
Twcat_tree
2024-01-20
419
0
基于长时间序列栅格数据的MK检验
nan
数据
异常
add
data
MK检验是曼-肯德尔法,又称Mann—Kenddall 检验法,是一种气候诊断与预测技术,应用Mann-Kendall检验法可以判断气候序列中是否存在气候突变,如果存在,可确定出突变发生的时间。Mann-Kendall检验法也经常用于气候变化影响下的降水、干旱频次趋势检测。目前常用于长时间序列的栅格数据的显著性检验,在植被覆盖度,NDVI,NPP等方面尤为常见。 该检验功能强大,不需要样本遵从一定的分布,部分数据缺失不会对结果造成影响,不受少数异常值的干扰,适用性强。不但可以检验时间序列的变化趋势,还可以检验时间序列是否发生了突变。
Twcat_tree
2024-01-20
170
0
点击加载更多
社区活动
RAG七天入门训练营
鹅厂大牛手把手带你上手实战,赢鹅厂证书、公仔好礼!
立即学习
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档