开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

Shapely/PyProj面积计算与谷歌地球引擎或Geojson.io不匹配

Shapely和PyProj是Python中常用的地理空间计算库，用于处理地理坐标数据和地理空间分析。而谷歌地球引擎和Geojson.io是用于地理数据可视化和地图展示的工具。

在面积计算方面，Shapely和PyProj提供了一些函数和方法来计算地理对象的面积。这些计算通常基于特定的地理投影系统，因此在计算之前需要确保数据的投影一致性。Shapely和PyProj可以处理不同的地理投影系统，并提供了转换和投影操作的功能。

谷歌地球引擎和Geojson.io则主要用于地理数据的可视化和交互式地图展示。它们可以加载和显示地理数据，并提供一些工具和功能来编辑和分析地理数据。在这些工具中，面积计算通常是通过对地理对象进行几何操作来实现的，而不是基于特定的地理投影系统。

由于Shapely/PyProj面积计算与谷歌地球引擎或Geojson.io不匹配，可能是由于以下几个原因：

数据投影不一致：Shapely和PyProj在计算面积时需要确保数据的投影一致性，如果数据的投影系统不同，可能导致计算结果与谷歌地球引擎或Geojson.io不一致。
计算方法不同：Shapely和PyProj可能使用不同的算法或方法来计算面积，而谷歌地球引擎或Geojson.io可能使用了其他的计算方法。这些不同的计算方法可能导致计算结果不一致。

针对这个问题，可以尝试以下解决方案：

确保数据投影一致：在进行面积计算之前，使用Shapely和PyProj对数据进行投影转换，确保数据的投影系统与谷歌地球引擎或Geojson.io一致。
使用相同的计算方法：查阅Shapely和PyProj的文档，了解它们的面积计算方法，并尝试使用与谷歌地球引擎或Geojson.io相同的计算方法。
对比不同结果：如果无法保证数据投影一致或使用相同的计算方法，可以将Shapely/PyProj计算的结果与谷歌地球引擎或Geojson.io计算的结果进行对比，评估差异的原因和影响。

腾讯云相关产品和产品介绍链接地址：

腾讯云地理信息服务：https://cloud.tencent.com/product/gis
腾讯云地图开放平台：https://lbs.qq.com/
腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
腾讯云人工智能：https://cloud.tencent.com/product/ai
腾讯云物联网平台：https://cloud.tencent.com/product/iotexplorer
腾讯云区块链服务：https://cloud.tencent.com/product/tbaas
腾讯云游戏多媒体引擎：https://cloud.tencent.com/product/gme
腾讯云音视频处理：https://cloud.tencent.com/product/mps

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

Python地信专题 | 基于geopandas的空间数据分析-坐标参考系篇

在上一篇文章中我们对geopandas中的数据结构展开了较为全面的学习，其中涉及到面积长度等计算的过程中提到了具体的计算结果与所选择的投影坐标系关系密切，投影坐标系选择的不恰当会带来计算结果的偏差，直接关乎整个分析过程的有效与否。

02

（数据科学学习手札75）基于geopandas的空间数据分析——坐标参考系篇

在上一篇文章中我们对geopandas中的数据结构展开了较为全面的学习，其中涉及到面积长度等计算的过程中提到了具体的计算结果与所选择的投影坐标系关系密切，投影坐标系选择的不恰当会带来计算结果的偏差，直接关乎整个分析过程的有效与否。

03

谷歌地球引擎（Google Earth Engine）之数据初探（栅格和矢量）

谷歌地球引擎的厉害之处，在于它是一个云平台，集合了目前许多的遥感数据。我们可以不用再去各种平台搜集遥感数据，直接利用GEE就可以处理我们想要的数据。除了大量的卫星遥感数据，它还整合了一个API，这个API不仅能支持Javascript还支持Python，同时支持对遥感数据的处理。总而言之，它很强。。。而且很适合于一些不喜欢本地平台运作的人。依托GEE，如果你愿意付费，它完全可以成为一个在线运行的服务器，源源不断的产出你需要的结果。

05

python与地理空间分析（一）

在气象数据分析中，地理空间要素是一个必须考虑的关键特征项，也是重要的影响因素。例如气温会随着海拔的升高而降低，地形的坡向朝向也会影响风速的分布，此外，典型的地形会形成特定的气候条件，也是数据挖掘中可以利用的区域划分标准。数据分析中，地理空间分析往往能提供有效的信息，辅助进行决策。随着航空遥感行业的发展，积累的卫星数据也成为了数据挖掘的重要数据来源。地理空间分析有好多软件可以支持，包括Arcgis，QGIS等软件平台，本系列文章将会着重分享python在地理空间分析的应用。主要包括地理空间数据的介绍，常用的python包，对矢量数据的处理，对栅格数据的处理，以及常用的算法和示例。地理空间数据包括几十种文件格式和数据库结构，而且还在不断更新和迭代，无法一一列举。本文将讨论一些常用的地理空间数据，对地理空间分析的对象做一个大概的了解。地理空间数据最重要的组成部分：

05

1990-2021 年30 米全球年度烧毁面积地图 (GABAM)

迄今为止，全球烧毁面积（BA）产品只有较高的空间分辨率，因为目前大多数全球烧毁面积产品都是在主动火灾探测或密集时间序列变化分析的帮助下生成的，这需要非常高的时间分辨率。不过，在本研究中，我们将重点放在基于陆地卫星图像的全球烧毁面积自动测绘方法上。通过利用庞大的卫星图像目录以及谷歌地球引擎的高性能计算能力，我们提出了一种自动流水线，从时间序列的陆地卫星图像中生成 30 米分辨率的全球尺度年度烧毁面积地图，并发布了新颖的 30 米分辨率 2015 年全球年度烧毁面积地图（GABAM 2015）。前言 – 人工智能教程

01

Google Earth Engine谷歌地球引擎直方图与时间序列图绘制

本文主要对GEE中的依据栅格图像绘制直方图与时间序列图并调整图像可视化参数操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第八篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

01

谷歌地球引擎python文档（GEE_python_API）

经过前面两个对谷歌地球引擎（GEE）介绍和简单入门的文章之后（下附文章链接）。终于想起来该更新一些内容了。这期就白嫖一份稍微靠谱一些的GEE_python的函数说明吧，毕竟GEE入门帖有了以后，如果没有一套完整的用户手册，是永远无法很好的使用GEE这套系统，更别提做很好的项目啦。

04

高逼格，谷歌这样玩转大数据

摘要：我们已逐渐认识到，高效使用大数据的核心是将大量的数据分解成许多小部分——在数据库里定位查找，找到与你的需求相关的数据，而不是尝试去“覆盖”全部数据。

05

Google Earth Engine（GEE）——全球建筑物数据集（MSBuildings数据集）包含微软7.77忆建筑物

全球ML建筑脚印必应地图正在发布全球范围内的公开建筑脚印。我们从2014年至2021年的Bing地图图像中检测到777M的建筑，包括Maxar和Airbus的图像。为了完整起见，早期发布的数据集也包括在这个数据集中，并被纳入其中。你可以在这里找到Github repo和关于方法的更多信息。数据集是压缩的，可作为不同地区的GeoJSON和GeoJSONL文件。关于预处理的其他信息和一些更多的背景，可以在这里的博客上找到

01

（数据科学学习手札77）基于geopandas的空间数据分析——文件IO

在上一篇文章中我们对geopandas中的坐标参考系有了较为深入的学习，而在日常空间数据分析工作中矢量文件的读入和写出，是至关重要的环节。

03

Google Earth Engine谷歌地球引擎栅格代数与NDVI计算

本文主要对GEE中的栅格代数与波段计算操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第六篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

02

全世界“触手可达”——Google Earth发布VR版本

谷歌一直在完善自己的虚拟地球模型，日前它已正式宣布其谷歌地球（Google Earth，GE）应用现在可以在虚拟现实中使用。用户可以穿过真正的城市街道，飞越峡谷，传送到世界上任何想去的地方，以一种完全

08

Python地信专题 | 基于geopandas的空间数据分析-文件IO篇

在上一篇文章中我们对geopandas中的坐标参考系有了较为深入的学习，而在日常空间数据分析工作中矢量文件的读入和写出，是至关重要的环节。

02

Google Earth Engine（GEE）—有JS和python为什么GEE还要使用rgee？

谷歌地球引擎是一个计算平台，允许用户在谷歌的基础设施上运行地理空间分析。与平台交互的方式有以下几种：

01

GEE案例——利用谷歌地球引擎的深度学习方法绘制哨兵 1 号地表水地图

卫星遥感在测绘地表水的位置和范围方面发挥着重要作用。绘制地表水地图有多种方法，但深度学习方法并不常见，因为它们 "数据饥渴"，需要大量计算资源。不过，随着各种卫星传感器的出现和云计算的快速发展，遥感科学界正在采用现代深度学习方法。基于云计算的谷歌人工智能平台和谷歌地球引擎的新整合使用户能够大规模部署计算。在本文中，我们研究了两种自动数据标注方法：1. 联合研究中心（JRC）地表水地图；2. Edge-Otsu 动态阈值方法。我们部署了一个 U-Net 卷积神经网络来绘制哨兵-1 合成孔径雷达 (SAR) 数据中的地表水图，并使用不同的超参数调整组合测试了模型性能，以确定最佳学习率和损失函数。然后使用独立的验证数据集对性能进行评估。我们共测试了 12 个模型，发现使用 JRC 数据标签的模型性能更好，训练测试和验证工作的 F1 分数从 0.972 到 0.986 不等。此外，我们还使用了一个独立采样的高分辨率数据集来进一步评估模型性能。通过这一独立验证工作，我们发现利用 JRC 数据标签的模型产生了 0.9130.922 的 F1 分数。通过不同的输入数据、学习率和损失函数成分对模型进行配对比较，发现 JRC 调整二元交叉熵骰模型与其他 66 个模型组合在统计上有所不同，并显示出最高的相对评估指标，包括准确率、精确度得分、科恩卡帕系数和 F1 分数。这些结果与许多传统方法处于同一范围。我们注意到，谷歌人工智能平台与谷歌地球引擎的集成可以成为大规模部署深度学习算法的有力工具，自动数据标注可以成为开发深度学习模型的有效策略，但是独立数据验证仍然是模型评估的重要步骤。

01

Google Earth Engine谷歌地球引擎ee.Image格式栅格数据基本处理

本文主要对GEE中的ee.Image格式数据图层基本处理操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第十篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

03

Google Earth Engine谷歌地球引擎获取投影信息、坐标系及其转换参数

本文主要对GEE中的投影信息与参考坐标系及其空间转换参数获取加以介绍；本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第十二篇。

02

巴西年度土地覆被和利用地图

巴西年度土地利用和土地覆被制图项目是一个由生物群落、土地利用、遥感、地理信息系统和计算机科学专家组成的合作网络，依靠谷歌地球引擎平台及其云处理和自动分类功能生成巴西年度土地利用和土地覆被时间序列。MapBiomas 项目--是一项多机构倡议，旨在利用卫星图像的自动分类过程生成年度土地覆被和利用地图。有关该项目的完整介绍，请点击此处。前言 – 人工智能教程

01

玩转Google

网上浏览信息，用百度搜索的时候，第一页都是广告，真是槽心到极点，果断放弃百度，现在用谷歌是真舒服，用起一句话用好谷歌、用好搜索引擎、你可以打开世界的大门！

02

Google Earth Engine谷歌地球引擎外部数据导入管理及数据与代码共享

本文主要对GEE中的各类外部数据导入、下载与管理以及数据与代码分享等操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第七篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

03

Google Earth Engine谷歌地球引擎地理坐标系、投影坐标系的变换与重投影

本文主要对GEE中地理坐标系与投影坐标系的转换、重投影等操作加以介绍；本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第十三篇。

01

芬兰首都推出城市3D模型，依傍于逼真环境的游戏大地图或可期待

AR和MR等现代技术正在结合真实和虚拟元素，为娱乐，工作和媒体创造令人兴奋的新可能性。据悉，旧金山的Umbra已与芬兰首都赫尔辛基市建立了合作关系，为整个城市提供大量实时3D在线流式3D模型。

02

Google Earth Engine（GEE）——全球红树林分布、地上生物量和树冠高度

全球红树林分布、地上生物量和树冠高该数据集基于遥感和现场测量数据，描述了红树林湿地的全球分布、生物量和树冠高度。利用遥感冠层高度测量和特定区域的异速模型，得出2000年名义年的（1）红树林地上生物量（AGB）、（2）最大冠层高度（最高的树的高度）和（3）基底面积加权高度（单个树的高度按其基底面积的比例加权）的估计值。此外，还提供了(4)全球赤道地区红树林生态类型中各种森林结构（如灌丛、边缘、河流和盆地）的选定地点的现场测量数据。在指定的地块内，选定的树木被确定为物种和胸高直径（DBH），树木的高度用激光测距仪或 clinometer测量。可以估计每个地块的树木密度（茎的数量），并表示为每单位面积。这些数据被用来推导出AGB、基底面积加权高度（Hba）和最大树冠高度（Hmax）之间的小区级异质性，并验证遥感估计值。

01

Google Earth Engine谷歌地球引擎矢量数据裁剪栅格数据

本文主要对GEE中依据矢量数据裁剪栅格数据的操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第三篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

05

谷歌地球(google earth)手机版_谷歌地球官网下载

谷歌地球(Google Earth)是一款Google公司开发的虚拟地球仪软件，它把卫星图像、地图、百科全书和飞行模拟器整合在一起，布置在一个地球的三维模型上。通过它我们可以找到你想找到的地方，当你定位到一个具体的地方的时候，再点击的时候，你都能看清那个地方的建筑，特别真实，有种身临其境的感觉。当你打开谷歌地球(Google Earth)，首先映入眼帘的是地球在宇宙中的画面，画面特别好看，使用起来特别舒服。喜欢的小伙伴们快点下载吧~

01

独家 | 5个机器学习开源项目来挑战你的数据科学技能！（附链接）

5个富有挑战性的机器学习开源项目帮你找到2020的正确打开方式，以下机器学习项目涉及多个领域，包括Python编程及自然语言处理。

02

3D可视化开发之使用QGIS修改GeoJSON数据的心得

最近也是在使用ThingJS制作智慧城市可视化应用，发现ThingJS的CityBuilder使用起来还是特别方便的，但是直接将GeoJSON.io上的数据上传至CItyBuilder时又不是很理想，有时候一不注意，建筑就有一定的偏移，就只能重新把数据放回GeoJSON.io网站上，进行拖拽编辑，这个方法其实也不算复杂，但是随着我绘制的建筑面越来越多、属性值也越来越多的情况下，我发现我快疯了！！！

04

快速测绘和量化地球表面边缘变化的GEE工具-数字化工具(GEEDiT)和边缘变化量化工具(MaQiT)

利用遥感卫星影像来研究边缘变化是环境过程和地球表面驱动因素的定量化指标，例如冰川边缘消退或海平面上升导致的沿海变化。这里介绍了三种新的、可免费使用的工具，它们可以一起用于处理和可视化，Landsat 4-8和Sentinel 1-2卫星存档数据，能够在很短的时间内实现高效的绘图(通过手动数字化)和自动量化边缘变化。这些工具对各种遥感专家的用户都是高度可访问的，在访问方面几乎没有计算、许可和知识方面的障碍。谷歌地球引擎数字化工具(GEEDiT)允许用户定义地球上任何地方的一个点，并通过一个简单的图形用户界面(GUI)对每个卫星的数据进行过滤，以获得用户定义的时间框架、最大可接受的云量，以及预定义或自定义图像波段组合的选项。GEEDiT允许从每个图像快速地绘制地理参考向量，图像元数据和用户注释自动追加到每个向量，然后可以导出用于后续分析。GEEDiT Reviewer工具允许用户对自己/他人的数据进行质量控制，并根据其特定研究问题的空间/时间要求过滤现有的数据集。边缘变化量化工具(MaQiT)是GEEDiT和GEEDiT Reviewer的补充，允许通过使用两种已建立的方法(以前用于测量冰川边缘变化)和两种新的方法，通过类似的简单GUI快速量化这些边缘变化。MaQiT的开发初衷是量化潮汐冰川末端的变化，尽管工具中包含的方法有可能广泛应用于地球表面科学的多个领域(例如,沿海和植被范围的变化)。这些工具将使地球科学领域的广泛研究人员和学生能够有效地绘制、分析和访问大量数据。

02

Google Earth Engine - A Review第二篇

Amani, M., Ghorbanian, A., Ahmadi, S. A., Kakooei, M., Moghimi, A., Mirmazloumi, S. M., … Brisco, B. (2020). Google Earth Engine Cloud Computing Platform for Remote Sensing Big Data Applications: A Comprehensive Review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 1–1. doi:10.1109/jstars.2020.3021052

01

GEE APP——土壤水分资源管理器

由于土壤水分含量与地球气候和天气以及干旱、洪水或山体滑坡等现象有关，因此对许多科学和专业用户来说都非常宝贵。遥感技术为连续测量这一变量提供了独特的可能性。特别是在农业领域，对高空间分辨率绘图的需求非常强烈。然而，目前可操作的土壤水分产品只有中粗空间分辨率（≥1 公里）。本研究介绍了一种基于机器学习（ML）的高空间分辨率（50 米）土壤水分绘图方法，该方法基于 Landsat-8 光学和热图像、哥白尼哨兵-1 C 波段合成孔径雷达图像以及可在谷歌地球引擎中执行的模型数据的整合。这种方法的新颖之处在于将完全由数据驱动的 ML 概念应用于地表土壤水分含量的全球估算。来自国际土壤水分网络的全球分布式原位数据是模型训练的输入。在独立验证数据集的基础上，得出的整体估算精度（根均方误差和 R²）分别为 0.04 m3-m-3 和 0.81。除了检索模型本身，本文还介绍了一个收集训练数据的框架和一个用于土壤水分绘图的独立 Python 软件包。谷歌地球引擎 Python 应用程序接口为完全基于云的数据收集和检索的执行提供了便利。对于土壤湿度检索，它无需下载或预处理任何输入数据集。

01

Google Earth Engine谷歌地球引擎像元条件筛选与掩膜

本文主要对GEE中的栅格图层像元条件筛选与掩膜操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第五篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

05

Google Earth Engine谷歌地球引擎ee.ImageCollection格式多张栅格数据基本处理

本文主要对GEE中的ee.ImageCollection格式数据图层基本处理操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第十一篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

03

GEE数据集——印度河流和流域地表水的时间趋势

该数据集量化了 1991 年至 2020 年 30 年间印度河流和流域地表水面积（SWA）的年度变化范围和速度。该数据集按季节（根据印度的季节划分的年度干水、湿水和常年水）和两种空间尺度进行量化：流域尺度（来自水文地理信息系统的 1516 个 7 级流域）和更细的河段尺度（68,367 个河段）。该数据集来自 JRC 全球地表水探索者（Global Surface Water Explorer）每月地表水出现的历史时间序列。您可以在论文中阅读有关该数据集的更多详情，并在此处访问该数据集。

01

【功能预告】地图可视化之兴趣点轮廓线可视化，最细颗粒度的自动化可视化地图数据包制作

只要是标准的POI搜索，就可以在高德地图上清晰地出现其轮廓线，此轮廓线就是我们接下来制作地图数据包的源材料。

03

Google Earth Engine谷歌地球引擎JavaScript代码基础规则与语句

本文主要对GEE中的JavaScript代码基础规则与语句、函数等加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第九篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。

03

傻瓜式自制「GeoJSON」

当我们做地理坐标系的图表时，怎么找不到合适的底图怎么办？比如天津的底图，往往还是按照以前的行政区划，没有滨海新区；又或者我想把某个产业园区圈出来怎么办？

03

谷歌地球手机版2021登不上服务器_谷歌地球连不上服务器是怎么回事

7、在次运行谷歌地球软件，点击“文件一一登录服务器”，稍等几秒钟熟悉的地球界面出来后，谷歌地球软件即可正常使用。如果谷歌地球软件无法运行，请在windows系统任务管理器中，结束“googleearth.exe”进程，然后在运行谷歌地球软件。

01

GEE数据集——GLANCE 全球土地覆被训练数据集

GLanCE 培训数据集向公众开放，专为区域到全球土地覆被和土地覆被变化分析而设计。该数据集的中等空间分辨率为 30 米，时间跨度为 1984 年至 2020 年，在地理和光谱上代表了全球所有生态区域。每个训练单元提供多达 23 种土地覆被特征，提供了一个统一、标准化和全面的数据库，其中包括有关土地覆被突变和渐变过程的信息，特别是在选定区域的长达 36 年的时间跨度。该数据集具有适应性强的特点，用户可根据自己的研究区域、分类算法和所需的分类图例对其进行子取样和定制，使其成为深入土地覆被调查的多功能资源。前言 – 人工智能教程

01

Google Earth Engine谷歌地球引擎遥感影像自动化地理配准、空间校正

本文主要对GEE中栅格图像的地理配准（空间坐标位置校正）操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第十四篇。

01

GeoJSON 和 TopoJSON

GeoJSON 和 TopoJSON 是符合 JSON 语法规则的两种数据格式，用于表示地理信息。 1. GeoJSON 　　GeoJSON 是用于描述地理空间信息的数据格式。GeoJSON 不是一种新的格式，其语法规范是符合 JSON 格式的，只不过对其名称进行了规范，专门用于表示地理信息。　　GeoJSON 的最外层是一个单独的对象（object）。这个对象可表示：几何体（Geometry）。特征（Feature）。特征集合（FeatureCollection）。　　最外层的 GeoJSON

08

google earth无法连接到服务器_怎么做才能保护地球

近期Google地球、Google Earth、谷歌地球pro版本启动后提示无法连接到登录服务器或者启动后黑屏，可能是DNS污染、IP屏蔽、协议问题或者网络问题，以下介绍三种方法解决。先说结果：第一种修改host文件方法可能行不通，后续也要更新hosts文件，连接可能不稳定；第二种方法是使用免费加速器，可彻底解决此问题；第三种方法就是使用替代的国产软件，如图新地球、奥维地球等。

01

《谷歌地球VR》迎来全新更新，新增大量街景图像

今天，谷歌对《谷歌地球VR》进行了更新，将大量的街景图片添加至该应用中，让用户足不出户，即可探索和感受地球每个角落的自然风光。在新版本的《谷歌地球VR》中，用户可以在VR环境中，查看85个国家或地区

07

#Python实战#神器Geopandas一行代码算出每个省面积

它继承pandas.Series和pandas.Dataframe，实现了GeoSeries和GeoDataFrame类，使得其操纵和分析平面几何对象非常方便。

02

北斗导航系统部署完毕，为何没推出类似于谷歌地图高精度地图？

许多人都认为地图是由北斗、GPS等卫星下发给我们的，但其实不是，定位数据只是电子地图中的很小的一部分，但它绝对是相当重要的部分，因为定位后，地图就可以实现导航的功能，所有的矢量数据、底图图层就活了起来变得更加有意义。

03

使用Fiona创建Shapefile矢量数据

使用Fiona写入Shapefile数据，主要是构建一个Schema，然后将空间对象转为GeoJSON的形式进行写入。

02

你家要走光！谷歌地球搞了个「动态世界」，10米精度实时看遍全球土地

---- 新智元报道编辑：David 时光【新智元导读】谷歌地球整大活，全球每一寸土地变化，现在都可以接近实时监测，精度达10米级，以后家里要被看光了吗？我们的家园，地球，其实真的很能折腾的！当然，有些是自己折腾，比如自然灾难，如洪水和地震，有些是被人类折腾的，如砍伐森林和城市扩张等。地球上的同一个地方，一个月前还是农田，可能一个月后可能就盖起了高楼大厦，一年前还是一片树林，一年后可能因一场大火，就烧成了荒地。掌握这些「折腾」前后的变化很重要，但很难实时掌握。现在，谷歌与世界资源研

03

谷歌地球无法连接服务器解决方法_谷歌地图无法连接服务器是什么原因

从2020年11月20号左右，谷歌地球中国服务器全部关停，所有原来可以使用的hosts,全部不能使用了，导致原来可以在电脑上打开谷歌地球的，现在全部提示无网络，如下图:

01

Python最强地理可视化库Cartopy安装教学

Python 环境下常用的地图绘制包是 Basemap，Cartopy，geopandas，KeplerGl，GeoViews等等，我以前常用的是Basemap，但无奈官方已经在2020年更新了，官方推荐使用Cartopy作为替代。

03

谷歌地球Google Earth打不开的解决办法[通俗易懂]

从2020年11月20号左右，谷歌地球中国服务器全部关停，所有原来可以使用的hosts,全部不能使用了，导致原来可以在电脑上打开谷歌地球的，现在全部提示无网络，如下图:

03

Python学习十大公开免费数据集介绍

很多行友说，想做项目学习和练手没有数据怎么办。又想给行哥投稿赚钱，没有数据拿头分析啊。先别急，这里行哥给大家推荐一些数据来源，足够你去好好分析数据，这些数据用来学习和找工作都不是问题

03

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭