本文介绍基于Python中whitebox模块,对大量长时间序列栅格遥感影像的每一个像元进行忽略NoData值的多时序平均值求取。
本文介绍基于Python中ArcPy模块,对大量不同时相的栅格遥感影像按照其成像时间依次执行批量拼接的方法。
本文介绍基于Python语言,结合已知研究区域中所覆盖的全部遥感影像的分幅条带号,从大量的遥感影像文件中筛选落在这一研究区域中的遥感影像文件的方法。
ENVI是一款专业的遥感图像处理软件,已经成为了遥感图像处理领域最为流行和实用的软件之一。它具有非常强大的图像处理、数据分析以及图像可视化等功能,同时还支持多种格式的遥感图像数据导入和导出,可以满足用户对遥感数据处理和分析的各种需求。本文将对ENVI的主要功能和使用技巧进行介绍,并结合实际案例进行详细说明。
本文介绍基于Python中ArcPy模块,对大量长时间序列栅格遥感影像文件的每一个像元进行多时序平均值的求取。
本文介绍批量下载遥感影像时,利用Python实现已下载影像文件的核对,并自动生成未下载影像的下载链接列表的方法。
本文介绍基于R语言中的raster包,遍历读取多个文件夹下的多张栅格遥感影像,分别批量对每一个文件夹中的多个栅格图像计算平均值,并将所得各个结果栅格分别加以保存的方法。
本文介绍基于Python中ArcPy模块,对大量栅格遥感影像文件批量进行相减做差的方法。
本文介绍基于R语言中的raster包,遍历文件夹,读取文件夹下的大量栅格遥感影像,并逐一对每一景栅格图像加以拼接、融合,使得全部栅格遥感影像拼接为完整的一景图像的方法。
本文介绍基于Python语言,针对一个文件夹下的大量栅格遥感影像文件,基于其各自的文件名,分别创建指定名称的新文件夹,并将对应的栅格遥感影像文件复制到不同的新文件夹下的方法。
本文介绍基于Python中ArcPy模块,对大量栅格遥感影像文件进行批量掩膜与批量重采样的操作。
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。
本文介绍基于Python中ArcPy模块,对大量栅格遥感影像文件批量进行无效值(NoData值)填充的方法。
本文介绍基于gdal模块,在命令行中通过GDAL命令的方式(不是Python或者C++代码,就是gdal模块自身提供的命令行工具),对栅格遥感影像数据加以投影,即将原本的地理坐标系转为投影坐标系的方法。
前面我们介绍了Landsat系列卫星遥感影像数据USGS中批量下载多张图像的方法。而较之Landsat、Sentinel等遥感数据,MODIS影像数据下载略嫌麻烦,更重要的是其下载方法经常失效,下载网站的网络访问有时也不太稳定。这里介绍一种基于Earthdata的MODIS批量下载方法,但要注意:截止2021年05月,该方法也变成了只能借助可以使得我们访问外国网站的软件才可以进行下载的方法。
本文介绍在ArcGIS下属的ArcMap软件中,基于Mosaic工具,批量对大量栅格遥感影像文件加以拼接、镶嵌的方法。
例如:下面的表格中,A列是所有的自然保护地,B列是有遥感图的自然保护地,我的任务是需要找出哪些自然保护地是没有遥感图的。简单说,就是找出A列有,B列没有的单元格。
内容概要:土地分类是遥感影像的重要应用场景之一,本文介绍了土地分类的几个常用方法,并利用开源语义分割代码,打造了一个土地分类模型。
Google Earth Engine (GEE)是一个基于云计算的遥感大数据处理平台,能够在全球尺度下进行地理空间数据分析和交互免费的计算平台。GEE主要面向研究人员,GEE已广泛应用于各个学科,包括全球森林变化、全球地表水变化、作物产量估算、稻田制图、城市制图、洪水制图、火灾恢复和疟疾风险图谱等。它也已集成到许多第三方应用程序中,例如分析物种栖息地范围、监测气候和评估土地利用变化等。
很久没更新公众号啦,给看客老爷们汇报下我最近都在忙啥。由于工作和自己的原因,需要搞一点科研,这一直是我的短板。所以我浅学了一下大学数学(线代、高数和概率论),准备结合Python做一些事情。后面可能会更新我学数学的一些心得,大家记得关注哦(我先学会再说)。
在之前的博客中,我们曾多次介绍过将图层的地理坐标系转为投影坐标系的方法,也就是投影操作——例如ArcGIS矢量图层投影与地理坐标系转为投影坐标系——ArcMap,以及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,还有ArcMap通过模型构建器导出地理与投影坐标系转换的Python代码等。而在本文中,我们将反过来,介绍把一个栅格图像原本的投影坐标系转为地理坐标系的方法。
本文介绍基于Python中的ArcPy模块,依据渔网的矢量数据文件或通过手动划分小方格的方法,批量将大量栅格图像分割为多个矩形小栅格的方法。
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。
本文介绍基于Python中的gdal模块,对大量长时间序列的栅格遥感影像文件,绘制其每一个波段中、若干随机指定的像元的时间序列曲线图的方法。
本文介绍基于Python语言中的gdal模块,对2景不同的遥感影像加以对应位置像素值匹配的方法——即基于一景遥感影像的每一个像元,提取另一景遥感影像中,与之空间位置相同的像元的像素值的方法。
来源:专知本文为书籍介绍,建议阅读5分钟第4版,专注于开发和实现统计驱动的、数据驱动的技术,用于遥感图像的数字图像分析。 遥感图像分析、分类和变化检测:With Algorithms for Python,第4版,专注于开发和实现统计驱动的、数据驱动的技术,用于遥感图像的数字图像分析,它的特点是算法的统计和机器学习理论与计算机代码紧密交织。它开发了用于光学/红外和合成孔径雷达(SAR)图像分析的统计方法,包括小波变换、非线性分类的核方法,以及前馈神经网络背景下的深度学习介绍。 https://www.ro
本文介绍基于Python语言中的gdal模块,读取一景.tif格式的栅格遥感影像文件,提取其中每一个像元的像素数值,对像素值加以计算(辐射定标)后,再以一列数据的形式将计算后的各像元像素数据保存在一个.csv格式文件中的方法。
本文介绍Momenta、蔚来、中国信息通信研究院、昆仑万维、滴滴、易智瑞等企业各类技术岗位的暑期实习、日常实习面试流程与具体问题。
在上一篇推文中,我展示了如何使用Python结合Landsat制作遥感影像图(Python干货 | 制作遥感影像图)。
本文介绍利用Python语言arcpy等模块,实现栅格图层建立与多幅遥感影像数据批量拼接(Mosaic)的操作。
最近在用python处理一些遥感方面的数据,看到很多有用的帖子和文章,就在这里汇总记录一下。
Segment-Geospatial包的灵感来自Aliaksandr Hancharenka[2]创作的Segment-anything-eo[3]存储库。为了方便对地理空间数据使用分段任意模型 (SAM),我开发了segment-anything-py[4] and segment-geospatial[5]Python 包,这些包现在可以在 PyPI 和 conda-forge 上使用。我的主要目标是简化利用 SAM 进行地理空间数据分析的过程,使用户能够以最少的编码工作来实现这一目标。我从segment-anything-eo[6]存储库中改编了segment-geospatial 的源代码,其原始版本归功于Aliaksandr Hancharenka。
打开任何一个浏览器搜“地理空间数据云”或者在网页地址处输入网址:http://www.gscloud.cn,注册账号登录进去,点击高级搜索,设定下载区域范围以及传感器类型即可下载所需遥感数据,如下图所示。
本文介绍基于Python中gdal模块,对大量多时相栅格图像,批量绘制像元时间序列折线图的方法。
反正我不是很熟,我只知道它很酷、很快、而且很厉害,不过好像也有很多缺陷。很酷很快很厉害我就不多说了,网上的彩虹屁多的和牛毛一样。我主要想说说几个问题,虽然这些问题可能只有我会遇到(意思是可能我安装的姿势不太对)。
尽管地面实测可以提供较为准确的LAI,不过由于地面实测只能获取点尺度的数据,并且数据获取比较困难,因此受到了极大限制。遥感可以获取大范围、多时相、多光谱的数据,因此可以应用于LAI的估算中。通常使用遥感反演LAI使用的变量都为植被指数,例如NDVI,EVI等。
本文介绍基于Python中ArcPy模块,基于矢量数据范围,对大量栅格遥感影像加以批量裁剪掩膜的方法。
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:
作为摄影测量与遥感的从业者,笔者最近开始深入研究gdal,为工作打基础!个人觉得gdal也是没有什么技术含量,调用别人的api。但是想想这也是算法应用的一个技能,多学无害!
遥感图像往往尺寸较大,无法用默认的图像浏览器加载。 GDAL是空间数据处理的开源包,支持多种数据格式的读写。 遥感图像是一种带大地坐标的栅格数据,因此,可以借用GDAL对遥感图像进行读写,本文就来记录一些相关操作。
目的:将tif格式的遥感图片转换为jpg,匹配下级的I/O操作 why:其实基于linux的convert命令集合bash可以做到普通的tif转jpg,但是对于遥感的图片,也就是栅格数据是不支持这样的转换的,好像是因为tif的格式是32位的,但是普通的图片只有8位数。
mac用起来还是有很多不方便的地方,app很局限也都不是很好用,mac自带的截图工具,格式是tiff,需要转成jpg才能在代码中使用,利用python代码很轻松做到了这一点:
开源发展至今,越来越多的开发者共享免费代码的同时,也将自己的项目和代码大方骄傲地分享出来。使用者自由的获得项目成果,贡献者找到成就和价值,然后,更多的开发者加入使用、共同开发,如此正向循环,从而推动社区生态良性发展…
城市白模数据是数字孪生城市重要的基础数据组成部分。不少做数字孪生的开发者经常因为没有建筑物数据而困惑,下面列觉了四种获取建筑物白模数据的方法。
MAIAC全称Multi-Angle Implementationof Atmospheric Correction algorithm (多角度大气校正算法),主要生产的是气溶胶光学厚度(AOD)产品,在MODIS数据库中的序列号是MCD19A2,目前有c6和c6.1两个版本。空间分辨率1km,时间分辨率为1d。这个算法得到的AOD更为精确,同时获得的AOD范围也更为广泛。有兴趣的同学可以到NASA官网了解更为丰富的MAIAC算法细节(本文不做扩展)。
Sentinel 2 是一个卫星系统,可提供地球表面的高分辨率多光谱图像。这些图像包含大量信息,可用于监测土地利用、植被、水资源和许多其他环境因素的变化。分析 Sentinel 2 图像可能是一项艰巨的任务,但在 ChatGPT 和 Python 的帮助下,它可以变得更加简单和高效。在本文中,我们将讨论如何使用 ChatGPT 分析 Sentinel 2 图像,我们将提供一些 Python 示例代码以帮助您入门。本文中的代码是由 chatGPT 创建的。
前期推文Python中gdal栅格影像读取计算与写入及质量评估QA波段筛选掩膜详细介绍了基于Python语言gdal等模块实现遥感影像栅格数据的读取,以及基于质量评估(QA)波段实现栅格像元筛选与掩膜的全部操作。而在本文,我们依据前述这一篇推文的代码,结合大家更为熟悉的MODIS系列遥感影像产品,基于其质量评估波段进行具体的对照讲解。也就是说,本文重点不在于代码的讲解(具体代码在前述这一篇推文中已经很详细地介绍了),而是将上述代码在更为具体的一个实践中加以应用,告诉大家该如何选择波段、处理质量评估QA波段并进行筛选操作等。同时,这里还有一点需要注意:在MODIS系列遥感影像中,质量评估波段更应该称为质量控制波段,因为其官方手册中将其写作Quality Control,因此后文就写作质量控制波段或QC波段。
本文介绍基于Python中ArcPy模块,基于具有多个面要素的要素类,批量分割大量栅格图像的方法。
领取专属 10元无门槛券
手把手带您无忧上云