自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(63)
  • 收藏
  • 关注

原创 geemap学习笔记053:纹理特征

纹理特征通常描述了遥感影像中像素之间的空间关系和变化,对于地物分类、目标检测以及图像分割等遥感应用非常有价值。本节将会介绍Earth Engine中提供的一些纹理特征计算方法,包括熵和灰度共生矩阵。

2024-01-23 09:00:00 388

原创 geemap学习笔记052:影像多项式增强

下面介绍的主要内容是应用对图像进行多项式增强。

2024-01-22 09:54:48 432

原创 geemap学习笔记051:获取影像的范围

通常在筛选的过程中,需要获取得到影像的边界范围,下面就将介绍一下如何获取影像的范围。

2024-01-19 09:00:00 410

原创 geemap学习笔记050:掩膜操作

在进行相关操作时,往往需要对一部分范围的值进行掩膜,以去掉这一部分的值。Earth Engine中已经提供了相关的掩膜操作,下面将会详细的介绍一下。

2024-01-18 09:00:00 431

原创 geemap学习笔记049:下载Landsat数据时遇到的一个问题

最近在下载Landsat 8 地面反射率数据(Surface Reflectance)时,遇到了一个问题,无论是使用函数还是函数下载的数据,易康都打不开,显示,如下图。利用ENVI软件进行多次检查和对比,发现不是坐标系的问题,而是数据类型的问题,因为易康软件中不识别数据类型,所以最开始是使用Python进行了数据类型转换,后来发现Earth Engine在下载前就可以实现数据类型的转换。下面将会介绍这两种方法。

2024-01-17 09:00:00 411

原创 geemap学习笔记048:光谱变换

Earth Engine中有多种光谱变换方法。其中包括图像上的实例方法,例如 normalizedDifference()、unmix()、rgbToHsv() 和 hsvToRgb()。

2024-01-16 09:00:00 337

原创 geemap学习笔记047:边缘检测

边缘检测适用于众多的图像处理任务,除了上一节[[geemap046:线性卷积–低通滤波器和拉普拉斯算子|线性卷积]]中描述的边缘检测核之外,Earth Engine 中还有几种专门的边缘检测算法。其中Canny 边缘检测算法使用四个独立的滤波器来识别对角线、垂直和水平边缘。计算提取水平和垂直方向的一阶导数值并计算梯度幅值, 较小幅度的梯度则会被抑制。

2024-01-15 09:00:00 415

原创 geemap学习笔记046:线性卷积--低通滤波器和拉普拉斯算子

本节的主要的内容是介绍earth engine中的线性卷积,主要的函数是image.convolve(),主要的操作包括低通滤波器和拉普拉斯算子。

2024-01-12 09:00:00 706

原创 geemap学习笔记045:单波段图像梯度计算

求图像的梯度,一般是指在灰度图像或者彩⾊图像上的操作。数字图像是离散的点值谱,也可以叫⼆维离散函数。图像的梯度就是这个⼆维离散函数的求导。下面将详细介绍earth engine中单波段图像的梯度计算。

2024-01-11 09:00:00 348

原创 geemap学习笔记044:形态学操作--腐蚀、膨胀、开运算、闭运算

形态学操作是图像处理中的一种基本操作,其主要目的是通过改变图像的形状或结构来提取图像中的特定信息、去除噪声、分割图像中的不同对象等。形态学操作通常应用于二值图像,其中图像中的像素只有两个取值,通常是0和1。是为了缩小或消除图像中的物体边界,通过将结构元素在图像上滑动,只有当结构元素覆盖的区域内所有像素都为1时,中心像素才为1,否则为0;是为了扩大或连接图像中的物体,通过将结构元素在图像上滑动,只要结构元素与图像中的任何像素相交,中心像素就设为1;是先腐蚀后膨胀,有助于去除小物体、平滑物体边界;

2024-01-10 09:00:00 368

原创 geemap学习笔记043:开始Earth Engine Python脚本

前段时间是针对geemap中的和进行了系统学习,针对其中所涉及到的geemap例子进行了详细的记录和备注,虽然感觉已经是入门了不少,例如earth engine无非就是涉及到Image、ImageCollection、Geometry、Feature、FeatureCollection及其运算,但是对earth engine中涉及到的方法还了解较少,例如边缘检测等等。

2024-01-09 09:00:00 366

原创 geemap学习笔记042:CLCD与GlobeLand 30米土地覆盖数据集整理

CLCD与GlobeLand30都是非常常用的30米土地覆盖数据集,其中CLCD提供了1985、1990-2022年数据,GlobeLand30只提供了2000、2010、2020三年的数据集,下面就详细的介绍如何调用这两种数据集。

2024-01-08 09:00:00 805

原创 geemap学习笔记041:Landsat Collection2系列数据去云算法总结

去云算法是进行数据处理中所要进行一步重要操作,Sentinal-2数据中已经提供了去云算法,但是Landsat Collection2系列数据中并没有提供去云算法,下面就以Landsat 8 Collection2为例进行介绍。

2024-01-05 09:00:00 509

原创 geemap学习笔记040:GEE中样本点选择操作流程

geemap中目前有一个bug,就是在选择样本点的时候不合理,选完一类样本之后,没法继续选择下一类,并且没法在线进行编辑和修改。因此目前就只能结合在线版的GEE进行样本选择,本节就详细的介绍一下GEE中样本点的选择过程。

2024-01-04 09:00:00 701

原创 geemap学习笔记039:分析地理空间数据--合成无云影像

本节介绍的内容是对于众多的原始Landsat数据,利用ee.Algorithms.Landsat.simpleComposite()将其处理为TOA数据,并且合成无云影像。

2024-01-03 09:00:00 326

原创 geemap学习笔记038:分析地理空间数据--统计可用图像的数量

在进行实验研究的时候,往往需要对研究区内的可用图像进行统计,然后直观的进行展示,下面将介绍用一行代码来实现这个操作。

2024-01-02 09:00:00 384

原创 Python函数中的*args,**kwargs作用与用法

最近在使用Python函数的时候,经常碰见函数中使用*args**kwargs,而且参数的传递也是非常奇特,就特意对Python函数中*args**kwargs进行了查询,下面就以实例进行说明。

2023-12-29 15:43:18 807

原创 geemap学习笔记037:分析地理空间数据--坐标格网和渔网

坐标格网(Coordinate Grid)简称“坐标网”,是按一定纵横坐标间距,在地图上划分的格网,坐标网是任何地图上不可缺少的要素之一。下面将详细介绍一下坐标格网和渔网。

2023-12-29 09:00:00 556

原创 geemap学习笔记036:分析地理空间数据--Earth Engine约简(reductions)

reduction” 通常指的是将一个数据集合(例如列表)通过某种操作缩减为一个单一的值。这个操作可以是求和、求平均值、找到最大/最小值等。下面将介绍Earth Engine中的List reductions、ImageCollection reductions、Image reductions、FeatureCollection reductions。

2023-12-28 09:00:00 344

原创 geemap学习笔记035:可视化地理空间数据--阴影地形图、等高线

山体阴影也称为晕渲地貌,是一种以视觉方式传达地形的技术, 它通过模拟光线和阴影落在表面上的方式,在平面地图上描绘景观的3D表面。等高线指的是地形图上高度相等的相邻各点所连成的闭合曲线。本节就将介绍一下如何使用geemap制作阴影地形图和等高线。

2023-12-27 09:00:00 351

原创 geemap学习笔记034:可视化地理空间数据--Time slider

众多的遥感数据大都是时间序列数据,在时间尺度上如何更好地观察数据,下面就介绍一下Time slider工具的使用。

2023-12-26 09:00:00 331

原创 geemap学习笔记033:可视化地理空间数据--Linked maps

当有多种结果需要进行显示时,尤其是需要进行联动显示时,geemap中提供了一个linked_maps函数,可以进行对比显示,这个函数的作用就类似于ENVI中的view links功能。

2023-12-25 09:00:00 421

原创 geemap学习笔记032:可视化地理空间数据--显示标签

矢量数据的一大特点就是含有丰富的属性信息,本节就介绍一下如何在底图中显示矢量数据的标签信息。

2023-12-22 09:00:00 384

原创 geemap学习笔记031:使用Earth Engine数据--FeatureCollection

本节将会详细的介绍一下Earth Engine数据类型FeatureCollection的加载、创建、Filtering、可视化等等。

2023-12-21 09:00:00 495 2

原创 geemap学习笔记030:使用Earth Engine数据--Feature

本节将会详细的介绍一下Earth Engine数据类型Feature的创建、属性的设置和属性的获取。

2023-12-20 09:00:00 365

原创 geemap学习笔记029:使用Earth Engine数据--几何(Geometry)数据

从本节开始将会分类别的进行学习,例如使用Earth Engine数据、使用本地地理数据、可视化地理数据、分析地理数据等,当然前面介绍过的,就不再赘述。

2023-12-19 09:00:00 404

原创 geemap学习笔记028:Landsat8计算时间序列NDVI并导出

本节则是以Landsat8影像数据为例,进行NDVI时间序列计算,并将得到的时间序列NDVI进行展示并导出。

2023-12-18 09:00:00 428

原创 geemap学习笔记027:遥感影像指数计算,并依据研究区进行裁剪

这里定义了两种NDVI函数,第一种是集成在GEE中,可以直接调用,但并不是每一种指数都集成到了GEE中;第二种是一种自定义的函数,比较直观,可以根据自己的需求进行修改。def NDVI_V1(image): #定义第一种NDVI函数def NDVI_V2(image): #定义第二种NDVI函数。

2023-12-15 09:00:00 259

原创 Python实现图像批量png格式转为npy格式

在进行深度学习处理时,有些的代码处理的数据格式为npy,但是常常有的数据格式为png,因此下面就用Python实现图像批量png格式转为npy格式,代码进行了详细注释。

2023-12-14 20:37:40 603

原创 geemap学习笔记026:如何循环加载影像集合中的每一景影像,筛选,并且进行导出

影像集合中通常包含多景可用的影像,但是我们有时候需要查看经过某一个区域的每一景影像,然后筛选最适合的一景,今天就来实现这个操作。

2023-12-14 09:00:00 254 1

原创 geemap学习笔记025:为地图中的底图数据添加颜色条(colorbar)

为地图中的数据添加颜色条,有利于辅助地图的使用,本节就介绍一下如何在底图数据中添加颜色条。

2023-12-13 09:00:00 86

原创 geemap学习笔记024:从Earth Engine中获取遥感图像的缩略图

遥感图像的缩略图通常是以较小的数据量对整景影像有一个全面的展示,便于分享和观察,本节就介绍一下如何下载遥感图像的缩略图。

2023-12-12 09:00:00 50

原创 geemap学习笔记023:利用点矢量文件从Earth Engine图像中提取像素值

遥感数据中通常需要根据点矢量文件来提取点对应位置的像素值,包括DEM、波段值等。

2023-12-11 09:00:00 77

原创 geemap学习笔记022:如何找出一年中最绿的一天?

这虽然是一个问题,但是解决这个问题之后,就会学习到很多的内容。包括如何计算NDVI、如何进行镶嵌、如何获取影像的时间等等。

2023-12-08 09:00:00 44

原创 geemap学习笔记021:提取页面交互区域像素值

本节介绍的内容是如何提取交互界面中的单一像素值以及区域像素均值等,并且导出为CSV或者SHP文件。

2023-12-07 09:00:00 39

原创 geemap学习笔记020:如何搜索Earth Engine Python脚本

本节内容比较简单,但是对于自主学习比较重要,JavaScript提供了很多的示例代码,为了便于学习,geemap将其转为了Python代码。

2023-12-06 09:00:00 53

原创 geemap学习笔记019:监督分类与精度验证(下)

本节将继续上一节未完成的内容。

2023-12-05 09:00:00 69

原创 geemap学习笔记019:监督分类与精度验证(上)

上一节中介绍了,今天就详细介绍一下监督分类与精度验证。从这一节开始,我也是配置了本地的geemap,就可以不用colab了,配置也是花了挺长时间,但好在也是能够成功应用了,准备用两节的时间介绍监督分类与精度验证。GEE中的监督分类方法主要是包括以下几种,包括决策树、随机森林(RF)、贝叶斯、支持向量机(SVM)等。监督分类主要是包括以下几个步骤:(1)收集数据,包括待分类的影像数据以及标签数据;(2)划分训练集和测试集;(3)利用训练数据训练一个分类器;(3)对原有的数据进行分类;(4)精度验证。

2023-12-04 09:00:00 269

原创 geemap学习笔记018:非监督分类

非监督分类是遥感影像中非常常用的一种分类方式,下图是Earth Engine中常用的聚类方法,本节就以landsat 8数据为例,采用方法进行聚类分类。

2023-12-01 09:00:00 59

原创 Python实现特征降维--主成分分析 (PCA)

主成分分析是一个重要的线性变换方法,能够将数据从高维降到低维,这篇文章就是主要介绍如何使用PCA实现数据降维。

2023-11-30 16:34:51 208

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除