- 用WorldView-2和WorldView-3图像（每像素2米）制作的美国南部海岸湿地地区土地覆盖变化的可视化和比较应用。这个产品的时间覆盖面从2009年到2018年（时间上不一致）。应用程序由南佛罗里达大学海洋科学学院的海洋遥感研究所开发。谷歌地球引擎（GEE）的应用，以非常高的分辨率可视化和比较墨西哥湾北部和佛罗里达州湿地地区的土地覆盖变化和数字高程模型（DEM）。三维湿地应用程序... 用WorldView-2和WorldView-3图像（每像素2米）制作的美国南部海岸湿地地区土地覆盖变化的可视化和比较应用。这个产品的时间覆盖面从2009年到2018年（时间上不一致）。应用程序由南佛罗里达大学海洋科学学院的海洋遥感研究所开发。谷歌地球引擎（GEE）的应用，以非常高的分辨率可视化和比较墨西哥湾北部和佛罗里达州湿地地区的土地覆盖变化和数字高程模型（DEM）。三维湿地应用程序...
- 用WorldView-2和WorldView-3图像（每像素2米）制作的美国南部海岸湿地地区土地覆盖变化的可视化和比较应用。这个产品的时间覆盖面从2009年到2018年（时间上不一致）。应用程序由南佛罗里达大学海洋科学学院的海洋遥感研究所开发。谷歌地球引擎（GEE）的应用，以非常高的分辨率可视化和比较墨西哥湾北部和佛罗里达州湿地地区的土地覆盖变化和数字高程模型（DEM）。三维湿地应用程序... 用WorldView-2和WorldView-3图像（每像素2米）制作的美国南部海岸湿地地区土地覆盖变化的可视化和比较应用。这个产品的时间覆盖面从2009年到2018年（时间上不一致）。应用程序由南佛罗里达大学海洋科学学院的海洋遥感研究所开发。谷歌地球引擎（GEE）的应用，以非常高的分辨率可视化和比较墨西哥湾北部和佛罗里达州湿地地区的土地覆盖变化和数字高程模型（DEM）。三维湿地应用程序...
- 总结：2022年对于我们很多人又是一个不平凡的一年，因为这不平凡的一年中，经历了太多的事情，国家积极为了全国人民的健康保驾护航，而作为个人，我的历程也是“内卷”的一年，而面对很多人疫情期间的无所事事，我除了学习和写博客之外，还有其它很多事情要做。这一年发表了两篇SCI文章，一篇1区，一篇4区，还申请了一项专利，一项软件著作权。在项目参与和申请过程中，参与了4个项目，同时从年前开始申请了国... 总结：2022年对于我们很多人又是一个不平凡的一年，因为这不平凡的一年中，经历了太多的事情，国家积极为了全国人民的健康保驾护航，而作为个人，我的历程也是“内卷”的一年，而面对很多人疫情期间的无所事事，我除了学习和写博客之外，还有其它很多事情要做。这一年发表了两篇SCI文章，一篇1区，一篇4区，还申请了一项专利，一项软件著作权。在项目参与和申请过程中，参与了4个项目，同时从年前开始申请了国...
- 问题：Error: Export too large: specified 378421176 pixels(max: 100000000).Specify higher maxPixels value ifyou intend to export a large area. (Error code: 3)From the following code, I want to export ... 问题：Error: Export too large: specified 378421176 pixels(max: 100000000).Specify higher maxPixels value ifyou intend to export a large area. (Error code: 3)From the following code, I want to export ...
- 今天给大家推荐一篇文章，是我们常见的影像条带修复的文章。 本文的主要内容是：随着云计算的发展，利用谷歌地球引擎（GEE）平台，利用长时间序列的Landsat图像进行水反演、自然灾害监测、土地利用变化等研究也逐渐成为主流。Landsat图像是目前遥感反演的最重要的图像数据源之一。由于单视角图像的时间和天气条件的变化，获得的图像辐射率也不尽相同；因此，使用月或年的时间尺度对多视角图像进行镶嵌，... 今天给大家推荐一篇文章，是我们常见的影像条带修复的文章。 本文的主要内容是：随着云计算的发展，利用谷歌地球引擎（GEE）平台，利用长时间序列的Landsat图像进行水反演、自然灾害监测、土地利用变化等研究也逐渐成为主流。Landsat图像是目前遥感反演的最重要的图像数据源之一。由于单视角图像的时间和天气条件的变化，获得的图像辐射率也不尽相同；因此，使用月或年的时间尺度对多视角图像进行镶嵌，...
- 房山区洪涝灾害风险评价这个可以说不是一个APP，要改进的话可以通过UI控件设定来在MAP上完成，剩余的其它部分都可以实现在，这里灾害风险评价时暴露性结果统计与展示、脆弱性结果统计与展示、危险性结果统计与展示以及洪涝灾害风险结果统计与展示。代码的整个流程主要是受埃希纳加载研究区和数据，然后对DEM、slope、降水强度等进行归一化处理，在这里的每一个归一化处理中，都会通过获取min和max然... 房山区洪涝灾害风险评价这个可以说不是一个APP，要改进的话可以通过UI控件设定来在MAP上完成，剩余的其它部分都可以实现在，这里灾害风险评价时暴露性结果统计与展示、脆弱性结果统计与展示、危险性结果统计与展示以及洪涝灾害风险结果统计与展示。代码的整个流程主要是受埃希纳加载研究区和数据，然后对DEM、slope、降水强度等进行归一化处理，在这里的每一个归一化处理中，都会通过获取min和max然...
- 这里我们在完成上一次的遥感生态指数，这里我们采用上一次已经得到的RSEI中，进行一个广东省市级区域RSEI的平均值，这里广东省中的7个地级市的生态遥感指数。ui.Chart.PIEFeature.byFeature(features,xProperty,yProperty)通过制定矢量数据的feature绘制方法参数：- ui(ui.Chart.PIEFeature.byFeature)调... 这里我们在完成上一次的遥感生态指数，这里我们采用上一次已经得到的RSEI中，进行一个广东省市级区域RSEI的平均值，这里广东省中的7个地级市的生态遥感指数。ui.Chart.PIEFeature.byFeature(features,xProperty,yProperty)通过制定矢量数据的feature绘制方法参数：- ui(ui.Chart.PIEFeature.byFeature)调...
- 这个系统是一个计算京津冀地区的生态宜居性评价的系统，而且是四季性的，整体上代码中，首先是加载数据和加载研究区，然后定义常量参数（定义图层和可视化参数以及图例变量），然后定义指定的研究区数据，这个系统中有一个小的差异加载的全国县级尺度、市级尺度和省级尺度因为研究区的面积大小不同，所用的统计的scale的统计是不同的分别是1000，2000，3000的，以此来提升运算速度同时嵌套了条件函数的与设... 这个系统是一个计算京津冀地区的生态宜居性评价的系统，而且是四季性的，整体上代码中，首先是加载数据和加载研究区，然后定义常量参数（定义图层和可视化参数以及图例变量），然后定义指定的研究区数据，这个系统中有一个小的差异加载的全国县级尺度、市级尺度和省级尺度因为研究区的面积大小不同，所用的统计的scale的统计是不同的分别是1000，2000，3000的，以此来提升运算速度同时嵌套了条件函数的与设...
- 本次我们来查看进行水体处理的分布，我们这里首先对数据进行预处理，先进行NDWI，AWEI、MNDWI等计算函数和去云函数，第二部分市机器学习部分这里有三个机器学习模型，分别是随机森林、贝叶斯和支持向量机NDWI=（Band2-Band4）/（Band2+Band4），式中Band2表示绿光波段的反射率，Band4表示近红外波段的反射率。该方法尽管已经较为古老，但其是最为常用的水体提取方法（... 本次我们来查看进行水体处理的分布，我们这里首先对数据进行预处理，先进行NDWI，AWEI、MNDWI等计算函数和去云函数，第二部分市机器学习部分这里有三个机器学习模型，分别是随机森林、贝叶斯和支持向量机NDWI=（Band2-Band4）/（Band2+Band4），式中Band2表示绿光波段的反射率，Band4表示近红外波段的反射率。该方法尽管已经较为古老，但其是最为常用的水体提取方法（...
- 这里水稻面积提取用阈值法进行，这里我们需要用到的是将随机森林和svm支持向量机的监督分类分析的结果用mask去除和提取，这里我们所需要用到几个函数where(condition,value)执行值的有条件替换。方法参数：- image(Image)Image实例。- condition(Image|Double)测试图像。- value(Image|Double)测试不为零时使用的输出值。... 这里水稻面积提取用阈值法进行，这里我们需要用到的是将随机森林和svm支持向量机的监督分类分析的结果用mask去除和提取，这里我们所需要用到几个函数where(condition,value)执行值的有条件替换。方法参数：- image(Image)Image实例。- condition(Image|Double)测试图像。- value(Image|Double)测试不为零时使用的输出值。...
- 这里分别获取计算2019年和2020年LSWI、EVI两期影像的分析，这里我们有几个常用的函数其中过一个是构建影像集合的一个函数：fromImages(images)根据Image列表构建ImageCollection对象。方法参数：- imageCollection(ImageCollection)ImageCollection实例。- images(Array)影像数据列表返回值：I... 这里分别获取计算2019年和2020年LSWI、EVI两期影像的分析，这里我们有几个常用的函数其中过一个是构建影像集合的一个函数：fromImages(images)根据Image列表构建ImageCollection对象。方法参数：- imageCollection(ImageCollection)ImageCollection实例。- images(Array)影像数据列表返回值：I...
- 这里是第二部分计算水稻提取，这里采用的是监督分类。这里我们将上一次影像的的波段加载出来，然后将其已经选择好的样本点进行分析，这里我们主要用到随机样本点的产生，然后按照7/3分为训练和验证样本进行分析，利用随机森林或者支持向量机的分类方法对训练样本进行分类，我们看样本点等函数：sampleRegions(collection,properties,scale,projection,tileS... 这里是第二部分计算水稻提取，这里采用的是监督分类。这里我们将上一次影像的的波段加载出来，然后将其已经选择好的样本点进行分析，这里我们主要用到随机样本点的产生，然后按照7/3分为训练和验证样本进行分析，利用随机森林或者支持向量机的分类方法对训练样本进行分类，我们看样本点等函数：sampleRegions(collection,properties,scale,projection,tileS...
- 我们这次用国家的边界通过name进行筛选到宿迁市进行分析，本次计算的水稻面积用到的指数是NDVI，LSWI，EVI三种指数进行分析，用到的影像是Landsat 8数据，DEM数据（计算坡度、坡向）还有指定5月和8月份SAR影像（"VH1","VH2"）最后分别加入到Landsat波段影像，可导出我们所合成的影像。先看所用到的函数：aspect(input)计算地形DEM数据的坡向信息（以度... 我们这次用国家的边界通过name进行筛选到宿迁市进行分析，本次计算的水稻面积用到的指数是NDVI，LSWI，EVI三种指数进行分析，用到的影像是Landsat 8数据，DEM数据（计算坡度、坡向）还有指定5月和8月份SAR影像（"VH1","VH2"）最后分别加入到Landsat波段影像，可导出我们所合成的影像。先看所用到的函数：aspect(input)计算地形DEM数据的坡向信息（以度...
- 这里我们利用凉山州作为火灾边界，同样可以切换我们所需要的区域，可以切换省级代码来进行，需要手动修改。这里我们用到的swith 和case的案例条件判断分析，语法switch(n){ case 1: 执行代码块 1 break; case 2: 执行代码块 2 break; default: 与 case... 这里我们利用凉山州作为火灾边界，同样可以切换我们所需要的区域，可以切换省级代码来进行，需要手动修改。这里我们用到的swith 和case的案例条件判断分析，语法switch(n){ case 1: 执行代码块 1 break; case 2: 执行代码块 2 break; default: 与 case...
- 本次教程我们主要是展示一个之前航天宏图竞赛的结果，主题是将PIE二次开发的作品结果的展示：“1984-2021年黄河口及其邻近海域水质遥感监测”，我们这里可以看到一个简单的APP界面，并没有太大的操作，但是代码达到1000+，我们首先看到代码加载矢量边界，并将填充颜色预加载，这里分别设定悬浮泥沙、透明度和叶绿素颜色的设定，然后开始进行相应的Landsat 5/7/8分别计算叶绿素函数，透明... 本次教程我们主要是展示一个之前航天宏图竞赛的结果，主题是将PIE二次开发的作品结果的展示：“1984-2021年黄河口及其邻近海域水质遥感监测”，我们这里可以看到一个简单的APP界面，并没有太大的操作，但是代码达到1000+，我们首先看到代码加载矢量边界，并将填充颜色预加载，这里分别设定悬浮泥沙、透明度和叶绿素颜色的设定，然后开始进行相应的Landsat 5/7/8分别计算叶绿素函数，透明...
上滑加载中
推荐直播
-
Ascend C算子编程之旅：基础入门篇2024/11/22 周五 16:00-17:30
莫老师 昇腾CANN专家
介绍Ascend C算子基本概念、异构计算架构CANN和Ascend C基本概述，以及Ascend C快速入门，夯实Ascend C算子编程基础
回顾中 -
深入解析：华为全栈AI解决方案与云智能开放能力2024/11/22 周五 18:20-20:20
Alex 华为云学堂技术讲师
本期直播我们将重点为大家介绍华为全栈全场景AI解决方案以和华为云企业智能AI开放能力。旨在帮助开发者深入理解华为AI解决方案，并能够更加熟练地运用这些技术。通过洞悉华为解决方案，了解人工智能完整生态链条的构造。
回顾中 -
华为云DataArts+DWS助力企业数据治理一站式解决方案及应用实践2024/11/27 周三 16:30-18:00
Walter.chi 华为云数据治理DTSE技术布道师
想知道数据治理项目中，数据主题域如何合理划分？数据标准及主数据标准如何制定？数仓分层模型如何合理规划？华为云DataArts+DWS助力企业数据治理项目一站式解决方案和应用实践告诉您答案！本期将从数据趋势、数据治理方案、数据治理规划及落地，案例分享四个方面来助力企业数据治理项目合理咨询规划及顺利实施。
去报名
热门标签