- OpenLandMap Long-term Land Surface Temperature Daytime Monthly Median 简介与Notebook示例¶OpenLandMap Long-term Land Surface Temperature Daytime Monthly Median 数据集是 OpenLandMap 项目开发的全球日间地表温度（LST）数据集。该数据... OpenLandMap Long-term Land Surface Temperature Daytime Monthly Median 简介与Notebook示例¶OpenLandMap Long-term Land Surface Temperature Daytime Monthly Median 数据集是 OpenLandMap 项目开发的全球日间地表温度（LST）数据集。该数据...
- GHS Built-up Surface Grid简介与Notebook示例GHS Built-up Surface Grid数据集由Sentinel-2和Landsat数据处理生成，时序包括1975-2030年，在1975年至2020年为估计值并以5年为间隔，2025年和2030年由3种方式（LIN、PLY、MED）进行趋势推演而来的预测值。前言 – 人工智能教程数据集描述了建筑面积的... GHS Built-up Surface Grid简介与Notebook示例GHS Built-up Surface Grid数据集由Sentinel-2和Landsat数据处理生成，时序包括1975-2030年，在1975年至2020年为估计值并以5年为间隔，2025年和2030年由3种方式（LIN、PLY、MED）进行趋势推演而来的预测值。前言 – 人工智能教程数据集描述了建筑面积的...
- 中国10m建筑物高度CNBH数据集(2020年) 简介与Notebook示例复旦大学生命科学学院GC3S团队（吴万本博士、赵斌教授等）利用多源地球观测数据和机器学习技术，构建了中国第一个10米分辨率的建筑高度估计模型（CNBH-10m）。基于此模型建立了中国10米分辨率的建筑高度数据集。此数据集基于全天候地球观测（雷达、光学和夜光图像），采用多窗口统计方法综合考虑了阴影等因素对建筑物高度估... 中国10m建筑物高度CNBH数据集(2020年) 简介与Notebook示例复旦大学生命科学学院GC3S团队（吴万本博士、赵斌教授等）利用多源地球观测数据和机器学习技术，构建了中国第一个10米分辨率的建筑高度估计模型（CNBH-10m）。基于此模型建立了中国10米分辨率的建筑高度数据集。此数据集基于全天候地球观测（雷达、光学和夜光图像），采用多窗口统计方法综合考虑了阴影等因素对建筑物高度估...
- 中国区域2000至2022年月度植被覆盖度产品的空间分辨率250米，China regional 250m fractional vegetation cover data set (2000-2022)合成方式采用月最大值合成。本产品采用基于归一化植被指数（NDVI）像元二分模型，根据土地利用类型确定纯植被像元值和纯裸土像元值，计算中去除湖泊、河流、冰川/永久积雪等区域，实现植被覆盖度计... 中国区域2000至2022年月度植被覆盖度产品的空间分辨率250米，China regional 250m fractional vegetation cover data set (2000-2022)合成方式采用月最大值合成。本产品采用基于归一化植被指数（NDVI）像元二分模型，根据土地利用类型确定纯植被像元值和纯裸土像元值，计算中去除湖泊、河流、冰川/永久积雪等区域，实现植被覆盖度计...
- xlrd是Python的一个库，用于读取和解析Microsoft Excel文件。 xlrd是Python的一个库，用于读取和解析Microsoft Excel文件。
- 全球90米分辨率海洋和陆地DEM数据产品（GDEM_2022）基于30 米分辨率的NASADEM 卫星影像、联合国政府间海洋学委员会的450 m分辨率GEBCO_2021 公开数据和部分区域高分辨率海洋地形数据，采用深度残差预训练神经网络和迁移学习（Transfer Learning）相结合技术，构建了适用于全球区域的DEM-SRNet模型生产完成。前言 – 人工智能教程全球90米分辨率海... 全球90米分辨率海洋和陆地DEM数据产品（GDEM_2022）基于30 米分辨率的NASADEM 卫星影像、联合国政府间海洋学委员会的450 m分辨率GEBCO_2021 公开数据和部分区域高分辨率海洋地形数据，采用深度残差预训练神经网络和迁移学习（Transfer Learning）相结合技术，构建了适用于全球区域的DEM-SRNet模型生产完成。前言 – 人工智能教程全球90米分辨率海...
- ALOS(Advanced Land Observing Satellite)是日本的对地观测卫星，于2006年发射。ALOS卫星载有三个传感器：全色遥感立体测绘仪(PRISM)，主要用于数字高程测绘；先进可见光与近红外辐射计-2(AVNIR-2)，用于精确陆地观测；相控阵型L波段合成孔径雷达（PALSAR），用于全天时全天候陆地观测。前言 – 人工智能教程ALOS-12.5米dem数据来... ALOS(Advanced Land Observing Satellite)是日本的对地观测卫星，于2006年发射。ALOS卫星载有三个传感器：全色遥感立体测绘仪(PRISM)，主要用于数字高程测绘；先进可见光与近红外辐射计-2(AVNIR-2)，用于精确陆地观测；相控阵型L波段合成孔径雷达（PALSAR），用于全天时全天候陆地观测。前言 – 人工智能教程ALOS-12.5米dem数据来...
- 海洋一号C/D(HY-1C/D)卫星按照遥感器类型分为海洋水色扫描仪(COCTS, China Ocean color & Temperature Scanner)、紫外成像仪（UVI， Ultraviolet imager）和海岸带成像仪(CZI, Coastal Zone Imager)。前言 – 人工智能教程HY-1C海岸带成像仪2A产品数据集是一组由HY-1C卫星上的海岸带成像仪（... 海洋一号C/D(HY-1C/D)卫星按照遥感器类型分为海洋水色扫描仪(COCTS, China Ocean color & Temperature Scanner)、紫外成像仪（UVI， Ultraviolet imager）和海岸带成像仪(CZI, Coastal Zone Imager)。前言 – 人工智能教程HY-1C海岸带成像仪2A产品数据集是一组由HY-1C卫星上的海岸带成像仪（...
- 海洋一号C/D(HY-1C/D)卫星按照遥感器类型分为海洋水色扫描仪(COCTS,China Ocean color & Temperature Scanner)、紫外成像仪（UVI,Ultraviolet imager）和海岸带成像仪(CZI,Coastal Zone Imager)。前言 – 人工智能教程海岸带成像仪（CZI）主要用于获取海陆交互作用区域的实时图像资料进行海岸带监测；... 海洋一号C/D(HY-1C/D)卫星按照遥感器类型分为海洋水色扫描仪(COCTS,China Ocean color & Temperature Scanner)、紫外成像仪（UVI,Ultraviolet imager）和海岸带成像仪(CZI,Coastal Zone Imager)。前言 – 人工智能教程海岸带成像仪（CZI）主要用于获取海陆交互作用区域的实时图像资料进行海岸带监测；...
- SeaWiFS仪器是由Orbital Sciences Corporation于1997年8月在OrbView-2（又名SeaStar）卫星上发射的。它收集了从1997年9月到2010年12月任务结束的数据。SeaWiFS仪器有8个光谱波段，从412到865nm，空间分辨率为9公里。它以4公里的分辨率收集全球数据，以1公里的分辨率收集本地数据（有限的车载存储和直播）。该任务和传感器针对海洋... SeaWiFS仪器是由Orbital Sciences Corporation于1997年8月在OrbView-2（又名SeaStar）卫星上发射的。它收集了从1997年9月到2010年12月任务结束的数据。SeaWiFS仪器有8个光谱波段，从412到865nm，空间分辨率为9公里。它以4公里的分辨率收集全球数据，以1公里的分辨率收集本地数据（有限的车载存储和直播）。该任务和传感器针对海洋...
- Modis-Aqua产品包含了L3 Mapped数据，空间分辨率为4km和9km。根据内容的不同分为0级、1级产品，在1B级数据产品之后，划分L2－L4级数据产品，包括：陆地标准数据产品、大气标准数据产品和海洋标准数据产品等三种主要标准数据产品类型，总计分解为44种标准数据产品类型。前言 – 人工智能教程MODIS目前主要存在于两颗卫星上：TERRA和AQUA。AQUA每日地方时下午过境... Modis-Aqua产品包含了L3 Mapped数据，空间分辨率为4km和9km。根据内容的不同分为0级、1级产品，在1B级数据产品之后，划分L2－L4级数据产品，包括：陆地标准数据产品、大气标准数据产品和海洋标准数据产品等三种主要标准数据产品类型，总计分解为44种标准数据产品类型。前言 – 人工智能教程MODIS目前主要存在于两颗卫星上：TERRA和AQUA。AQUA每日地方时下午过境...
- 北京时间7月13日凌晨，马斯克在Twitter上宣布：“xAI正式成立，去了解现实。”马斯克表示，推出xAI的原因是想要“了解宇宙的真实本质”。Ghat GPT横空出世已有半年，国内外“百模大战”愈演愈烈，AI大模型的现状与发展，你怎么看？前言 – 人工智能教程“反AI斗士”马斯克进军AI，你怎么看？马斯克宣布成立xAI人工智能公司，着实令人振奋。人工智能是一个极具潜力的技术，它有可能彻底改... 北京时间7月13日凌晨，马斯克在Twitter上宣布：“xAI正式成立，去了解现实。”马斯克表示，推出xAI的原因是想要“了解宇宙的真实本质”。Ghat GPT横空出世已有半年，国内外“百模大战”愈演愈烈，AI大模型的现状与发展，你怎么看？前言 – 人工智能教程“反AI斗士”马斯克进军AI，你怎么看？马斯克宣布成立xAI人工智能公司，着实令人振奋。人工智能是一个极具潜力的技术，它有可能彻底改...
- 使用colab之前一定要进行下面代码的加载：安装 Earth Engine API 和 geemap安装 Earth Engine Python API 和 geemap。 geemap Python 包基于 ipyleaflet 和 folium 包构建，并实现了与 Earth Engine 数据层交互的多种方法，例如 Map.addLayer()、Map.setCenter() 和 Ma... 使用colab之前一定要进行下面代码的加载：安装 Earth Engine API 和 geemap安装 Earth Engine Python API 和 geemap。 geemap Python 包基于 ipyleaflet 和 folium 包构建，并实现了与 Earth Engine 数据层交互的多种方法，例如 Map.addLayer()、Map.setCenter() 和 Ma...
- Classification example for Landsat 8 imagery土地分类是地学科学中的一个重要领域，可以帮助我们更好地了解和管理地球表面的不同土地类型。在Google Earth Engine（GEE）中，在使用Landsat影像进行土地分类时，进行土地分类可以利用其强大的遥感数据处理和分析能力。以下是使用GEE进行土地分类的基本步骤：1.收集遥感数据：使用GEE中提... Classification example for Landsat 8 imagery土地分类是地学科学中的一个重要领域，可以帮助我们更好地了解和管理地球表面的不同土地类型。在Google Earth Engine（GEE）中，在使用Landsat影像进行土地分类时，进行土地分类可以利用其强大的遥感数据处理和分析能力。以下是使用GEE进行土地分类的基本步骤：1.收集遥感数据：使用GEE中提...
- Land Surface Phenology with Sentinel-2使用Sentinel-2的地表现象学这个资源库包含谷歌地球引擎的代码，该代码是为了用Sentinel-2在高纬度地区估计地表现象学（LSP）指标（季节的开始和结束（SoS和EoS））而开发。LSP的提取方法是阈值法。Sentinel-2A/B串联卫星的高空间分辨率和重访时间使得对地表物候学的检索有可能得到改善。然而... Land Surface Phenology with Sentinel-2使用Sentinel-2的地表现象学这个资源库包含谷歌地球引擎的代码，该代码是为了用Sentinel-2在高纬度地区估计地表现象学（LSP）指标（季节的开始和结束（SoS和EoS））而开发。LSP的提取方法是阈值法。Sentinel-2A/B串联卫星的高空间分辨率和重访时间使得对地表物候学的检索有可能得到改善。然而...
上滑加载中
推荐直播
-
OpenHarmony应用开发之网络数据请求与数据解析2025/01/16 周四 19:00-20:30
华为开发者布道师、南京师范大学泰州学院副教授，硕士研究生导师，开放原子教育银牌认证讲师
科技浪潮中，鸿蒙生态强势崛起，OpenHarmony开启智能终端无限可能。当下，其原生应用开发适配潜力巨大，终端设备已广泛融入生活各场景，从家居到办公、穿戴至车载。 现在，机会敲门！我们的直播聚焦OpenHarmony关键的网络数据请求与解析，抛开晦涩理论，用真实案例带你掌握数据访问接口，轻松应对复杂网络请求、精准解析Json与Xml数据。参与直播，为开发鸿蒙App夯实基础，抢占科技新高地，别错过！
回顾中 -
Ascend C高层API设计原理与实现系列2025/01/17 周五 15:30-17:00
Ascend C 技术专家
以LayerNorm算子开发为例，讲解开箱即用的Ascend C高层API
回顾中
热门标签