gee案例:基于entinel-爱代码爱编程
摘要 要加强对国家有限水资源的监控和管理,就必须提高灌溉面积测绘的精确度。 本研究比较了谷歌地球引擎平台上的机器学习算法、分类和回归树(CART)、梯度树提升(GTB)、随机森林(RF)和支持向量机(SVM)。 研究使用哨兵-2 多光谱和哨兵-1 合成孔径雷达卫星数据对 2021/22 年灌溉季节的小农灌溉区进行分类。 根据投入和农业生态对方法的准确性进
代码编织梦想
摘要 要加强对国家有限水资源的监控和管理,就必须提高灌溉面积测绘的精确度。 本研究比较了谷歌地球引擎平台上的机器学习算法、分类和回归树(CART)、梯度树提升(GTB)、随机森林(RF)和支持向量机(SVM)。 研究使用哨兵-2 多光谱和哨兵-1 合成孔径雷达卫星数据对 2021/22 年灌溉季节的小农灌溉区进行分类。 根据投入和农业生态对方法的准确性进
本博客的主要目的是实现不同年份多源遥感影像的下载,最终下载的结果是一个单景影像集合的多源遥感波段影像,多波段的影像,不是影像集合。 多源遥感影像 多源遥感影像是指利用不同的遥感传感器获取的具有不同空间分辨率、光谱分辨率和时间分辨率的遥感影像。它可以提供更全面、更详细的地表信息,有助于深入了解地球表面的变化和特征。本文将从数据源、空间分辨率、光谱分辨率和
最近我在 International Journal of Digital Earth (《国际数字地球学报》)发表了一篇森林生物量模型构建的文章:Evaluation of machine learning methods and multi-source remote sensing data combinations to construct for
简介 哨兵1号和2号是欧空局发射的一系列卫星,主要用于地球观测。它们各自搭载了多种传感器和仪器,可以获取不同波段、不同分辨率和不同时间的遥感数据。这些数据可以用于地球科学研究、环境监测、资源调查等领域。 多源遥感数据融合是将来自不同传感器和不同卫星的遥感数据进行整合和处理,得到更加全面、准确和详细的地球信息。常用的融合方法有数据融合、特征融合和决策融合