代码编织梦想

医院常见的his、cis、lis、emr、pacs、ris-爱代码爱编程

随着医疗卫生体制改革,卫生系统的信息化建设步伐也进一步加快,医院信息系统已成医院必不可少的基础设施与技术环境。60年代初美国、日本、欧洲各国开始建立医院信息系统。到70年代已建成许多规模较大的医院信息系统。例如,瑞典首都斯德

gee影像数量查询——sentinel-爱代码爱编程

本教程的主要目的是实现sentinel-1数据的逐月数据的影像数量筛选和影像可视化加载,从而确定研究区的可用影像查找。 简介 Sentinel-1是欧洲空间局(ESA)的一组合成孔径雷达(SAR)卫星,旨在提供全球范围内的地表观测。Sentinel-1卫星系列使用微波雷达技术,能够实现全天候、全天时的地表监测,包括陆地和海洋。 Sentinel-1卫

gee训练——如何确定影像数据集多个指定时间范围的影像数量(sentinel-爱代码爱编程

简介 本次我们使用sentinel-1数据集对4个不同时间段的影像进行数据筛选,也就是确定指定范围内的数据集影像数量。这里我们用map函数来实现循环遍历指定数据数量统计分析。 数据集 Sentinel-1是欧洲空间局(ESA)的一颗雷达卫星,用于进行地表观测。它的主要任务是提供高性能的雷达成像数据,用于监测地球表面的变化情况,例如土地使用变化、冰川变

gee数据集——mod13a1.006terra星搭载的中分辨率成像光谱仪获取的l3级植被指数产品-爱代码爱编程

数据名称: MOD13A1.006 Modis 16天 Terra 500m 数据来源: NASA 时空范围: 2000-2022年 空间范围: 全国 波段 名称波段单位最小值最大值比例因子波长描述NDVIB1NDVI-2000100000.0001Normalized Difference Vegetation IndexEVI

中科星图——landsat9_c2_sr经大气校正后的地表反射率数据-爱代码爱编程

数据名称: Landsat9_C2_SR 数据来源: USGS 时空范围: 2022年1月-2023年3月 空间范围: 全国 数据简介: Landsat9_C2_SR数据集是经大气校正后的地表反射率数据,属于Collection2的二级数据产品,空间分辨率为30米,基于Landsat生态系统扰动自适应处理系统(LEDAPS)(版本3.4.

星图地球——landsat5_c2_toa_t1数据集_landsat5表观反射率-爱代码爱编程

简介  Landsat 5是美国陆地卫星系列(Landsat)的第五颗卫星,于1984年3月1日发射,2011年11月停止工作。16天可覆盖全球范围一次。Landsat5_C2_TOA数据集是由Collection2 level1数据通过MTL文件计算得到的TOA反射率产品。数据集的空间分辨率为30米,相对于Collection1 level1数据,

中科星图gve(案例)——对影像数据进行重投影计算_中科星图非标案例-爱代码爱编程

简介 本教程主要的目的是在中科星图gve云平台实现遥感影像的重投影计算,我们这里将EPSG:32650坐标系转化为epsg:3578进行重投影。 云平台是一种基于云计算技术的资源共享和服务提供平台,通过云平台,用户可以将计算、存储、网络等资源放在云上进行管理和利用。在云平台上进行重投影计算,可以方便地利用云计算资源来处理大规模的数据,提高计算效率和灵活

中科星图——sentinel-爱代码爱编程

数据名称: Sentinel-2_MSI_L2A 数据来源: Copernicus 时空范围: 2022年10月-2023年1月 空间范围: 全国 数据简介: 哨兵2号(Sentinel-2)卫星是高分辨率多光谱成像卫星,携带一枚多光谱成像仪(MSI),分为2A和2B两颗卫星,其中一颗卫星的重访周期为10天,两颗互补,重访周期为5天,主要

中科星图——landsat8_c2_st数据集是经大气校正的地表温度数据_landsat8怎么进行几何校正-爱代码爱编程

数据名称: Landsat8_C2_ST 数据来源: USGS 时空范围: 2020年1月-2023年3月 空间范围: 全国 数据简介: Landsat8_C2_ST数据集是经大气校正的地表温度数据,属于Collection2的二级数据产品,以开尔文为单位测量地球表面温度,是全球能量平衡研究和水文模拟中的重要地球物理参数。地表温度数据还有

中科星图——landsat_8/02/t1/raw的landsat8_c2_raw类数据集_landsat8影像数据-爱代码爱编程

数据名称: Landsat8_C2_RAW 数据来源: USGS 时空范围: 2020年1月-2023年3月 空间范围: 全国 数据简介: Landsat8_C2_RAW数据集是经过缩放和校准的辐射亮度产品,按照数据质量划分为T1和T2。数据质量最好的影像归为T1,主要存在于L1TP处理等级中,这些数据做过很好的几何校正和辐射定标,适合于

中科星图gve(ai案例)——如何利用高分辨率0.5m影像进行建筑物提取_高分辨率影像提取建筑物-爱代码爱编程

简介 高分辨率0.5m影像提供了详细的地表信息,特别适用于建筑物的提取。以下是一些利用高分辨率影像进行建筑物提取的方法: 预处理:在进行建筑物提取之前,需要对影像进行一些预处理。首先,根据影像质量,可以进行边缘增强、噪声去除等处理。其次,可以进行影像配准,将不同时间段的影像进行配准,以获取更精确的建筑物边界。 影像分割:采用图像分割技术,将

中科星图gve(ai案例)——ai影像进行超分案例_影像超分-爱代码爱编程

简介 超分辨率图像处理是一种通过增加图像的空间分辨率来提高图像质量的技术。传统的超分辨率算法主要基于插值和滤波方法,然而这些方法往往无法准确恢复丢失的高频细节,导致图像出现模糊或失真。近年来,基于人工智能的超分辨率算法得到了广泛的关注和研究。下面将介绍AI影像进行超分的具体细节。 AI影像超分辨率是一种基于深度学习的超分辨率算法,其核心是通过训练一个深

gee 影像下载——批量下载多源遥感影像(landsat 8 c02 sr)光谱波段。光谱指数,缨帽变换和纹理特征以及sar和地形数据(dem)_gee下载地形数据-爱代码爱编程

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

gee数据集——harmonized landsat sentinel-爱代码爱编程

简介 统一大地遥感卫星哨兵-2(HLS)项目通过虚拟卫星传感器群提供一致的地表反射率(SR)和大气层顶部亮度(TOA)数据。陆地成像仪(OLI)安装在美国宇航局/美国地质调查局的联合陆地卫星 8 号和陆地卫星 9 号上,而多光谱仪(MSI)则安装在欧洲的哥白尼哨兵-2A 号和哨兵-2B 号卫星上。通过综合测量,可以每 2 到 3 天以 30 米的空间分辨

ai earth —— 影像加载landsat 7 影像以2012年山西省和2018年浙江省为例_2012年用landsat 哪一年数据、-爱代码爱编程

本次我们分别采用Landsat7 和8加载全年影像以2012年山西省和2018年浙江省为例 这里值得注意的是: 两种模式下项目数据互通 切换开发者模式后,工具箱模式下的项目数据将同步代入,两种模式下的栅格、矢量遥感数据互通互联。 代码: #初始化程序 import aie aie.Authenticate() aie.Initialize()

google earth engine——ndwi水体面积计算(landsat4/5/8)出现的无法加载影像的问题_ndvi中用pixels计算面积-爱代码爱编程

我正在使用 Landsat 图像估算水库的存储容量。我有可用的代码…但问题是当我尝试为我的研究区域运行该代码时,它不显示任何图像。这里的问题: 函数: intersection(other) Returns a DateR

gee——加载era5气候再分析参数并使其可视化的脚本示例_gee气象数据era5-爱代码爱编程

简介: GEE中加载气象数据的主要过程包括以下步骤: 1. 选择数据源:GEE中可选的气象数据源有很多,如NASA的 MODIS,NOAA的GOES等等。 2. 数据访问与下载:通过GEE平台中提供的API或者界面,访问并下载所需的气象数据。GEE的数据访问速度非常快,可以满足各种数据下载需求。 3. 数据预处理:对于气象数据,一般需要进行一些数据

gee数据集——2019、2020、2021、2022和2023年全球固定宽带和移动(蜂窝)网络性能shapefile 格式数据集_gee 能源 数据集-爱代码爱编程

全球固定宽带和移动(蜂窝)网络性能¶ 全球固定宽带和移动(蜂窝)网络性能,分配给缩放级别 16 网络墨卡托图块(赤道处约 610.8 米 x 610.8 米)。数据以 Shapefile 格式和 Apache Parquet 格式提供,其几何形状以众所周知的文本 (WKT) 表示,投影在 EPSG:4326 中。下载速度、上传速度和延迟是通过适用于 An

gee土地分类——分类有影像出现空洞我们应该如何填充?(两种方法,集群填充和像素连接方法)_geelandsat8插值空值填补-爱代码爱编程

简介: 我想知道是否存在一种简单的方法来填充二进制分类图像(例如森林)中的空洞像素?被森林像素包围的空洞像素很可能是由分类错误产生的。使用focalMedian可以填补这个洞,但森林斑块的边界被扩大了很多。 这是一个演示

【gee笔记】使用sentinel-爱代码爱编程

Sentinel-2是欧洲空间局(ESA)的一项地球观测任务,它提供了高分辨率的多光谱影像,覆盖了陆地、沿海和内陆水域。Sentinel-2数据可以用于多种应用,如土地覆盖变化、植被监测、农业管理、城市规划等。 本文使用G