代码编织梦想

ai earth数据集——中国10米地物分类数据集(aiec)_中国10m数据集-爱代码爱编程

AIEarth中国10米地物分类数据集(AIEC) 简介与Notebook示例¶ 达摩院AI Earth团队自研的中国区10m分辨率地物分类产品,数据包含2020-2022年中国逐年土地覆盖信息。研究团队利用Sentinel-2 数据集,借助深度学习方法,融合了多时序、多模态、Low Level约束、半监督等技术,进行精细化地物分割。算法基于LandCo

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()

1975年至2020年ghs built-爱代码爱编程

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 –

全球500米分辨率“npp-爱代码爱编程

全球500米分辨率“类NPP-VIIRS”夜间灯光数据集简介与Notebook示例¶ 数据集由华东师范大学余柏蒗教授、福州大学陈佐旗副研究员、西南大学施开放副教授团队共同研究生产,并无偿共享此项数据集。 夜间灯光遥感数据已被广泛应用于城市化进程监测等研究工作中,但由于常用的两种夜间灯光遥感数据(DMSP-OLS和NPP-VIIRS)存在不可比的情况,限制

openlandmap soil ph 土壤ph数据集分辨率250m_收集土壤ph数据可以去哪里找-爱代码爱编程

OpenLandMap Soil pH in H2O 简介与Notebook示例¶ 该数据集为在6个土壤标准深度下(0、10、30、60、100和200cm)预测的土壤pH 值。数据空间分辨率为250米。前言 – 人工智能教程 美国农业部预测的 250 米处土壤大类概率。 OpenLandMap Soil pH 数据集是一个基于土壤的地图数据,提供了

ai earth 开发者模式—— 如何加载影像?以landsat 5 影像为例_landsat_lt-爱代码爱编程

新建notebook  这里和GEE中的python一样,我们首先要进行SDK的导入,然后进行认证和初始化。 导入AIE Python SDK并初始化 第一次执行下面一段代码时,会在后台系统初始化计算资源(通常约1分钟)。在长时间无计算任务运行后,相关的计算资源会被后台系统自动回收,需要执行下面一段代码重新初始化。 初始化代码: # 每个

ai earth ——开发者模式案例6:决策树模型实现冬小麦提取_gee冬小麦制图-爱代码爱编程

决策树模型实现冬小麦提取¶ 依据作物在不同物候期内卫星影像的光谱存在差异的特征,可建立冬小麦提取算法,进行像元尺度冬小麦提取。这里同样是使用的NDVI作为阈值提取条件,分别使用不同的聚合方式完成对影像的筛选,从而得出冬小麦种植面积的提取。 初始化环境¶ import aie aie.Authenticate() aie.Initialize()

世界网格人口第四版(gpwv4),当前版本为v411_gridded population of the world version 4-爱代码爱编程

GPWv411: Population Density 简介与Notebook示例¶ 世界网格人口第四版(GPWv4),当前版本为V411。最新版本在 2000、2005、2010、2015和2020年全球人口在 30 弧秒(约1公里)网格上的分布。由人口普查和行政单位的人口比例分配到每个网格单元。前言 – 人工智能教程人口数输入数据是根据 2005年至

全球土壤有机碳含量预测数据集(5g/kg)250米分辨率_土壤有机碳密度数据集-爱代码爱编程

OpenLandMap Soil Organic Carbon Content 简介与Notebook示例¶ 该数据集为在6个土壤标准深度下(0、10、30、60、100和200cm)预测的土壤有机碳含量(5g/kg)。数据空间分辨率为250米。 分辨率为 250 米的 6 个标准深度(0、10、30、60、100 和 200 厘米)的土壤有机碳含量

ai earth ——开发者模式案例3:典型植被指数计算及区域统计_optical vegetation indices for monitoring terrestr-爱代码爱编程

典型植被指数计算及区域统计¶ 对检索的影像(以 Landsat-8 为例),通过波段运算计算常见的指数。并以归一化植被指数( NDVI )为例,进行区域均值统计以及时序折线图制作。 初始化环境¶ import aie aie.Authenticate() aie.Initialize() 典型光谱指数算法¶ 定义典型指数计算方法。使用 aie.

ai earth ——开发者模式案例5:鄱阳湖水体区域识别_鄱阳湖ndwi水体提取阙值-爱代码爱编程

鄱阳湖水体区域识别¶ 通过计算归一化水体指数 NDWI 指数提取鄱阳湖水体区域。 初始化环境¶ import aie aie.Authenticate() aie.Initialize() Landsat-8 数据检索¶ 使用 aie.Image 引用单景 Landsat-8 数据,并对数据进行去云处理。 def removeLand

gee、pie和ai earth平台进行案例评测:ndvi计算,结果差异蛮大_遥感云计算平台pie-爱代码爱编程

本文主要是通过对比GEE、PIE和AI Earth平台,主要是计算不同平台,同一个NDVI的均值计算,我们已测试结果如何。 1. PIE-engine PIE获取北京市获取某一个区域的区域的NDVI平均值,但是结果却显示没有,只能通过加载图层点击图层上的点获取某一个点的NDVI值,而且这里用到区域统计使用的函数仅有min,max,sum计算,而使用me

ai earth ——开发者模式案例8:利用landsat-爱代码爱编程

利用 Landsat-8 数据进行地表温度反演¶ 初始化环境¶ import aie aie.Authenticate() aie.Initialize() Landsat-8 数据检索¶ 指定区域、时间、云量检索 Landsat-8 ,并对数据进行去云处理。 region = aie.FeatureCollection('China_Pr

ai earth ——开发者模式案例1:按区域进行sentinel2l2a检索与下载_ai earth中下载地级市的数据时,把province改为什么-爱代码爱编程

按区域检索与下载影像 用户可使用平台内置或自主上传的矢量文件,进行数据的检索(以 Sentine-2 L2A 为例),再进行数据筛选、拼接、裁剪等操作后,将数据导出至 我的数据 中。 初始化环境¶ 定义矢量区域¶ 使用 FeatureCollection 引用平台内置或自主上传的矢量边界,定义检索数据的区域。利用 aie.Map 构造一个地图组件 

ai earth ——开发者模式案例9:openapi调用ai识别能力_ai eart api开发-爱代码爱编程

OpenAPI 调用 AI 识别能力¶ 初始化环境¶ 阿里云账号的 AccessKey ID 和 AccessKey Secret 可以从 AccessKey 管理 获取。 AccessKey ID 和 AccessKey Secret 属于您的个人敏感信息,请妥善保管,谨防泄露。 import time from Tea.exceptions

ai earth ——开发者模式案例2:landsat系列影像数据去云_landsat7 去云-爱代码爱编程

Landsat 系列数据去云¶ AIE平台中提供的 Landsat 影像均为 USGS Collection 2 中的数据,该集合使用 QA_PIXEL 波段对云、雪进行描述。因此,可通过位运算和逻辑运算,生成云掩膜,利用 updateMask 函数去除可能是云或者云阴影的区域。此算法适用于 Landsat-5 / 7 / 8 / 9 。 初始化环境¶

ai earth ——暨gee\pie之后,aie已经悄然上线了,阿里云开发者模式上线_aie和gee的对比-爱代码爱编程

首先我们登录平台后先进入下面的界面,然后就可以看到开发者模式: 我们先来看一下开发者模式的主界面:   这个界面内涵盖了很多内容: AI Earth 开发者模式使用引导 快速开始 本节将主要介绍如何快速利用AIE Python SDK进行编程和处理遥感数据。 SDK初始化 导入数据 数据计算处理 数据资源 本节将主要介

【ai earth试玩】权限配置与openapi调用工具库-爱代码爱编程

前言 AI earth是阿里达摩院出的遥感云计算平台,我简单体验下来感觉像是GEE的python版本+遥感深度学习计算平台,整体体验还是挺不错的,尤其是多分类的结果还是挺惊艳的。 平台提供工具箱和notebook两种模式

ai earth ——开发者模式案例7:植被覆盖度提取_此星光明的博客-爱代码爱编程

植被覆盖度获取¶ 植被覆盖度(Fractional Vegetation Cover,FVC),是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比,范围在 [0,100%] 之间。FVC 是刻画地表植被覆盖的重要参数,能够直观的反映一个地区绿的程度,是反应植被生长状态的重要指标,在植被变化、生态环境研究、水土保持、城市宜居等方面问题研究

AI Earth地球科学云平台简介-爱代码爱编程

一、平台简介 什么是AI Earth地球科学云平台 AI Earth地球科学云平台基于达摩院在深度学习、计算机视觉、地理空间分析等方向上的技术积累,结合阿里云强大算力支撑,提供无门槛、界面化的遥感、气象等多源对地观测数据云计算分析服务,用数据感知地球世界,让AI助力科学研究。 二、用户指南 注册与登录 使用AI Earth地球科学云平台,您需要拥