代码编织梦想

google earth engine——如何批量下载海洋盐度温度数据_如何查找海洋温度和盐度数据-爱代码爱编程

简介: 之前写过一篇关于海洋温度数据集的博客Google Earth Engine ——HYCOM 数据子集包含变量海洋温度数据集_此星光明的博客-CSDN博客 混合坐标海洋模式(Hybrid Coordinate Ocean Model,HYCOM)是一个数据同化混合等值-Σ-压力(广义)坐标海洋模式。EE 中的 HYCOM 数据子集包含盐度、温度、

gee——如何利用降水数据绘制指定区域长时间序列的降水分布图和提取每个月(逐月)的降水平均数据_gee下载水汽图-爱代码爱编程

如何利用降水数据绘制指定区域长时间序列的降水分布图和提取每个月的指定降水数据? 这里我们首先要做的就是选择指定的数据,进行指定年份数据的筛选,然后进行长时序数据加载,然后提取研究区内每个月指定的降水平均值,最后进行下载到谷歌云盘。其中影像集合中的每个影像都是利用map的函数来进行映射,最后来获取每个月的平均降水数据提取为矢量。  数据 ERA5-陆地

gee案例——利用sentinel-爱代码爱编程

简介 本教程案例的主要目标是实现研究区多个点或者是多个矢量斑块集合中影像像元值的批量逐月统计,这里我们利用遍历函数来实现每个月的统计,reduceregions函数来统计各波段的像元值,最后分别下载处理好的影像和像元值统计的表格,方便本地出图。 函数 ee.List.sequence(start, end, step, count) Generat

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中landsat重大改变——landsat collection 1 到 collection 2 影像集合迁移_gee的landsat的collection1-爱代码爱编程

Landsat Collection 1 到 Collection 2 迁移 本指南提供了从Landsat Collection 1 数据切换 到 Collection 2 数据的说明。自 2022 年以来,集合 2 已在 Earth Engine 中完全可用, 自 2021 年 12 月 31 日以来,美国地质调查局 (USGS) 未生成集合

gee学习——初学者如何下载指定区域的sentinel-爱代码爱编程

简介 初学者如何下载指定区域的Sentinel-2影像? 初学者可以按照以下步骤利用Google Earth Engine(GEE)下载指定区域的Sentinel-2影像: 登录GEE账号并打开代码编辑器。代码编辑器位于GEE主页左上角的"Code Editor"按钮。 在代码编辑器中,点击左上角的"Apps Script"按钮,打开一个

gee联系——正确加载指定区域的sentinel-爱代码爱编程

简介 本教程主要的目的是我们需要利用哨兵数据进行分别可视化,如何选取指定的研究区进行加载。 哨兵1号和哨兵2号是两个重要的数据保护和安全解决方案。它们被广泛应用于现代计算机系统和网络环境中,以保护数据的完整性、可用性和机密性。下面将详细介绍哨兵1号和哨兵2号的特点、功能以及它们在数据安全领域的应用。 哨兵1号是一种数据保护和备份解决方案,它提供了可靠

gee时序——利用sentinel-爱代码爱编程

简介 哨兵-2A/B 串联卫星的空间分辨率高、重访时间长,有可能改进对陆地表面物候的检索。不过,生物群落和区域特征在很大程度上限制了陆表物候学算法的设计。在北极地区,这种生物群落特有的特征包括长期积雪、持续云层覆盖和生长季节短暂。在此,我们评估了哨兵-2 获取北极高分辨率 LSP 地图的可行性。我们通过在谷歌地球引擎(GEE)中简单实施阈值法,提取了 2

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

google earth engine(gee)——ee.image.cumulativecost函数的使用(多波段影像值变为0)_googleearthengine去除波段-爱代码爱编程

Updated ee.Image.cumulativeCost to be able to handle multi-band cost images. 使用数据: Copernicus DEM GLO-30: Global

gee——使用cart机器学习方法对landsat影像条带修复以ndvi和ndwi为例(全代码)-爱代码爱编程

简介 之前发表了两篇关于影像修复的文章,并且制作了APP,大家可以去看以下的两篇博客来了解具体的研究内容和整个方法的有效性: Google Earth Engine APP——影像条带色差、色调不均匀等现象解决方案Landsat5 NDWI Image Restoration APP_ndwi不能识别泛红水体怎么办-CSDN博客 基于GEE云平台一种

gee——sentinel-爱代码爱编程

简介: GEE今天的峰会上提出了一个非常好的去云的影像,这个数据集已经再gee中进行了公开,并且只需要通过一行代码即可运行获取没有云的高清影像,相较于QA去云的操作,整体山给效果更加,特别是对于很多地区常年被云雾覆盖,很难获取无云影像,本教程通过一个简单的案例来展示如何做到高清无云影像的获取,从而提高后续土地分类的精度或者其它后续影像操作。 Cloud

gee好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于landsat影像的土地分类_gee样本迁移-爱代码爱编程

最近我新发表了一篇新的文章,也就是利用样本点迁移的方法来快速实现全球长时序快速土地分类,本文发布了应用APP,用户可以在线体验使用快速分类的效果。原文链接:Land | Free Full-Text | Rapid Land Cover Classification Using a 36-Year Time Series of Multi-Source R

gee——利用landsat系列数据集进行1984-爱代码爱编程

简介: 利用Landsat系列数据集进行1984-2023EVI指数趋势分析其主要目的是进行长时序的分析,这里我们选用EVI指数,然后进行了4个月的分析,查看其最后的线性趋势以及分布状况。 EVI指数: EVI指数(Enhanced Vegetation Index,增强型植被指数)是一种反映植被生长状态的遥感指数,它结合了植被指数的红光波段和近红外

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

谷歌地球引擎(gee)中公开免费的扩展包介绍(汇总)_gee谷歌地球引擎数据资源-爱代码爱编程

此页面包含地球引擎开发人员社区生成的资源集合。您将找到将 Earth Engine 扩展到新环境、增强可操作性和简化工作流的库和模块,以及教程、脚本、博客和社区托管的数据集。  https://developers.google.com/earth-engine/tutorials/community/developer-resources#datase

landsat collection 2 t1一级数据详细介绍(数据处理过程和几何精度)_landsat level1中数据介绍-爱代码爱编程

几项数据处理、几何和辐射改进,以及新的数据分发过程,定义了 Collection 2 Level-1 数据。此页面提供了有关用户可以在 Landsat Collection 2 Level-1 数据中找到的更改的详细信息。请参阅本页下方列出的特定于仪器的数据格式控制手册,以更全面地了解这些数据特征。  一级数据处理改进 删除极端纬度 DEM 约束Lan

google earth engine app——影像条带色差、色调不均匀等现象解决方案landsat5 ndwi image restoration app_ndwi不能识别泛红水体怎么办-爱代码爱编程

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,

nature全球潮汐可视化兼影像数据下载网站:intertidal change_潮滩数据集-爱代码爱编程

这个网站是论文发表在nature中的附带产品: 网站链接:  Mapping the Global Distribution and Trajectory of Tidal Flat Ecosystems 测绘潮滩生态系统的全球分布和轨迹 Global Intertidal Change  潮间带环境是地球上仅存的尚未绘制地图的沿海生态系统之一。