Google Earth Engine(GEE)——GCOM-C / SGLI L3 叶绿素-a 浓度 (V3)数据集(5000米分辨率)
社区首页 (3596)




请编写您的帖子内容
社区频道(5)
显示侧栏
卡片版式
全部
照片
现场互动
合作伙伴
Ada助手

209
评分
回复


Google Earth Engine(GEE)——GCOM-C / SGLI L3 叶绿素-a 浓度 (V3)数据集(5000米分辨率)
问题:博主请问下ocean color如何获取海洋叶绿素数据啊?这个我真的没看明白,但是通过这个问题,我给大家搜索了GEE上的叶绿素数据集该产品是海表层浮游植物中光合色素(叶绿素-a)的浓度。这是一个持续的数据集,延迟为 3-4 天。GCOM-C 进行长期和连续的全球观测和数据收集,以阐明辐射收支和碳循环波动背后的机制,这是对未来气温上升做出准确预测所需的。同时,与拥有气候数值模型的研究机构合作,有助于减少气候数值模型导致的温升预测误差,提高对各种环境变化的预测精度。安装在 GCOM-C 上的 SGLI 是
复制链接 扫一扫
分享

187
评分
回复


GEE python——谷歌地球引擎工具python API
这些是一组用于使用 Google Earth Engine Python API 的工具,可能有助于解决或自动化某些流程。您可以从具有类似功能(不完全相同)的代码编辑器中导入 JavaScript 模块,它可以在此处获得新版本 0.3.0我把这个包一分为二。这将包含专门与 Google Earth Engine 相关的函数和方法,因此您可以在任何您喜欢的 python 环境中使用此模块。为了在 Jupyter 中工作,我制作了另一个名为available here的包新版本 0.5.0(重大更改)我已经将这
复制链接 扫一扫
分享

164
评分
回复


Google Earth Engine(GEE)——过滤矢量集合FeatureCollection并进行属性的设定
我们很多时候经常会对影像集合进行筛选,但是对于矢量集合的筛选却很少,今天主要的目的就是通过遍历矢量集合或许字符串类型的信息,然后再转化为数字类型,重新建立一个属性,以备后用。本文用到的数据:HUC06: USGS Watershed Boundary Dataset of Basins分水岭边界数据集(WBD)是一个全面的水文单元(HU)数据集合,符合国家划定和分辨率的标准。它定义了地表水流向某一点的区域范围,但沿海或湖滨地区除外,因为那里可能有国家流域边界数据集的联邦标准和程序所规定的多个出口。分
复制链接 扫一扫
分享

182
评分
回复


全球建筑物提取数据集(免费下载):微软/GlobalMLBuildingFootprints
这个是GitHub上的开源数据集:https://github.com/microsoft/GlobalMLBuildingFootprints介绍必应地图正在世界各地发布开放式建筑足迹。我们从 2014 年到 2021 年间的 Bing Maps 图像中检测到了 7.77 亿座建筑物,包括 Maxar 和 Airbus 的图像。数据可在 ODbL 下免费下载和使用。该数据集补充了我们的其他版本。包括的地区执照此数据由 Microsoft 根据Open Dat..
复制链接 扫一扫
分享

185
评分
回复


Google Earth Engine(GEE)——计算NDVI\EVI\RVI\DVI\SAVI计算并下载(2)
有粉丝还问到关于Landsat8如何计算,上一次的文章提到了关于各类植被指数的下载和加载:Google Earth Engine(GEE)——计算NDVI\EVI\RVI\DVI\SAVI归一化植被指数、比值植被指数、差值植被指数、土壤调节植被指数、增强型植被指数和绿度植被指数计算并下载同样的道理 对下面指数分别建立函数,只是不同波段需要建立函数归一化植被指数NDVI=(NIR-R)/ (NIR+R) 比值植被指数RVI=NIR/R 差值植被指数DVI=NIR-R 土壤调节植被指数SAVI=(
复制链接 扫一扫
分享

177
评分
回复


Google Earth Engine(GEE)——将影像中的云层显示出来并添加到影像波段中(Landsat8 oil)
之前我们只知道要去除影像中的云和阴影,但是我们并不清楚如何查看详细的云和阴影,此次,我们就通过加载影像的云和阴影来查看具体的效果,这里我们所建立的函数有点像去云的函数一样。代码:// 对Landsat Collection 2 SR图像进行缩放,并将云层掩码添加为带状。function prepSrL8(image) { // 为不需要的像素掩膜(填充、云、云影)。 var qaMask1 = image.select('QA_PIXEL').bitwiseAnd(parseIn
复制链接 扫一扫
分享

278
评分
1


“让普通人看得懂和用得起大数据”恭喜Apache Kylin获奖“年度开源项目”
恭喜Apache Kylin获得CSDN技术影响力之星——“年度开源项目”
复制链接 扫一扫
分享





238
评分
回复


【第31篇】探索普通视觉Transformer Backbones用于物体检测
摘要我们探索了普通的、非分层的视觉转换器(ViT)作为目标检测的骨干网络。这种设计使原始 ViT 架构能够针对对象检测进行微调,而无需重新设计用于预训练的分层主干。通过对微调的最小调整,我们的普通骨干检测器可以获得具有竞争力的结果。令人惊讶的是,我们观察到:(i)从单尺度特征图(没有常见的 FPN 设计)构建一个简单的特征金字塔就足够了;(ii)使用窗口注意力(没有移位)就足够了跨窗口传播块。通过将普通 ViT 主干预训练为 Masked Autoencoders (MAE),我们的检测器 ViTDet
复制链接 扫一扫
分享

252
评分
回复


Deeplab实战:使用deeplabv3实现对人物的抠图
摘要在上一篇文章中我们使用UNet实现了二分类分割,训练了150个epoch,最后dice得分在0.87左右。今天我们使用更优秀的网络deeplabv3实现图像的二分类分割,dice得分大约在0.97左右。关于二分类一般有两种做法:第一种输出是单通道,即网络的输出 output 为 [batch_size, 1, height, width] 形状。其中 batch_szie 为批量大小,1 表示输出一个通道,height 和 width 与输入图像的高和宽保持一致。在训练时,输出通道数是 1,网络
复制链接 扫一扫
分享

448
评分
1


相遇!中国软件生态重构的大机遇
CSDN 和《新程序员》特别举办“开发者生态汇 —— 2022 IT 技术影响力之星”,是用来表彰技术生态优秀代表,致敬推动行业发展的技术英雄们的活动。自 2021 年 12 月 6 日启动,经个人/企业提名、业界专家推荐评审,历经五个月,评选出个人
复制链接 扫一扫
分享

393
5.0
回复


陈皓|绝大多数公司都被互联网逼着,来做用户侧的需求
CSDN 和《新程序员》特别举办“开发者生态汇 —— 2022 IT 技术影响力之星”,是用来表彰技术生态优秀代表,致敬推动行业发展的技术英雄们的活动。自 2021 年 12 月 6 日启动,经个人/企业提名、业界专家推荐评审,历经五个月,评选出个人
复制链接 扫一扫
分享
为您搜索到以下结果:
51
社区成员
55
社区内容





2022 CSDN开发者生态汇
中国 IT社区精英聚会
CSDN年度IT技术影响力颁奖典礼
开源开放构建新技术生态 主题分享
CSDN 社区年度IT图书
复制链接 扫一扫

确定
社区描述
中国 IT社区精英聚会
CSDN年度IT技术影响力颁奖典礼
开源开放构建新技术生态 主题分享
CSDN 社区年度IT图书 其他 其他
加入社区
获取链接或二维码
- 近7日
- 近30日
- 至今
加载中
社区公告
- CSDN app 扫描 【2022 CSDN 社区大会】二维码 可以加入;
- 请您设置【社区昵称】,方便确认您的称号;
- 抽奖,发红包等活动都会在本社区进行;
- 您可以将照片上传至 【照片】频道; 如您是合作伙伴需要宣传内容, 可以放在 【合作伙伴】频道;