图象工具使用
求助！GEE-S1-后向散射-纹理提取，结果为空是为什么
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区求助帖！！！！各位老师们，能否帮我看看我这是什么问题？图像显示的区块和目标地不符合，导出的数据结果为空。这是哪一步出现了问题呢？烦请各位帮我瞅瞅，感谢！！！（90°鞠躬）
相关推荐
Sentinel_1_Median.txt
GEE训练教程——Landsat5、8和Sentinel-2、DEM和各2哦想指数下载
GEE土地分类：基于 Sentinel-1/2 与随机森林的耕地分类
本文提出了一种基于Sentinel-1/2遥感数据和随机森林算法的耕地分类方法。研究整合了Sentinel-2光学影像（包含多种植被指数、缨帽变换和纹理特征）与Sentinel-1雷达数据（VV/VH后向散射系数及其衍生指标），通过Google Earth Engine平台实现数据处理和分类。方法采用SNIC分割技术优化分类单元，利用随机森林分类器进行像素级分类，最终生成耕地分布图并进行精度评估。研究结果表明，该方法能有效结合多源遥感数据特征，为耕地监测提供可靠的技术方案。（149字）
别再只用NDVI了！在GEE里用CODED算法，结合土壤湿度等多特征检测植被缓慢退化
本文探讨了CODED算法在GEE平台中结合土壤湿度等多特征检测植被缓慢退化的优势。相比传统NDVI方法，CODED通过多特征协同变化分析和趋势持续性检验，显著提高了退化监测的精度和提前预警能力。文章详细介绍了GEE中的实现流程，包括数据预处理、多特征时序分析和退化概率计算，并对比了CODED与其他算法的性能差异。
卫星遥感灾害分析实战：72小时应急响应技术指南
卫星遥感是灾害应急响应的核心技术支撑，其本质是通过光学与SAR影像的物理特性解译地表变化。原理上依赖辐射定标、多光谱指数（如NDWI、NBR）和时序差分实现灾情量化；技术价值在于突破时空限制，提供云雨穿透能力与快速重访优势；典型应用场景涵盖洪涝水体提取、滑坡形变识别、火灾生态评估等一线决策需求。本文聚焦真实灾害现场验证的轻量化流程，深度融合Sentinel-1/Sentinel-2数据源与QGIS+GEE工具链，强调‘人机协同渐进式解译’与‘本地化阈值校准’两大关键实践，避免模型黑箱陷阱，确保结果可溯源、可
基于卫星遥感的耕地非农化监测的技术原理简述
红边特征分析：利用Sentinel-2的B5-B7波段区分小麦（红边斜率0.8）与果树（红边斜率1.2）NDVI突降+NDBI上升：植被指数（NDVI<0.3）与建筑指数（NDBI>0）的反向变化。| 葡萄园 | 0.6-0.7 | 0.4-0.5 | 740nm || 水稻 | 0.7-0.8 | 0.5-0.6 | 720nm || 大棚 | 0.5-0.6（周期性波动） | - | - |热红外异常：地表温度（LST）升高2-3℃（混凝土热容效应）粮食作物：单峰型（冬小麦：3-5月NDVI>0.7）
