- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI+遥感
遥感开发者高效学习AI+遥感技术的路径与实战策略
引言 遥感技术正经历从“数据获取”向“智能决策”的范式转变，AI与遥感的深度融合催生了洪水淹没范围实时监测、城市热岛效应预测等创新应用。 • 工具开发：贡献GDAL的PyTorch DataLoader扩展模块，支持直接读取HDF5文件进入训练流程。 3. ）、MMDetection多模态数据加载、模型集成论文精读《Transformer meets遥感：A survey》（ISPRS J. 2024）自注意力机制在时序分析中的应用开发工具QGIS+Python 结论 遥感开发者需以“物理可解释性”为锚点，构建“专业算法-AI模型-工程实践”的闭环能力。 未来，随着多模态大模型（如GeoCLIP）、量子计算与遥感的交叉创新，掌握跨尺度建模、星地协同计算等技术的开发者将成为行业核心驱动力。
77610编辑于 2025-03-26 - 来自专栏二猫の家
【GEE】5、遥感影像预处理【GEE栅格预处理】
1简介 在本模块中，我们将讨论以下概念： 了解常用于遥感影像的数据校正类型。 如何直观地比较同一数据集中不同预处理级别的空间数据。 根据收集的不同，可能有各种可用的预处理级别，了解差异以将遥感数据成功整合到生态研究中非常重要。 地形和地形校正 坡度、坡向和高程的照明效应对收集和处理遥感数据提出了额外的挑战。已经开发了多种校正方法，包括使用数字高程模型来预测有问题的地形。 否则，遥感科学家和生态学家将几乎没有能力进行多时相分析。 重要的是要记住，这些质量保证方法都不是 100% 万无一失的！遵循“了解您的数据”的座右铭，并从质量和数量上仔细检查您的图像。 4结论 在本单元中，我们回顾了应用于遥感图像的一些常见校正，这些校正有助于生产您将在 Google 地球引擎中找到的高质量产品。
1.6K40编辑于 2023-11-07 - 来自专栏智能人工
智能遥感：AI赋能遥感技术
本文以遥感数据转化过程中对观测对象的整体观测、分析解译与规律挖掘为主线，通过综合国内外文献和相关报道，梳理了该领域在遥感数据精准处理、遥感数据时空处理与分析、遥感目标要素分类识别、遥感数据关联挖掘以及遥感开源数据集和共享平台等方面的研究现状和进展 其次，针对遥感数据时空处理与分析任务，从遥感影像时间序列修复和多源遥感时空融合两个方面对其研究进展进行了回顾。 发展遥感数据智能分析技术的目的是将长期积累的遥感数据转化为对观测对象的整体观测、分析、解译，获取丰富准确的属性信息，挖掘目标区域的演化规律，主要包括遥感数据精准处理、遥感数据时空处理与分析、遥感目标要素分类识别 因此，进行遥感影像的时间与空间维度的处理与分析对提高遥感影像数据的可用性、时间序列分析水平和遥感应用的深度广度具有重要意义。 1.2遥感数据时空处理与分析近年来，陆续开展多源遥感时间与空间协同处理与分析方面开展研究工作，力求实现多源数据间互补协同、融合重建，提高遥感时空分析的能力1.2.1遥感影像时间序列修复研究人员构建了大量的时间序列遥感影像修复和重建的方法
2.3K70编辑于 2022-08-10 - 来自专栏点点GIS
遥感制图
基于ARCGIS的遥感制图 对遥感影像分类后结果如图所示 把分类后的结果输出矢量 因为evf格式无法在arcgis中打开，故转为shp 在arcgis中加载文件 对图层进行符号化，按照类型设色 结果如下
57920发布于 2021-08-18 - 来自专栏点点GIS
免费高分辨率遥感卫星数据（5m）下载
大家好，我是南南 相信大家都下载过遥感卫星数据吧，不知道大家常常用的是那些卫星数据呢。 而中巴04星（CB04）可以达到5m的空间分辨率，这应该算是免费遥感数据的天花板了。
6.7K20发布于 2021-11-19 - 来自专栏二猫の家
遥感SCI期刊汇总
CANADIAN JOURNAL OF REMOTE SENSING《加拿大遥感杂志》 http://pubservices.nrc-cnrc.ca/rp-ps/journalDetail.jsp? ISSN: 1712-7971 CANADIAN AERONAUTICS SPACE INST, 350 TERRY FOX DR, STE 104, KANATA, CANADA, ON, K2K 2W5 Science Citation Index Expanded 创刊年:1962 出版地:美国 5. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING 《IEEE应用地球观测与遥感选题杂志 英国 Remote Sensing Remote Sensing | An Open Access Journal from MDPI Impact Factor: 3.244 (2016) ; 5-
1.7K31编辑于 2022-11-28 - 来自专栏二猫の家
Landsat遥感影像下载
摘要：本篇文章主要介绍下载遥感卫星影像数据常用的几种的获取方法。适合刚接触遥感这个领域不久却需要下载和使用遥感影像的人群。 本文着重介绍陆地资源卫星Landsat系列卫星的遥感影像查询和下载。 Landsat影像下载网址 3.1 USGS下载遥感影像 3.2 地理空间数据云下载遥感影像 3.3Google Earth Engine下载遥感影像 ---- 1、陆地资源卫星Landsat系列卫星基本介绍 USGS遥感影像下载——以Landsat影像下载为例 https://blog.csdn.net/Knight_076/article/details/123791708 3.2 地理空间数据云下载遥感影像 地理空间数据云下载遥感影像_地理空间数据云下载遥感影像 https://blog.csdn.net/Knight_076/article/details/123805215 3.3 Google Earth Engine下载遥感影像 需要一定的知识储备和编程知识，JS发开的。
1.5K20编辑于 2022-12-05 - 来自专栏GEE遥感大数据学习社区
环境遥感特刊概要：基于GEE的遥感土地变化研究
最后在第5节给出了结论。 2.本专刊中包含的GEE的研究主题 本部分总结了本期特刊发表的19篇论文，涵盖两个主要科学领域和七个特定领域(图2)。 其中一篇论文关注于探测森林变化:Bunting等(2019)评估了1988年至2015年美国西南部5个沙漠地区的植物生产对季节性气候变化的响应。 有趣的是，这类研究并没有在全球范围内普遍采用传统方法，而是倾向于开发新的制图方法，以适应局部或区域范围。 我们希望在未来的模型开发中包含更复杂的数学形式，以完全包含GEE的潜力。3)由于在充分利用GEE方面的巨大努力，所有领域都从使用单个数据源过渡到使用多个数据源。 5. 结论 本文为我们的《土地变化科学》特刊提供了一个总结，该特刊共发表了19篇研究文章。基于两个广泛定义的科学领域，即RSE和RSS，我们总结了这些文章所取得的各种贡献。
1.3K20编辑于 2022-09-20 - 来自专栏气象杂货铺
Python干货 | 遥感影像拼接
在上一篇推文中，我展示了如何使用Python结合Landsat制作遥感影像图（Python干货 | 制作遥感影像图）。 Fig.1 World Reference System 在某些遥感影像的应用场景中，如果我们关注的区域正好处于两景影像的交界处，如下图中的象山港，那我们就需要将影像拼接起来才可以使用。 1.准备工作 相较于上一篇推送，我们这次为了实现遥感影像的镶嵌拼接，我们使用到了两个库， rasterio和gdal。 import rasterio as rio import gdal 先介绍一下我们实现两组遥感影像拼接的思路，首先选取两景相邻的影像，分别得到他们的空间范围，再得到两景组合到一起之后的空间范围，使用gdal = get_extent(tiffileList) cols, rows= getRowCol(left, bottom, right, top) bands = ['B7', 'B5'
4.3K30发布于 2020-10-09 - 来自专栏GIS与遥感开发平台
遥感反演净辐射（Rn）
遥感反演净辐射（Rn） 陆表全波段净辐射是用来描述地球表面辐射能量收支的特征参量，在地表-大气能量交换和能量再分配过程中起着关键作用，对全球水热平衡和能量循环等有重要影响。 参数化方法 参数化方法基于大气辐射传输模型和大量的模拟数据、星载及观测数据等，建立关键大气和地表参量与辐射分量之间的参数关系式，其所需参量如气溶胶光学厚度、大气水汽含量、云底温度和高度等主要来自于经验公式或遥感高级产品 不过老有人进群打广告，所以现在大家可以关注我的公众号“GIS与遥感开发平台”,后台发送自己学校或者单位+进群，我拉大家入群。 大家进群后一定要备注自己学校或者单位。
1.2K40编辑于 2023-01-30 - 来自专栏一个有趣的灵魂W
遥感影像的镶嵌（初试）
在做PM2.5的机器学习的时候，不同的aod数据的利用率问题就显得十分重要，能多要一个数据都显得弥足珍贵，而几个类型的数据中，modis3km的数据较为杂乱，因为他是5分钟的采样时间，也就是一天会产生大于 24*60/5的数据量，具体怎么解释我现在也迷迷糊糊，过境数据每次位置都有不同，一个矩形的范围内，最多可以有好几个影像的范围。 =ds.RasterXSize gt=ds.GetGeoTransform() minx=gt[0] maxy=gt[3] maxx=gt[0]+gt[1]*weight miny=gt[3]+gt[5]
87230发布于 2020-09-15 - 来自专栏气象学家
Python干货 | 遥感影像拼接
在上一篇推文中，我展示了如何使用Python结合Landsat制作遥感影像图（Python干货 | 制作遥感影像图）。 Fig.1 World Reference System 在某些遥感影像的应用场景中，如果我们关注的区域正好处于两景影像的交界处，如下图中的象山港，那我们就需要将影像拼接起来才可以使用。 1.准备工作 相较于上一篇推送，我们这次为了实现遥感影像的镶嵌拼接，我们使用到了两个库， rasterio和gdal。 import rasterio as rio import gdal 先介绍一下我们实现两组遥感影像拼接的思路，首先选取两景相邻的影像，分别得到他们的空间范围，再得到两景组合到一起之后的空间范围，使用gdal = get_extent(tiffileList) cols, rows= getRowCol(left, bottom, right, top) bands = ['B7', 'B5'
1.9K10发布于 2020-10-09 - 来自专栏疯狂学习GIS
遥感数据获取网站整理
2021年03月其可获取的遥感数据如下图。 ? 2021年03月其可获取的遥感数据如下图。 ? 2021年03月其可获取的遥感数据如下图。 ? 2021年03月其可获取的遥感数据如下图。 ? ? 1.1.5 地理空间数据云 •网址[5]：http://www.gscloud.cn/sources/index? ladsweb.modaps.eosdis.nasa.gov/ [3] 网址: https://scihub.copernicus.eu/dhus/#/home [4] 网址: https://glovis.usgs.gov/app [5]
2.4K10发布于 2021-07-22 - 来自专栏PaddlePaddle
覆盖5大任务，30+特色模型，高性能、全流程开发套件PaddleRS助力遥感影像智能解译化繁为简
为了解决上述问题，飞桨推出高性能、多任务、全流程的遥感影像智能解译开发套件PaddleRS。 依托国产深度学习框架PaddlePaddle，PaddleRS具备工业级训练与部署性能，支持图像分割、目标检测、变化检测、图像复原、场景分类等五大任务，提供从数据准备到模型部署的全流程AI+遥感开发能力 PaddleRS 全面解析 常见遥感任务的开发能力 PaddleRS为图像分割、目标检测、变化检测、图像复原、场景分类等遥感领域通用任务提供全流程开发功能支持。 丰富的遥感特色模型库 PaddleRS集成12个变化检测模型、5个目标检测模型、4个场景分类模型、7个图像分割模型以及3个图像复原模型。 GeoView与PaddleRS无缝适配，支持变化检测、场景分类、目标检测、图像复原以及地物分类5大解译任务。
1.7K21编辑于 2022-11-29 - 来自专栏网络虚拟化
达摩院发布业内首个遥感AI大模型，开启遥感科技新篇章！
导语 近日，阿里达摩院宣布发布业内首个遥感AI大模型（AIE-SEG），该模型具有强大的图像识别和分析能力，可大幅提升灾害防治、自然资源管理、农业估产等遥感应用的分析效率。 了解更多互联网行业信息，欢迎关注公众号：通信行业搬砖工 一、遥感AI大模型的特点 实现图像分割任务统一 遥感AI大模型（AIE-SEG）率先在遥感领域实现了图像分割的任务统一。 这意味着即使面对全新的遥感图像，该模型也可以快速适应，无需人工干预即可完成分析任务。这一特性极大地拓宽了遥感技术的应用范围，为各行各业提供了更为便捷的遥感数据分析服务。 二、遥感AI大模型的应用场景 灾害防治 遥感AI大模型可以快速识别灾区内的受灾情况，为救援团队提供准确的信息支持。 三、结语 阿里达摩院发布的业内首个遥感AI大模型（AIE-SEG）无疑为遥感科技领域带来了一场革命。它凭借强大的图像识别和分析能力，实现了遥感领域的多项突破。
2.1K30编辑于 2023-10-24 - 来自专栏GEE遥感大数据学习社区
遥感学习武林秘籍分享
内容包括高光谱遥感、高分辨率影像处理、计算智能及其在遥感影像处理中的应用、影像处理工程、遥感应用和模式分析与机器学习等。 理论的高分辨率遥感影像处理 11.6 入门资料推荐 3.3.4 基于差分进化计算的遥感影像处理 11.6.1 同源遥感影像变化检测 3.3.5 高光谱遥感影像的空谱融合稀疏分解 11.6.2 多源遥感影像变化检测 12.4.2 基于对立推理理论的结构提取 4.3.2 多源遥感信息融合 12.5 发展前景与就业领域 4.4 发展前景与就业领域 12.6 参考文献 4.5 入门资料推荐 13 视频分析 5 高维遥感大数据处理中的低维结构建模 5.高维遥感大数据处理中的低维结构建模：研究稀疏表达和低秩逼近理论，能够准确发现与捕捉高维遥感数据的低维本征特征，可以解决遥感图像处理中现存的众多难题。 7.多角度遥感影像处理及应用：多角度遥感数据以其独特的角度维信息为各种遥感应用带来可能，逐步引起国内外的重视，使其处理和应用具有广阔的前景。
96821编辑于 2022-09-20 - 来自专栏GIS与遥感开发平台
多种遥感数据批量下载方法
2 下载遥感数据 我们平时常用的MODIS产品、Landsat数据、DEM数据，在有时候挺不好获取的。国内的平台好多这些数据虽然有，但是好多都不太全。 今天就给大家分享一下批量下载遥感数据的方法吧。 3 数据网址 我们下载遥感数据就可以从下面这个网址中进行下载，其中不仅有MODIS产品、Landsat数据、高程数据，还有好多气象类数据等。 我们遥感专业常用的数据基本上都有的。 https://search.earthdata.nasa.gov/ 注意事项 这里我们需要使用谷歌浏览器，同时还要有科学上网的环境。
1.8K20编辑于 2022-04-29 - 来自专栏GIS与遥感开发平台
遥感影像SG滤波（基于GEE）
这里我们每隔5天就设置一个空影像。我们把空影像标记为“interpolated”，之后把真实影像和需要被插值的影像结合到一起。 var n = 5; var totalDays = endDate.difference(startDate, 'day'); var daysToInterpolate = ee.List.sequence visCollectionOriginal.getVideoThumbURL(videoArgs)) var videoArgs = { dimensions: 400, region: geometry, framesPerSecond: 5,
3K32编辑于 2022-12-03 - 来自专栏疯狂学习GIS
R语言批量拼接遥感影像
本文介绍基于R语言中的raster包，遍历文件夹，读取文件夹下的大量栅格遥感影像，并逐一对每一景栅格图像加以拼接、融合，使得全部栅格遥感影像拼接为完整的一景图像的方法。 如下图所示，现有一个文件夹，其中含有大量栅格遥感影像；这些遥感影像均为同一成像时间、不同空间范围的遥感影像。 接下来，我们通过list.files()函数，遍历指定文件夹，从而获取当前文件夹下所包含的全部.tif格式的遥感影像，也就是全部待拼接的遥感影像。 此时，tif_file_name变量中存放的是指定文件夹下的全部栅格遥感影像的文件名称，而不是遥感影像文件自身；而接下来我们进行拼接、融合的函数，都需要保证函数参数中的遥感影像是一个栅格对象（Raster ，直到全部的栅格遥感影像拼接完毕。
64210编辑于 2023-06-26 - 来自专栏疯狂学习GIS
哨兵Sentinel遥感影像下载方法
本文介绍在Sentinel哨兵遥感影像数据官网中，下载已经经过大气校正的Sentinel-2L2A级遥感影像产品的方法。 由欧洲航天局发射的Sentinel-2（哨兵2号）卫星的遥感影像具有空间分辨率高、重返周期小等特点，因此得以广泛应用；在我们之前的文章中，就曾提及这一系列遥感影像的下载方法。 如果不需要下载时间范围内的大量图像，那么按照需求，选择筛选遥感影像时所用可视化的图像类型。 随后，即可开始遥感影像数据产品的下载。 每一景单独的遥感影像一般就在100 ~ 1000 MB左右。 L2A级遥感影像产品下载后，如果大家选择的是完整一景图像，那么得到的就是一个.zip格式的压缩包；将压缩包解压后得到如下文件。
3.1K00编辑于 2025-04-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号