- 综合排序
- 最热优先
- 最新优先
- 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。 Tian 等人（2017）提出了一种 L2-Net网络的区域匹配方，该网络生成了128 维的描述子，在迭代次数较少的约束下，利用递进采样策略，对百万量级的训练样本进行遍历学习，并通过额外引入监督提高学习效率 虽然现有研究取得了不错的重建效果，但仍存在一些局限性：(1)相对于光谱和空间相似性，多时相影像中的时间趋势能更详细地反映地表覆盖变化，而以往方法（尤其是传统方法）中的简单线性回归或光谱、空间度量很难捕捉复杂的非线性时间趋势；(2) Ma 等人（2020）针对灾后损毁评估任务，以 ShuffleNet v2 模型为基础，设计了一种轻量化建筑物提取模型，相比传统模型，在精度提升 5.24%的同时，速度提高 5.21f/s。
2.3K70编辑于 2022-08-10 - 来自专栏遥感目标检测
【遥感目标检测】利用YOLOv8进行遥感影像大气排污烟囱检测-数据标注需求及规范（2）
一、背景说明山东某客户希望我们利用YOLOv8在遥感影像上进行大气排污烟囱检测。由于烟囱开源样本太少，我们需要自行标注数量可观的烟囱矢量数据用于模型训练。 也希望本文能够给其他有遥感数据标注需求的小伙伴们带来参考价值，后续我们也会介绍这个工作模型训练的相关工作。二、标注需求标注数量：标注1000个以上的烟囱矢量要素，以水平外包矩形框的形式标注。 另，多个地级市都有高新区，请注意区分：参考：山东省人民政府 重点排污企业 山东省2020年大气环境重点排污单位名录数据获取及标注人员：协调2019或2020或2021年GF2号0.8m影像数据及标注人员 成果提交：每张影像对应一个shp，shp的文件名与影像保持一致，每1到2天将完成标注及质检后的标注成果同影像批量打包发给算法同事，压缩包建议以【smokestack_{打包提交日期yymmdd}_{影像数 《山东省2020年大气环境重点排污单位名录》供标注时参考，结合高德/百度地图可快速在GF2影像中定位（搜索相应排污单位）。影像中很可能存在不在名录里的排污单位，故需保证每景影像标注完备，无漏标。
44210编辑于 2024-06-10 - 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 遥感图像滑坡分类数据集2773张2类别
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：2773 分类类别数：2 类别名称:["landslide
18400编辑于 2025-07-16- 来自专栏二猫の家
遥感SCI期刊汇总
Science Citation Index Expanded 创刊年:1995 出版地:巴西 2. 2W5 1. Science Citation Index 2. Science Citation Index Expanded 创刊年:1963 出版地:美国 9. Science Citation Index 2. Science Citation Index Expanded 创刊年:1980 出版地:英国 11. Science Citation Index 2. Science Citation Index Expanded 创刊年:1927 出版地: 美国 14.
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 Landsat 9将携带二代陆地成像仪（Operational Land Imager 2，OLI-2）和NASA 二代热红外传感器（Thermal Infrared Sensor 2，TIRS-2）。 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 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。
1.4K20编辑于 2022-12-05 - 来自专栏疯狂学习GIS
哨兵2号Sentinel-2大气校正后的L2A级遥感影像下载方法
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-2 L2A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；在我们之前的文章遥感数据、气象数据、土地土壤数据、农业数据、行政区数据...GIS数据获取网站整理中 而现在，Sentinel数据官网已经提供了L2A级遥感影像产品的下载，这一产品就是在前述L1C级产品的基础上，经过大气校正后获得的，免去了用户自行进行大气校正处理的流程。 本文就对L2A级遥感影像数据产品的下载方法进行介绍。 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800 ~ 900 MB左右。 L2A级遥感影像产品下载后，同样是一个.zip格式的压缩包；将压缩包解压后得到如下文件。
2.9K20编辑于 2022-12-18 - 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
在第2部分，我们首先将19篇论文划分为两个主要的科学领域，即RSE和RSS，然后对每篇论文的两个方面进行整体总结:每篇论文都涉及哪些科学问题?利用GEE做出了哪些贡献? 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)。随后，按照发表论文数量由高到低的顺序分别对这些领域进行描述。 图2 特刊中GEE出版物的数量 2.1 环境遥感(Remote Sensing of Environment,RSE) 本期特刊中有三份出版物着重于森林和牧场。 为此，本节对特刊中的2项GEE研究和特刊前的3项GEE研究的综述进行了整体综合。 2)几乎所有的领域都进行了从映射到建模的转换。唯一的例外是气候和温度和健康，在这建模是必不可少的开始。
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）。 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。 2.动起手来 得到输入影像的四个角点。 = ibands + 'mosaic.tif' arr[i, :, :] = tiff.imread(file2read) os.remove(file2read) plot_rgb(arr, rgb=(0, 1, 2)) 3.小结 大功告成！
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。 混合算法一般由两步组成：（1）利用辐射传输模型如MODTRAN，模拟不同的大气（如观测几何信息、气溶胶光学厚度、大气可见度、水汽含量和臭氧含量等）和地表条件（如地表反照率和地表类型等）下对应的大气层顶观测和地表辐射；（2） 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 传统的参数化方法如Bisht结合正弦模型的方法进行估算，利用MODIS陆表温度产品（MOD11_L2）、反照率产品（MOD43B3）来估算晴空净辐射。 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）
]) a=in_ds.ReadAsArray() yk,xk=a.shape x1,y1=int(abs(minx-minX)/resmax),int(abs(maxy-maxY)/resmax) x2, y2=int(abs(maxx-minX)/resmax),int(abs(miny-maxY)/resmax) for x in range(xk): for y in range(yk): raster [y+min(y1,y2),x+min(x1,x2)]=a[y,x] in_ds1=gdal.Open('C:/pytemp/modismosictemp/modis3kre/'+in_files[1]
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）。 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。 2.动起手来 得到输入影像的四个角点。 = ibands + 'mosaic.tif' arr[i, :, :] = tiff.imread(file2read) os.remove(file2read) plot_rgb(arr, rgb=(0, 1, 2))
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。 ? 1.1.2 LAADS DAAC •网址[2]：https://ladsweb.modaps.eosdis.nasa.gov/ LAADS（Level-1 and Atmosphere Archive 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。 ? References [1] 网址: https://earthexplorer.usgs.gov/ [2] 网址: https://ladsweb.modaps.eosdis.nasa.gov/ [3
2.4K10发布于 2021-07-22 - 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
2 高分辨率遥感影像信息提取 9.4.2 尺度自适应遥感影像分割及几何特征提取 2.1 概述 9.4.3 基于区域级语义特征的遥感影像检索 2.2 研究意义 9.5 发展前景与就业领域 2.3 典型应用 13.3.2 例 2：目标跟踪 5.3.2 高光谱遥感影像空-谱稀疏表达分类 13.3.3 例 3：行为识别 5.3.3 高光谱遥感影像空-谱稀疏表达聚类 13.4 已取得的主要成果 5.3.4 基于稀疏表达的高光谱影像亚像素异常探测 2.高分辨率遥感影像信息提取：国际上不断出现的高分辨率卫星，以及国内逐渐引起重视的高分辨率对地观测，使高分辨率遥感影像的处理和应用具有广阔的前景。 3 篇，同时在一般 SCI 国际期刊上发表学术论文 2~3 篇。 经过博士期间的研究，有望在国际顶级地学期刊IEEE TGRS上发表学术论文1~2 篇，并在一般地学SCI 国际期刊 IEEE GRSL、PERS、IJRS 上发表学术论文 2~3 篇。
96821编辑于 2022-09-20 - 来自专栏疯狂学习GIS
R语言批量拼接遥感影像
接下来，代码分为2个部分。其中，for循环后的4行代码是第一部分，为栅格拼接的代码；同时为了对比栅格拼接与栅格融合的操作，这里还将栅格融合的代码也一并列出了，也就是注释掉的那一行代码。 这一函数原本的参数中，只有2个栅格对象（Raster* object）类型的参数，换句话说就是原本这个函数只能同时拼接2个栅格遥感影像；如果我们有更多的遥感影像，就需要每一次拼接2个栅格图像，不断重复这一操作 这样操作无疑是比较麻烦的，因此我们需要借助do.call()函数来实现2个以上栅格的拼接工作——这个do.call()函数可以接受可变数量的参数，例如本文中我们需要对大量栅格遥感影像加以逐一拼接，具体有多少景遥感影像我们自己也不一定确定 其中，在本文中我们需要指定mosaic()函数的fun参数与na.rm参数，二者分别是指拼接时重叠区域像元值的计算方法，以及计算重叠区域像元值时，是否考虑NoData值的影响；我们将这2个参数分别设定为 max与TRUE，二者分别是指重叠区域的像元以2景遥感影像中的最大值像元为准，以及在计算时不考虑NoData值的影响。
64010编辑于 2023-06-26 - 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。 （点击右上角那个标黄的小人就可以的） 选择数据 大家可以在下面的标1处输入关键词，然后回车进行搜索，同时还可以在标2处对数据的区域与日期进行限定。
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）
var s2 = ee.ImageCollection("COPERNICUS/S2"); var geometry = ee.Geometry.Polygon([[ [82.60642647743225 var startDate = ee.Date('2017-01-01') var endDate = startDate.advance(1, 'year') var filtered = s2 , ordering: 'system:time_start', ascending: true}) var join2Result = join2.apply({ primary: join1Result, secondary: join1Result, condition: filter2 }) 第四步：利用线性插值先把空数据插出来。 (t2 - t1)', { 't': timeImage.select('t'), 't1': timeImage.select('t1'), 't2': timeImage.select
3K32编辑于 2022-12-03 - 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。 而现在，Sentinel数据官网已经提供了L2A级遥感影像产品的下载，这一产品就是在前述L1C级产品的基础上，经过大气校正后获得的，免去了用户自行进行大气校正处理的流程。 如果需要下载某个时间范围内的所有Sentinel-2数据产品，那么在选择“TIME RANGE”中最下面一行小字后，在打开的页面中逐一下载或加入购物车批量下载所需遥感影像即可。 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 - 来自专栏疯狂学习GIS
MODIS遥感影像批量下载方法
本文介绍在Earthdata中批量下载MODIS遥感影像各产品数据的方法。 前期我们介绍了批量下载Landsat与MODIS等遥感影像的最新可行方法，本文则再介绍一种基于Earthdata的MODIS批量下载方法。 随后，在左侧搜索栏下方第一个按钮处选择我们需要的遥感影像时间范围。 设置完毕如下图： 如果选择“Recurring?”选项，我们就可以对很多年的同一个时间段范围数据加以下载。 我们可以自己绘制需要下载遥感影像的区域： 还可以点击下方的“File”，导入划定区域的文件。 完成后，我们选择对应的遥感影像产品。 点击对应产品，选择“Download All”。 在弹出的窗口中大概检查一下下载文件的情况，没有问题就可以开始下载了~ 下载完毕后，如果需要检查哪些遥感影像文件的链接因为出错等原因没有下载成功，我们可以用找出时序遥感影像中缺少的日期：Python这篇博客的方法进行检验并自动生成新链接文件
85810编辑于 2025-04-22
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