- 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。 空间度量很难捕捉复杂的非线性时间趋势；(2)现有的利用深度学习的重建方法多集中运用空间卷积网络 CNN 获取光谱和空间纹理信息（且需要大量的训练样本），少有研究使用循环神经网络 RNN学习跨影像的时间趋势；(3) 尽管 STFDCNN 模型在时空融合性能上大幅度超过其他融合算法，但因其神经网络层数较少（仅有 3 个隐藏层），如此浅层的卷积神经网络对存在较大空间尺度差异的不同卫星传感器数据（MODIS-Landsat Kusk 等人（2016）和 Hansen 等人（2017）通过对 SAR 成像时地形、回波噪声等要素进行建模，实现基于 3DCAD 对不同类型地物要素的 SAR 图像仿真。
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 - 来自专栏二猫の家
【遥感图像处理】绘制高光谱3D立方体
stretch/compress z-dimension（拉伸） h -> print help message（帮助信息） q -> close window（关闭窗口） 使用ENVI 作为一个强大的遥感处理平台 但是对于遥感影像存在多个波段所以常常大于3 tagstruct.SamplesPerPixel = bands; tagstruct.RowsPerStrip = 16; tagstruct.PlanarConfiguration 在Envi工具栏中选择Spectral->Build 3D Cube。在3D Cube File对话框中选择高光谱数据集，单击OK按钮。 在打开3D Cube Parameters对话框中，设置以下参数： （1）Color Table使用了默认参数。 （3）选择输出路径及文件名，单O击OK按钮执行。 （4）显示结果图。
1.7K10编辑于 2024-04-24 - 来自专栏二猫の家
【GEE】3、 栅格遥感影像波段特征及渲染可视化
1、简介 在本单元中，将学习以下内容： 使用遥感传感器捕获的不同类型的能量。 如何构建 JavaScript 字典和列表以选择单个栅格波段。 如何可视化多波段和单波段栅格的不同组合。 2、背景 在您探索如何将 Google 地球引擎和遥感数据集成到您的研究中时，视觉解释图像的能力是一项重要的技能。虽然许多算法旨在自动提取和分类图像，但在模式和特征识别方面，计算机根本不如人脑先进。 在遥感的背景下，我们会遇到这种能量的一小部分，这些能量在从太阳发出后，由于大气中的窗户而通过特定范围过滤吸收能量很少的地方。在这些窗口内是我们通常在遥感中使用的波长。 5、结论 在本单元中，我们讨论了被动和主动遥感之间的差异，以及电磁光谱和构成我们所知的可见光的窄条。我们还回顾了 JavaScript 字典和列表的结构，以及如何使用它们来选择单个栅格波段。 6、单元3 的完整代码 // This is a dictionary object.
71330编辑于 2023-11-07 - 来自专栏二猫の家
遥感SCI期刊汇总
BOLETIM DE CIENCIAS GEODESICAS 《大地测量科学通报》 http://ojs.c3sl.ufpr.br/ojs2/index.php/bcg Semiannual （注：2008 CANADIAN JOURNAL OF REMOTE SENSING《加拿大遥感杂志》 http://pubservices.nrc-cnrc.ca/rp-ps/journalDetail.jsp? Science Citation Index Expanded 创刊年:1975 出版地:加拿大 3. PHOTOGRAMMETRIC RECORD 《摄影测量记录》 http://www3.interscience.wiley.com/journal/118539355/home? 1432-8364 E SCHWEIZERBARTSCHE VERLAGS, NAEGELE U OBERMILLER, SCIENCE PUBLISHERS, JOHANNESSTRASSE 3A
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。 目录 1、陆地资源卫星Landsat系列卫星基本介绍 1.1 Landsat-5介绍 1.2 Landsat-7介绍 1.3 Landsat-8介绍 1.4 Landsat-9介绍 2、传感器简介 3、 Landsat-5卫星于1984年3月发射升空，它是一颗光学对地观测卫星，有效载荷为专题制图仪（TM）和多光谱成像仪（MSS）。 Band 1 Coastal（海岸波段） 0.433–0.453 30 主要用于海岸带观测 Band 2 Blue（蓝波段） 0.450–0.515 30 用于水体穿透，分辨土壤植被 Band 3 10 TIRS 1（热红外1） 10.60 -11.19 100 感应热辐射的目标 Band 11 TIRS 2（热红外2） 11.50 -12.51 100 感应热辐射的目标 综上所述： 3、
1.4K20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
为了捕获这个进化的关键时刻啊,我们开始组织特刊《“遥感土地变化科学与谷歌地球引擎”在《“环境遥感”2017年11月至2020年3月(图1)。 特刊发表湿地相关论文3篇(Cao et al.,2020;Tian et al.,2020;Wu et al.,2019)。 3. 在这个专题之前的GEE研究 截至2018年4月，本特刊正式公布，共发表了239篇涉及广泛科学领域的“绿色科学”相关研究(图3)。 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。 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。
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。 rioData.bounds[1]) right = max(right, rioData.bounds[2]) top = max(top, rioData.bounds[3] arr[i, :, :] = tiff.imread(file2read) os.remove(file2read) plot_rgb(arr, rgb=(0, 1, 2)) 3.
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 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）
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 gdal.Open(fn) height=ds.RasterYSize weight=ds.RasterXSize gt=ds.GetGeoTransform() minx=gt[0] maxy=gt[3] ('C:/pytemp/modismosictemp/modis3kre') minx,maxy,maxx,miny,resb=get_extent('C:/pytemp/modismosictemp/ /'+in_files[1]) a1=in_ds1.ReadAsArray() yk1,xk1=a1.shape x3,y3=int(abs(minXa-minX)/resmax),int(abs(maxYa-maxY )/resmax) x4,y4=x3+xk1,y3+yk1 for xx in range(xk1): for yx in range(yk1): raster[yx+min(y3,y4),xx+min
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。 rioData.bounds[0] bottom = rioData.bounds[1] right = rioData.bounds[2] top = rioData.bounds[3] rioData.bounds[1]) right = max(right, rioData.bounds[2]) top = max(top, rioData.bounds[3] get_extent(tiffileList) cols, rows= getRowCol(left, bottom, right, top) bands = ['B7', 'B5', 'B3'
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。 ? 1.1.3 Copernicus Open Access Hub •网址[3]：https://scihub.copernicus.eu/dhus/#/home Copernicus Open Access 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
2.6 入门资料推荐 11.1 概述 3 智能化遥感影像 11.2 研究意义 3.1 概述 11.3 典型应用 3.2 研究意义 11.4 已取得的研究成果 3.3 已取得的研究成果 11.4.1 同源影像变化检测 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 3.智能化遥感影像信息提取：智能化遥感信息提取研究方向是一个综合交叉学科研究方向，涉及计算机科学、信息科学、遥感科学、数学等领域科学知识，其发展与其他学科的新理论的发展有着密切的联系，更重要的是取决于各种新型遥感影像所面临的新问题与挑战 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
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。 tif_file_list) rf <- writeRaster(tif_mosaic, filename = r"(E:\02_Project\01_Chlorophyll\Select\NewClip\LCC_SC_3. 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。
64110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。
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）
ee.Number(estimationImage.get('system:time_start'))) ); } // 把SG滤波函数设置为三次函数 var order = 3;
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。 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 - 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 - 来自专栏计算机视觉理论及其实现
遥感图像去雾文章解读
3、An effective thin cloud removal procedure for visible remote sensing images摘要针对可见光遥感影像，提出了一种高效的薄云去除方法 最后，利用本文提出的估计算法成功地去除了遥感图像中的雾霾。 5、No-Reference Assessment on Haze for Remote-Sensing Images针对遥感影像提出了一种基于霾分布的无参考霾评估方法。 最后，利用对遥感图像的霾度进行预测。为了客观验证本文提出的度量HDMHA的有效性，提出了一种基于雾霾成像模型的模拟雾霾遥感图像的方法，所模拟的雾霾图像在视觉上与真实图像有很大的相似性。 6、A SPATIAL - SPECTRAL ADAPTIVE HAZE REMOVAL METHOD FOR REMOTE SENSING IMAGES提出了一种用于遥感图像的空间光谱自适应雾霾去除方法
2K61编辑于 2022-09-02
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