- 综合排序
- 最热优先
- 最新优先
- 来自专栏疯狂学习GIS
R语言raster包读取栅格遥感影像
本文介绍基于R语言中的raster包，读取单张或批量读取多张栅格图像，并对栅格图像数据加以基本处理的方法。 首先，如果有需要的话，我们可以先到raster包在R语言的官方网站（https://cran.r-project.org/web/packages/raster/index.html）中，查阅raster 接下来，我们开始安装raster包；这里我是在RStudio中进行代码的撰写的。 首先，我们输入如下的代码，从而开始raster包的下载与自动配置。 可以看到，我们在安装raster包时，会自动将其所需依赖的其他包（如果在此之前没有配置过）都一并配置好，非常方便。 接下来，输入如下的代码，从而将刚刚配置好的raster包导入。 library(raster) 随后，按下回车键，运行代码，如下图所示。
94730编辑于 2023-06-26 - 来自专栏全栈程序员必看
NR信道带宽利用率、NR-ARFCN与channel raster
NR-ARFCN与channel raster 版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
1.5K10编辑于 2022-11-08 - 来自专栏EpiHub
R矢量地图栅格化（将shapefile转换成raster）
R矢量地图栅格化（将shapefile转换成raster） 背景 在处理地图数据时候，经常会碰到shp与raster两种格式。通常r中应用较多的为raster栅格数据。shp文件太大，读取也不方便。 shp文件转成raster主要解决以下问题： 根据点经纬度提取shp数值 计算到某一位置距离，如河流 多个属性的ratser合并输出 image.png 下面就来介绍，如何根据shp文件，转成raster ) shape = shapefile(system.file("external/lux.shp", package="raster")) r = raster(shape, res=0.05) 转换Raster以后，就更方便了。 参考 栅格化shp数据 Rasterize polygons with R 替换raster中NA数据 根据shp裁剪raster地图 [sf裁剪 https://rpubs.com/cyclemumner
2.3K20编辑于 2022-11-03 - 来自专栏疯狂学习GIS
ArcMap栅格分割工具Split Raster得不到结果怎么办？
本文介绍在ArcMap软件中，进行分割栅格（Split Raster）工具处理后，得不到结果文件的解决方法。 最近，需要基于一个面要素类，对一个栅格遥感影像加以分割。 针对这一需求，很显然通过ArcMap软件的分割栅格（Split Raster）工具可以很好的实现。 此外，如果我们将上图所示的运行成功界面关闭，会再弹出分割栅格（Split Raster）工具的窗口，如下图所示。 将这一参数设置为0后，重新运行分割栅格（Split Raster）工具，可以发现运行速度快了很多；如下图所示，只需要不到2秒就可以完成操作。 随后，就可以在我们的结果文件夹中找到结果文件了。
53330编辑于 2023-06-26 - 来自专栏疯狂学习GIS
ArcGIS同一位置多幅栅格图像拼接融合与叠加（Mosaic To New Raster）
选择“System Toolboxes”→“Data Management Tools.tbx”→“Raster”→“Raster Dataset”→“Mosaic To New Raster”。
7.9K20发布于 2021-07-22 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）—— GEDI L2A Raster数据中轨道数量orbit_number暂时无法获取
GEDI L2A Raster Canopy Top Height (Version 2) 全球生态系统动态调查（GEDI）任务旨在确定生态系统结构和动态的特征，以便从根本上改善对地球碳循环和生物多样性的量化和理解
43610编辑于 2024-02-02 - 来自专栏给永远比拿愉快
栅格数据格式转换
Grid SDTS -raster- (rov): SDTS Raster DTED -raster- (rwv): DTED Elevation Raster PNG -raster- PCRaster Raster File ILWIS -raster- (rw+v): ILWIS Raster Map SGI -raster- (rw+): SGI Image File Format GRIB -raster- (rov): GRIdded Binary (.grb) RMF -raster- (rw+v): Raster Matrix Format WCS -raster Service SENTINEL2 -raster- (rovs): Sentinel 2 MRF -raster- (rw+v): Meta Raster Format PNM -raster -raster- (rw+v): ESRI .hdr Labelled ISCE -raster- (rw+v): ISCE raster ARG -raster- (rwv): Azavea
2.1K30发布于 2019-01-22 - 来自专栏二猫の家
遥感影像计算Jaccard 相似性系数
resampled_raster1 = rasterio.open("resampled_raster1.tif", "w", **profile1) resampled_raster1.write( raster1, 1) resampled_raster1.resample(100, Resampling.nearest) resampled_raster1.close() #resample the second raster to 100m resolution resampled_raster2 = rasterio.open("resampled_raster2.tif", "w", **profile2) resampled_raster2.write(raster2, 1) resampled_raster2.resample(100, Resampling.nearest) resampled_raster2 ) #reproject the first raster to WGS-84 reprojected_raster1 = rasterio.open("reprojected_raster1.tif
31430编辑于 2023-10-16 - 来自专栏数据 学术 商业 新闻
R-ggplot2 和rasterVis 实现空间栅格(Raster)数据的可视化绘制教程
本期将推出一篇关于栅格(Raster)数据的R语言可视化的绘制教程，其目的也是为大家提供绘图思路。本期绘制的数据为30m的土地利用(land use)数据，具体区域为广州市。 话不多说，我们直接上代码，如下： # Raster_data_Vis.R library(ggplot2) library(raster) library(viridis) library(ggthemes New Roman") ) #数据 datafold <- 'E:\\Data_ning\\RStudio projects\\guanzhoulanduse\\gzlu.tif' test <- raster (test_spdf) # 赋值列名 colnames(test_df) <- c("value", "x", "y") #开始绘图 land_use <- ggplot() + geom_raster R-rasterVis 可视化绘制 在查阅相关资料时发现，绘制Raster数据时，也可采用R第三方拓展包 rasterVis 包进行快速绘制，绘制代码如下： library(raster) library
8K20发布于 2021-02-22 - 来自专栏EpiHub
GPM 降雨量数据处理 -R（坐标系转换）
所以这篇文章，这要介绍raster如何转换成常规的4236坐标系。 hdf_raster=raster(hdf_tif_name) 上述主要是将HDF5文件转换成Raster文件，找到储存在HDF5文件中的precipitation位置。 然后存储到hdf_raster当中。 2.Raster转换 接下来是关键性的一步，过程比较长。 (cont)) image.png 嚯嚯，这里的hdf_raster与左下角的cont一点也不对应，怎么办？ 我们将hdf_raster旋转一下，这样子可以看到差不多正常了。 但是cont还是在左下角，坐标对应不上。
1.5K21编辑于 2022-10-25 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine ——数据全解析专辑（世界第 4 版网格化人口 (GPWv4) 修订版30 弧秒1公里格网）人口数量和密度数据集
= dataset.select('population_count'); var raster_vis = { "max": 1000.0, "palette": [ "ffffe7 ").first(); var raster = dataset.select('population_density'); var raster_vis = { "max": 1000.0, = dataset.select('unwpp-adjusted_population_count'); var raster_vis = { "max": 1000.0, "palette" , raster_vis, 'unwpp-adjusted_population_count'); 调整后人口密度： var dataset = ee.ImageCollection("CIESIN/ , raster_vis, 'unwpp-adjusted_population_density');
31000编辑于 2024-05-24 - 来自专栏R语言及实用科研软件
🤩 CellMarker | 人骨骼肌组织细胞Marker大全！~（强烈建议火速收藏！）
FeaturePlot(df.harmony, features = "MYH11", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster FeaturePlot(df.harmony, features = "ACTA2", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster FeaturePlot(df.harmony, features = "RGS5", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster FeaturePlot(df.harmony, features = "MPZ", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster FeaturePlot(df.harmony, features = "TTN", min.cutoff = "q9", order = T, cols = c("lightblue", "navy"), raster
2K10编辑于 2024-05-08 - 来自专栏DevOps
GIS：GDAL实现对栅格文件的转换
Imagine Images (.img) ELAS: ELAS AAIGrid: Arc/Info ASCII Grid DTED: DTED Elevation Raster PNG : Portable Network Graphics JPEG: JPEG JFIF MEM: In Memory Raster GIF: Graphics Interchange Format ERS: ERMapper .ers Labelled FIT: FIT Image RMF: Raster Matrix Format RST: Idrisi Raster A.1 INGR: Intergraph Raster GSAG: Golden Software ASCII Grid (.grd) GSBG: Golden Software Binary Grid (.grd) USGSDEM: USGS Optional ASCII DEM (and CDED) ADRG: ARC Digitized Raster Graphics
79910编辑于 2024-03-29 - 来自专栏EpiHub
用R处理NASA数据（.hdf 或.nc文件）
先加载所需R包及地图文件 library(ncdf4) library(rgdal) library(gdalUtils) library(raster) library(rasterVis) library 然后读取tiff到raster就可以了 gdal_translate(sds[1], dst_dataset = hdf_tif_name) # change hdf to tiff hdf_raster =raster(hdf_tif_name) # read tiff as raster # covert F into T names(hdf_raster)=hdf_time 是我们提取到的25类 landcover，接下来就是绘图部分 rasterVis::levelplot(hdf_raster, margin = NA, par.settings = RdBuTheme (制图反应时间较长) 第一种方法，加载SpatialPolygonsDataFram地图 第二种方法，加载Classes ‘sf’格式地图 #ggplot with raster # change
1.7K40编辑于 2022-10-25 - 来自专栏疯狂学习GIS
Python中gdal栅格影像读取计算与写入及质量评估QA波段筛选掩膜
rt_raster=gdal.Open(rt_file_path+rt_file) rt_band_num=rt_raster.RasterCount rt_raster_array =rt_raster.ReadAsArray() rt_lai_array=rt_raster_array[0] rt_qa_array=rt_raster_array =gl_raster.ReadAsArray() gl_lai_array=gl_raster_array gl_lai_band=gl_raster.GetRasterBand =rt_raster.ReadAsArray() rt_lai_array=rt_raster_array[0] rt_qa_array=rt_raster_array =gl_raster.ReadAsArray() gl_lai_array=gl_raster_array gl_lai_band=gl_raster.GetRasterBand
66340编辑于 2023-07-09 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine ——数据全解析专辑（世界第 4 版网格化人口 (GPWv4) 修订版30 弧秒1公里格网）水体面积和掩膜数据集
= dataset.select('water_area'); var raster_vis = { "min": 0.0, "palette": [ "f5f6da", "180d02 " ], "max": 0.860558 }; Map.setCenter(79.1, 19.81, 3); Map.addLayer(raster, raster_vis, 'water_area 代码： var dataset = ee.Image("CIESIN/GPWv411/GPW_Water_Mask"); var raster = dataset.select('water_mask' ); var raster_vis = { "min": 0.0, "palette": [ "005ce6", "00ffc5", "bed2ff", "aed0f1 " ], "max": 3.0 }; Map.setCenter(-88.6, 26.4, 1); Map.addLayer(raster, raster_vis, 'water_mask');
25210编辑于 2024-02-02 - 来自专栏前端加油站
⭐Mapbox GL JS学习探索系列（2） - Source
mapbox 中的数据源一般分为vector, raster, raster-dem, geojson, image, video这六种类型，本文依次对这6中资源类型进行简单介绍。 vector 与 raster 矢量瓦片与栅格瓦片。关于地图的瓦片加载，在上一篇文章中有介绍，这里简单说一下矢量与栅格的区别。 vector优点：因为不同于raster通过像素点绘制，因此不会出现放大后地图变模糊的情况。 vector缺点：在数据存储过程中，运算相对较多。不能存储高程数据（DEM）来对地理特征做表示。 raster优点：每个单元格的地理信息都是很明确的，因此去做建模和数据分析都比较方便。 raster缺点：单元格数据大小决定分辨率，因此容易出现模糊，不能较好的表示地图显示的线性特征。 raster DEM 栅格瓦片 - 数字高程模型。 因为raster这种数据源对于地图位置能有较好的表示，在此基础上，可以增加对于地表特征的描述，应用场景为地形地貌的分析描述。
2.8K30发布于 2019-10-22 - 来自专栏叽叽西
Java 扩展图像支持库 TwelveMonkeys ImageIO
raster = reader.readRaster(0, null); bi = createJPEG4(raster); } finally raster) { int w = raster.getWidth(); int h = raster.getHeight(); byte[] rgb = new byte[w * h * 3]; // 彩色空间转换 float[] Y = raster.getSamples(0, 0, w, h, 0, (float[]) null); float[] Cb = raster.getSamples(0, 0, w, h, 1, (float[]) null (byte) 0xff : (byte) (val + 0.5); } raster = Raster.createInterleavedRaster
2.3K30编辑于 2022-05-17 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE数据集：1996 年到 2020 年全球红树林观测数据集（JAXA）（更新）
1996',false) Map.addLayer(extent_raster.filterDate('2020-01-01','2020-12-31').first(),{"opacity":1," bands":["b1"],"min":1,"max":1,"palette":["228B22"]},'Extent Raster 2020',false) var change_f1996_raster ,{"opacity":1,"bands":["b1"],"min":1,"max":1,"palette":["228B22"]},'GMW Union raster',false) //Core: Single layer of pixels which were mangroves at all dates within the time series var gmw_core_raster ,{"opacity":1,"bands":["b1"],"min":1,"max":1,"palette":["228B22"]},'GMW Core raster',false) //Tiles
43710编辑于 2024-10-01 - 来自专栏小明的数据分析笔记本
看篮球学R语言：卢卡东契奇到底有多棒？
(image, x=0.143, y=0.77, height=0.2) image <- image_read("doncic.jpg") grid.raster(image, x=0.27, y= ") grid.raster(image, x=0.655, y=0.58, height=0.2) image <- image_read("harden.jpg") grid.raster(image , x=0.785, y=0.42, height=0.2) image <- image_read("bryant.jpg") grid.raster(image, x=0.915, y=0.38, ") grid.raster(image, x=0.655, y=0.46, height=0.2) image <- image_read("harden.jpg") grid.raster(image ") grid.raster(image, x=0.655, y=0.44, height=0.2) image <- image_read("harden.jpg") grid.raster(image
76830发布于 2020-08-28
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