本文利用Landsat影像分别计算AVI\BSI和SSI，首先构建一个基本的去云和纠正函数以及影像筛选和阈值设定和指数运算的函数，然后开始进行整体运算，本文用到的函数：ee.Image.constant(value)生成一个处处包含常量值的图像。参数。value（对象）。恒定图像中的像素值。必须是一个数字或一个数组或一个数字或数组的列表。返回。图像updateMask(mask)在所有现有遮罩不为零的位置上更新图像的遮罩。输出的图像保留了输入图像的元数据和足迹。参数。this:image(Image):输入图像。mask(图像)。图像的新掩码，是[0,1]范围内的一个浮点值（无效=0，有效=1
这一章节的内容是介绍Web框架如何支持服务端渲染的场景实现静态资源服务(StaticResource)。支持HTML模板渲染。这一章节很多内容是基于net/http库的，该库已经实现了很多静态文件和HMML模板的相关功能的了。 静态文件网页的三剑客，JavaScript、CSS和HTML。要做到服务端渲染，第一步便是要支持JS、CSS等静态文件。http.FileServer为了方便使用像JavaScript、CSS和图像这样的静态资源，net/http内置了http文件服务器http.FileServer。funcmain(){ fs:=http.FileServer(http.Dir(".
作者：CSDN@_养乐多_本文将介绍GEDI2A级地理定位高程和高度度量产品（GEDI02_A），及其在GEE平台上的可视化和下载代码。LARSE（Land,AtmosphereNearreal-timeCapabilityforEOS）是由美国国家航空航天局（NASA）开发的一个针对地表温度、植被指数和地表辐射等方面的全球遥感数据产品。其中，GEDI（GlobalEcosystemDynamicsInvestigation）是LARSE中的一个子数据集，主要针对全球的生态系统动态变化进行观测和分析。GEDI数据集通过激光高度计技术（Lidar）获取地球表面的三维信息，其中包括地表高度、植被高
简介：GEE今天的峰会上提出了一个非常好的去云的影像，这个数据集已经再gee中进行了公开，并且只需要通过一行代码即可运行获取没有云的高清影像，相较于QA去云的操作，整体山给效果更加，特别是对于很多地区常年被云雾覆盖，很难获取无云影像，本教程通过一个简单的案例来展示如何做到高清无云影像的获取，从而提高后续土地分类的精度或者其它后续影像操作。CloudScore+S2_HARMONIZEDV1数据集介绍：CloudScore+是一种用于中高分辨率光学卫星图像的质量评估（QA）处理器。CloudScore+的输出不明确提供标签，如"云"和"云影"。取而代之的是，质量保证工件是根据与太阳辐射或成像传感
作者：CSDN@_养乐多_本文将介绍STARFM（SpatialandTemporalAdaptiveReflectanceFusionModel）数据融合算法，它用于将Landsat和MODIS卫星影像进行融合处理。代码的框架如下：导入所需的卫星影像数据集和研究区域。进行初步的MODIS和Landsat影像筛选。定义一些辅助函数和变量，包括去除无效像素、计算NDVI指数等。对Landsat影像进行处理，包括裁剪、去除无效像素、计算NDVI等。对MODIS影像进行处理，包括裁剪、计算NDVI等。根据日期对Landsat和MODIS影像进行匹配和融合。将融合后的影像数据导出为GeoTIFF文件。
文章目录前言一、Anaconda安装二、Anaconda使用1.添加清华源镜像2.新建虚拟环境3.进入jupyterlab三、jupyterlab的使用四、设置代理五、访问GEE其他资料前言地信遥感小白一枚~，本次学习GEE，全程根据吴秋生老师的课程来做的，这里记录一下自己的python环境搭建过程。（如果还没有注册GEE，要先去注册GEE，要保证你能在浏览器中访问使用才行）一、Anaconda安装吴老师教程中是miniconda，由于我之前是大数据专业，做过一些深度学习项目，电脑中有anaconda，所以就不用再安装了，如果想做深度学习的一些大项目，建议使用anaconda，教程请参考我的另
1.基础概念(1)谷歌云平台 整个GEE是基于GoogleCloud云平台的一整套API开发环境。因此整个数据的处理全部都是在GoogleCloud平台上实现的，无需本地机器参与运算。一般开发流程是在线/离线编辑代码，然后提交服务器端运行，完成之后会输出给我们一些结果。这个思路适合离线本地开发不太一样的。处理的时候，整个算法还有数据都是在云端的，所以不要想着用本地Python环境就可以离线开发或使用GEE。它本身只是一个包装好的API供你调用，核心是云端的服务器。这点需要注意。正式因为这种本地-服务器端的差别，所以GEE也专门有自己的变量类型，基本是ee.xxx形式。我们在写代码
1、首先我们打开我们版本文件夹找到登录器文件夹进入找到GEE登录器配置器（MakeGameLogin.exe）打开2、接下来开始填写我们的主列表和备列表，这时候我们要自己创建一个列表，因为登录器自带的列表肯定是读取不了的，我们在网站文件夹新建一个txt文本名称可以随意填写如下图：3、在我们新创建的txt文本里面放入我们自己的列表格式，免费获取列表格式地址（http://www.pkp123.cn:88/）注意：版本什么引擎就用什么列表格式，4、打开我们创建的TXT文本，修改里面的ip：127.0.0.1是单机地址，我们需要把他修改成我们的服务器ip地址，7000端口是服务器连接对应ip，后面的
文章目录前言第一步：定义研究区，自行更换自己的研究区第二步：加载Landsat8，LST影像数据集合第三步：构造SPWI指数函数:(B5-B7+B2)/(B5+B7+B2)；构造NDLI指数函数:(B3-B4)/(B3+B4+B6)；构造地表温度LST函数；构造RVI指数函数:B5/B4；构造NDSI指数函数:(B6-B5)/(B6+B5)第四步：构造指标熵计算函数第五步：主函数开始，引用指标计算函数，导入数据，计算各生态指标第六步：引用指标熵计算公式，导入指标，计算指标信息熵第七步：利用指标信息熵，求取各指标权重第八步：加权融合，获取最终的生态环境质量结果第九步：结果显示完整代码总结前言基于
作者：CSDN@_养乐多_本文将介绍在GoogleEarthEngine（GEE）平台上进行随机森林分类的方法和代码，其中包括制作样本点教程（本地、在线和本地在线混合制作样本点，合并样本点等），加入特征变量(各种指数、纹理特征、时间序列特征、物候特征等)，运行随机森林分类器教程，并可将分类器模型应用于像素尺度或者超像素（对象/斑块）尺度数据，计算随机森林分类结果的精度（精度参数以csv格式下载到本地），优化随机森林分类算法的参数（绘制最优参数分布图），打印各个变量特征的贡献度（排序特征贡献度，并绘制柱状图）、统计每一类地类的面积等步骤的方法和代码。本教程可以应用于多种分类场景，包括土地利用/覆
