墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
300+累计阅读
365平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
Google Earth Engine（GEE）是一个强大的云平台，用于分析和可视化地理空间数据。在本文中，我们将使用GEE来绘制矿区的时序归一化植被指数（NDVI）变化图。NDVI是一种常用的遥感指数，用于评估土地覆盖中的植被生长状况。
首先，我们需要导入必要的库和数据集。请确保您已经在GEE中设置了账户，并具备相应的权限。
// 导入GEE库
var ee = require('users/google/earthengine:current');
// 选择感兴趣的矿区
var roi = /* 矿区的几何信息，可以是点、线、面等 */NDVI空间分布变化Slope趋势分析与F检验（自用）
1.NDVI数据预处理2.一元线性回归分析3.Slope趋势分析与F检验
ESA 10米土地覆盖数据（2021版）实战：监测城市扩张与森林变化（以GEE为例）
本文详细介绍了如何利用ESA 10米土地覆盖数据和Google Earth Engine（GEE）进行城市扩张与森林变化的动态监测。通过实战案例和代码示例，展示了从数据准备到变化检测的全流程技术方案，帮助读者掌握高精度环境监测的核心方法与应用技巧。
从NDVI到FVC：一次讲清遥感估算植被覆盖度的3种主流方法（含ENVI/ArcGIS操作对比）
本文全面解析了遥感估算植被覆盖度（FVC）的三种主流方法：经验模型法、植被指数法和像元分解模型法，详细对比了它们在ENVI和ArcGIS平台上的操作流程与应用场景。通过实际案例和技术原理剖析，帮助研究者选择最适合的FVC估算方法，提升生态评估和城市规划的精度与效率。
深度学习在卫星遥感中的特征提取与应用实践
深度学习技术正逐渐改变传统卫星遥感数据分析的方式。通过自监督学习，深度神经网络能够从海量时序遥感数据中自动提取高维特征向量，如64维的嵌入表示，这些特征比传统手工设计的植被指数（如NDVI）更能捕捉地物变化的细微差异。多源数据融合（如光学影像、雷达数据和气象数据）进一步提升了模型的鲁棒性，有效克服了云层遮挡等问题。这种技术在农作物分类、异常检测等场景中展现出显著优势，例如在农田分类任务中准确率提升23%。预计算好的嵌入数据已托管在GEE平台，用户可直接调用，极大降低了技术门槛。本文结合实战案例，详细解析了嵌
遥感算法选型实战指南：从物理约束到业务落地
遥感图像处理不是通用计算机视觉任务，而是基于地球观测数据物理特性的科学建模过程。其核心在于理解卫星影像、Lidar点云等数据的生成机制——光谱响应受大气与地表交互制约，空间分辨率决定可识别现象尺度，时间重访周期影响动态过程捕捉能力。算法的价值不在于模型复杂度，而在于能否将地表过程（如植被生长、水体变化、地物退化）转化为可计算、可验证、可解释的数学表达。在土地覆盖分类、变化检测、目标识别等典型任务中，经典方法（如NDVI时序分析、K-means聚类、CVA）常因物理意义明确、鲁棒性强、资源消耗低而优于黑箱深度
GIS空间分析中的KNN实战：从地理直觉到算法工具
KNN（K近邻算法）作为机器学习中最基础的空间推理方法，其核心思想天然契合地理学第一定律——‘近处事物关联更强’。它不依赖复杂假设，以距离度量为纽带，将空间邻近性转化为分类、插值与异常检测的可计算逻辑。在GIS领域，KNN尤其适用于小样本分类、动态阈值决策、多源异构数据融合及实时空间异常识别等场景。相比深度学习模型，KNN具备零统计假设、增量适应性强、决策完全可解释等工程优势，且能无缝对接坐标系转换、空间滞后特征、地理距离定制等GIS特有操作。本文聚焦KNN在ArcGIS、QGIS与Google Earth
Google Earth Engine APP（GEE）——一个简单的NDVI/EVI区域时序变化情况chart图表
我们这里展示一个简单的NDVI和EVI区域统计情况，主要是展示长时序的变化情况，但是代码会出现一些错误，我们这里看看代码的错误提示： Line 51: No features contain non-null values of "system:time_start". Line 51: No images in the collection intersect the specified regions.
Google Earth Engine（GEE）—— 各矿区时序NDVI变化图（包含具体的运行函数）
Series = 由 seriesProperty 标记的区域（默认值：'system:index'）。X 轴 = 由 xProperty 标记的图像（默认值：'system:time_start'）。为集合中的每个图像提取并绘制每个区域中指定波段的值。用作 x 轴上每个图像标签的属性。默认为“系统：time_start”。opt_regions 中用于系列标签的特征属性。默认为“系统：索引”。一个包含要包含在图表中的数据的 ImageCollection。为 y 轴生成值的 Reducer。
GEE案例分析：基于Sentinel卫星的矿区岩移监测实战——以安太堡、安家岭矿区为例
本文介绍了基于Google Earth Engine（GEE）平台，利用Sentinel-1雷达和Sentinel-2光学卫星数据监测矿区地表变化的方法。文章以山西安太堡、安家岭矿区为例，详细阐述了两种监测原理：通过Sentinel-1雷达后向散射系数变化识别地表扰动，以及利用Sentinel-2 NDVI线性趋势分析植被退化情况。实战步骤包括定义研究区域、处理卫星数据、差分计算、阈值设定和结果可视化。最后提供了完整代码链接和参数调整建议，帮助用户实现矿区大范围地表变化的低成本、高效监测。
GEE训练教程：1990-2024年安格伦煤矿区植被与火烧指数时序分析
本研究基于Google Earth Engine平台，整合Landsat和Sentinel-2卫星数据（1990-2024年），对乌兹别克斯坦安格伦煤矿区3公里半径范围内的植被（NDVI）和火烧（NBR）指数进行长期监测。研究采用夏季（6-8月）影像数据，通过多源数据融合和质量控制（云掩膜、阴影剔除等），建立了34年的时序分析框架。关键方法包括：跨传感器波段适配的指数计算方法、年度夏季均值统计分析，以及严格的无效数据过滤机制（云量<40%）。结果显示Landsat和Sentinel-2数据集分别覆盖完
绘制单个点的Landsat年度逐日NDVI时间序列折线图
首先，让我们来解释一下标题的意思。该标题的主要意思是要绘制一个特定地点的Landsat卫星数据集中的每年逐日的归一化植被指数（NDVI）时间序列折线图。通过绘制NDVI时间序列折线图，我们可以观察到该地点的植被生长和季节变化的模式。请注意，上述代码中的一些部分是假设的，并且需要根据你的具体数据集进行适当的修改。最后，我们使用matplotlib库绘制折线图，并设置相应的标题和标签。在上面的代码中，我们首先使用rasterio库读取Landsat数据集中的NDVI数据，并将其存储在一个名为。
基于GEE的遥感生态指数（RSEI）全自动化计算系统——支持多源数据融合、缨帽自适应变换、PCA正负判定与年度影像合成
Hook 机制通过注册回调函数，支持在任意阶段注入逻辑：Hook Point触发时机典型用途Landsat SR 影像生成后插入自定义云阴影掩膜（如Fmask++）TCT变换前替换为本地训练的CNN光谱解混系数趋势分析前添加土壤湿度指数（如SMAP降尺度）GeoTIFF导出前动态添加元数据字段（如处理时间戳）注册示例：// 使用用户上传的TCT系数（需提前上传至Asset）});graph LR。
NDVI指数空间变化
知网论文，详细介绍了河南省境内的植被变化，研究方法值得借鉴
ULN2003驱动28BYJ-48步进电机详解(附：51 32代码讲解)
本文介绍了28BYJ-48步进电机的驱动原理以及注意事项，并展示了极简 32 51驱动代码
Unity FPS射击控制系统：数据驱动的武器行为解耦方案
在Unity第一人称射击（FPS）开发中，射击系统常因输入、状态、行为耦合导致连发异常、换弹冲突与网络同步失准。其本质是缺乏对‘武器行为’（如后坐力曲线、弹药逻辑）与‘射击控制’（如输入合法性校验、冷却调度）的正交分离。本方案基于ScriptableObject实现WeaponData数据资产化，配合ShootingController状态机服务，达成输入解耦、运行时参数可调、协程受控、网络预测友好等工程目标。适用于中大型FPS项目架构升级与数据驱动转型，尤其解决Unity InputSystem与物理反馈
实战分享：如何用YOLOv5s+BIFPN高效检测隧道裂缝（附数据集获取）
本文详细介绍了如何利用YOLOv5s结合BIFPN（双向特征金字塔网络）构建高效的隧道裂缝智能检测系统。文章从高质量数据集构建、针对性数据增强、模型架构选型与调优，到工程化部署全链路进行了实战分享，旨在为基础设施自动化巡检提供兼顾精度与速度的解决方案。
秋叶ComfyUI整合包使用FRP实现公网访问教程 ComfyUI内网穿透 秋叶整合包
最近在做 ComfyUI 的实验时，我发现很多小伙伴都遇到一个问题：本地启动的 ComfyUI 服务只能在本地访问，想要通过公网远程访问，就必须借助来实现。作为一名前端开发工程师，我花了点时间把 ComfyUI 启动器和 FRP 配置整合了一下，今天就分享给大家。本文适合已经了解。需要注意的是 穿透到公网的话任何人都能访问 为了安全建议看我另一篇帖子加上密码验证 防止恶意攻击。
VS Code 重大更新：Agent Skills完美支持！
代码不会骗人，但你的 LLM 可能会编个故事——除非你给它一本《技能手册》。——某位深夜调试成功的 Go 工程师。
YOLOv11改进 | 特殊场景改进篇 | 2024最新改进CPA-Enhancer链式思考网络（适用低照度、图像去雾、雨天、雪天）
本文给大家带来的改进机制是2024.3月份最新改进，由CPA-Enhancer: Chain-of-Thought Prompted Adaptive Enhancer for Object Detection under Unknown Degradations论文提出的CPA-Enhancer链式思考网络CPA-Enhancer通过引入链式思考提示机制，实现了对未知退化条件下图像的自适应增强。该方法的核心在于能够利用CoT提示对图像退化进行动态分析和适应，从而显著提升物体检测性能。
UNet改进（3）：Local Attention增强的UNet网络-医学图像分割
本文提出一种改进的UNet网络，通过引入局部注意力机制增强医学图像分割性能。该方法在传统UNet编码器-解码器结构中，创新性地整合了通道注意力和空间注意力模块，使网络能自适应聚焦关键区域。注意力机制通过特征重标定增强有用信息并抑制噪声，显著提升了小目标分割和边缘检测的精度，同时保持较低计算开销。实验表明，该方法在肿瘤分割等任务中具有更好表现，为医学图像处理提供了新的优化思路。
ANSYS软件二次开发（2）：二次开发环境搭建与配置
ADK是ANSYS提供的一个开发工具包，它包含了用于二次开发的API、示例代码和开发指南。ADK支持Python和Tcl，但Python因其易用性和强大的社区支持，成为首选。在ANSYS软件中，自定义菜单与工具栏是实现二次开发的重要途径之一，它允许用户根据自己的需求和工作流程，创建个性化的操作界面。通过自定义菜单与工具栏，可以将常用的功能、自定义的脚本或宏命令整合到一起，提高工作效率。原因：材料参数输入错误，或者模型的物理假设与实际情况不符。解决方案仔细校验材料参数，确保与实验数据一致。
汉书HE8，好用的汇编代码编写工具
汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大
IMSL CNL 7.0.0 (x86-64)Crack
IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件，这是C++版本的破解文件
IDEA的使用指南
IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.
SAP B1中文培訓教材_SDK
公司内部培训资料，对开发工具 ，DIAPI， UIAPI，Add-ON有详细解说
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
订阅专栏 解锁全文
9020
扫一扫
