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
500+累计阅读
553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，可用于分析和处理地理空间数据。其中包含了丰富的遥感数据集，如MCD64A全球月度火灾数据，该数据集提供了全球范围内每月火灾的信息。本文将介绍如何使用GEE获取指定区域的火灾情况，并提供相应的源代码。
首先，我们需要在Google Earth Engine中导入所需的数据集。我们将使用MCD64A全球月度火灾数据集，该数据集的分辨率为500m。以下是导入数据集的代码：
// 导入MCD64A全球月度火灾数据集
var fireData = ee.ImageCollection('MODIS/006/MCD64A1')
.select(数学建模竞赛中遥感数据获取与处理实战：以MODIS NPP数据为例
遥感数据是地理信息系统和空间数据分析的基础，它通过卫星传感器获取地球表面信息，形成多维度、多时相的数据集。其核心原理在于利用电磁波与地物的相互作用，反演出植被指数、地表温度、净初级生产力等关键参数。在生态建模、气候变化研究和资源监测等领域，遥感数据提供了大范围、长时序的客观观测依据，极大提升了研究的时空覆盖能力。对于数学建模竞赛和科研实践而言，掌握权威遥感数据源的获取、解码、预处理与质量验证流程，是将理论模型与真实世界连接的关键技术环节。本文以MODIS NPP（净初级生产力）数据为例，深入解析从NASA数
亚马逊野火时空建模实战：MODIS数据驱动的地理归因分析
地理空间建模是理解自然灾害分布规律的基础技术，其核心在于将离散点数据转化为具有统计显著性的空间模式。通过空间自相关分析（如Moran's I、Getis-Ord Gi*）识别热点聚集性，结合多源驱动因子（道路距离、农田占比、降雨缺失）进行可解释性回归，实现从‘哪里着火’到‘为何在此着火’的归因跃迁。该方法广泛适用于森林火灾、城市热岛、疫情传播等具有显著空间异质性的风险评估场景，尤其依赖遥感火点数据（如MODIS Level 2）与地理信息系统（GIS）工具链的协同。本文聚焦亚马逊野火案例，详解如何利用MAT
遥感数据下载——FIRM：VIIRS火点数据、MODIS火点数据简介及下载
一、FIRMS(Fire Information for Resoutce Management System) 网站链接：https://firms.modaps.eosdis.nasa.gov/map/ 这个网站上对VIIRS及MODIS的火灾数据进行了显示，可以进行按日期、产品类别等动态的展示火点数据或火烧迹地，同时也提供了数据下载控件。高级选择中还可以进行数据统计结果展示。 二、VIIR...
使用google earth engine(GEE)提取亚马逊每年森林火灾区域
2019年亚马逊大火还历历在目，作为学遥感的学生，我们可以使用遥感影像来获得着火区。但是使用传统遥感太过于麻烦，我们可以使用GEE，1分钟获得亚马逊10年的着火区域，并统计面积与导出着火区。 代码主要步骤： 1.数据选择与预处理； 数据源选择modis的火点产品数据，该数据是modis的500m月合成数据。 研究区是通过roi工具在GEE上面绘制的，包括了亚马逊森林。 var te...
GEE：基于MCD64A1的GlobFire的火灾时间
优快云@_养乐多_本文将介绍如何可视化 JRC/GWIS/GlobFire/v2/FinalPerimeters 数据集中每个火灾斑块，以及火灾斑块发生火灾的时间。因为原始数据的时间是年月日格式，可视化只能是将其转换成 Day Of Year （DOY，一年中的天数，0-366），这样才能了解火灾发生的具体时间，以便于对比和更直观的了解火灾分布和动态。结果如下图所示，不同的颜色代表不同的DOY时间。
Google Earth Engine（GEE）——计算火灾面积并利用不同图表进行展示
如果对象的时间戳落在日历字段的给定范围内，则返回一个通过的过滤器。月、年中的日、月中的日和周中的日是以1为基础的。本教程的主要目的是如何进行图表的多样化展示，本教程的主要是利用全球数简化版本的国家边界，分别计算中美洲地区洪都拉斯、尼加拉瓜、危地马拉、萨尔瓦多、巴拿马、哥斯达黎加、伯利兹7个国家的地区的过火面积，并利用不同图表进行了结果分析。提取并绘制集合中每张图片在每个区域的指定波段的值。选项有：年、月、小时、分钟、年中之日、月中之日和周中之日。field（字符串，默认为 "年中的一天"）。
使用Python中的GEE（Google Earth Engine）库中的sampleRegions方法从影像中提取像素值至点
这样，我们就成功地使用Python的GEE库中的sampleRegions方法从遥感影像中提取了像素值至给定的点位置。这个方法可以帮助我们进行遥感数据的预处理和分析，为后续的研究工作提供了基础。其中，'collection’参数指定了要提取像素值的点位置，'scale’参数指定了提取像素值时的缩放比例。在本文中，我们将介绍如何使用GEE库中的sampleRegions方法将影像的像素值提取至给定的点位置。在这个例子中，我们打印了Landsat 8影像中所选点位置的红色波段（B4）的像素值。
Google Earth Engine（GEE）——MCD64A1.006 全球月度火灾数据500m分辨率数据产品获取指定区域的火灾情况（以墨西哥为例）
本次的研究主要是基于modis火灾天数的问题，我们尝试选定研究区进行下载看结果是不是批量的在一起的一张图上，而不是仅仅是官网一个一个的图片展示。具体问题： 之前有朋友问到关于下面这篇文章中，火灾数据从官网下载的为什么是一个一个的问题：(1110条消息) Google Earth Engine ——MCD64A1.006 MODIS Burned Area Monthly Global 500m第6版燃烧区数据产品_此星光明2021年博客之星云计算Top3的博客-优快云博客 下面这个图是官网的下载链接给
火焰数据集
火灾识别的部分未处理的原始数据图片，适用于火灾现场的识别与警示
全球火点数据-modis-2015-2023年
全球火点数据集（MODIS，2015-2023年）提供了2015年至2023年间全球范围内的火点检测数据。该数据集基于MODIS（中分辨率成像光谱仪）卫星遥感技术，通过热红外波段对地面温度异常进行监测，能够有效识别火点，尤其是在森林火灾、草原火灾和其他类型火灾发生期间。 数据集主要内容包括： 火点坐标和时间； 火点强度与持续时间。 应用场景： 火灾监测与预警：实时监控全球范围内的火点，提前预警潜在的火灾风险。 气候变化研究：研究火灾与气候变化之间的关系，分析极端天气事件对火灾发生频率和强度的影响。 灾害管理与应急响应：为政府和相关机构提供火灾灾害信息，支持应急响应和资源调度。 生态与环境研究：评估火灾对生态系统和生物多样性的影响，尤其是在森林和草原地区的火灾事件。 全球火灾评估：帮助国际组织或研究机构进行全球火灾发生频率、影响范围及趋势的分析
modis卫星探测全球山火2020-2022数据集.rar
modis卫星探测全球山火2020-2022数据集
火焰检测原始数据集，已分好训练集与验证集
适用任务 目标检测：火焰/火点定位 语义分割：可扩展 mask 分支做火区分割 异常检测：利用“非火”场景做负样本 轻量化部署：提供 320×320 缩略图版本，适配边缘设备 主流框架「一网打尽」 同时提供 COCO JSON + PASCAL VOC XML 双格式
TDDFT计算软件Octopus学习笔记(二)：基态计算(Si)
本文以硅为例，来进行基态计算。
别再为GEE注册发愁了！用谷歌Cloud Project，5分钟搞定谷歌地球引擎账户（保姆级图文）
本文提供2024最新版谷歌地球引擎(GEE)账户注册的保姆级教程，通过谷歌Cloud Project快速完成注册，5分钟极速通关。详细解析注册前的准备、分步图解流程、常见误区及解决方案，帮助用户避开90%的注册陷阱，直达GEE核心功能区。
电力抄表协议DL/T645和698.45到底有啥区别？一张图帮你选对协议
本文深入对比了电力抄表协议DL/T645和DL/T698.45的技术差异，从协议架构、报文结构、功能覆盖到实施成本进行全面分析。通过实际案例和数据，揭示698.45协议在通信效率、业务扩展性和长期成本上的优势，并提供清晰的选型决策流程图，帮助工程师根据具体需求选择最适合的电力抄表协议。
分位数回归和stata
分位数回归与stata 找了半天也没找到我想看的那种完整点的stata教程，只好自己写一个了… 参考教材：《用STATA学微观计量经济学》&《高级计量经济学及STATA应用_第2版》 第一部分 纯理论 更加详细的百度吧，很长很长，这里主要是拿来和ols比较。ols是均值回归，求解的方法是残差的平方最小，而这里就是对残差的绝对值用分位数做惩罚。（思想了解一下即可） 第二部分 Stata...
【DeepSeek应用实践】手把手教程：用 AnythingLLM + Ollama + DeepSeek-R1 搭建本地企业知识库
在众多的技术方案中，我们选择了 AnythingLLM、Ollama 和 DeepSeek-R1 这一组合来搭建本地知识库。Ollama 作为一个轻量级的本地化大语言模型部署工具，支持多种模型，易于安装和使用，能够快速在本地运行强大的语言模型。DeepSeek-R1 是一个专为知识库问答设计的检索增强生成（RAG）模型，它结合了检索和生成的优势，能够快速从知识库中检索相关信息并生成精准答案。而 AnythingLLM 则是一个用户友好的界面工具，可以方便地连接 Ollama 和 DeepSeek-R1
成对使用离轴抛物面反射镜的设计
成对使用离轴抛物面反射镜的设计
复旦微FMSH_Procise安装全流程详解：从环境配置到实战避坑指南
通过本文的全流程解析+实战技巧，开发者可快速掌握Procise在复旦微芯片开发中的核心应用。未来随着AKConv轻量级架构（参考往期文章）等创新技术的融入，国产芯片开发生态将更加完善。立即关注本专栏，获取最新多镜像切换指南与Linux SDK实战教程！扩展阅读复旦微在线升级BOOT.BIN全解析H7-TOOL实现复旦微脱机烧录（注：本文实验环境为Windows 10 x64 + FMQL45T-CORE开发板，部分操作可能因版本更新调整）立即行动下载本文配套配置文件：[GitHub链接]加入技术交流群。
模型实战（32）之 yolo26 实现对全身关键点数据集 的训练与关键点检测
模型实战（32）之 yolo26 实现对全身关键点数据集 的训练与关键点检测
VC中sqlite的使用
在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示
最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版
Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。
WINCC7.3破解文件
WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！
visio安装包
Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表，创建专业级图表以简化复杂的信息。
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
356
扫一扫
