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
548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）是一个强大的云计算平台，用于分析和可视化地球观测数据。它提供了许多功能，包括从其庞大的数据存储库中获取和处理遥感影像数据。在本文中，我们将探讨如何使用GEE的evaluate函数来实现批量下载研究区域内的所有单张影像。
首先，我们需要定义我们的研究区域。在GEE中，研究区域可以由一个几何图形（如点、线、多边形）或一个特定的地理范围（如经纬度范围）来表示。我们可以使用GEE的几何图形库或地理区域库来定义我们的研究区域。下面是一个使用经纬度范围定义研究区域的示例代码：
var studyArea = ee.Geometry.Rectangle(minLon, minLat, maxLon, maxLat)Google Earth Engine Cloud Project 配置全指南
Google Earth Engine（GEE）并非独立平台，而是深度集成于Google Cloud Platform（GCP）的地理空间计算引擎。其核心原理在于通过服务账户实现机器间认证，依托IAM策略与API配额控制资源访问。技术价值体现在稳定、可审计、可扩展的遥感分析能力，支撑Python批量处理、定时任务、多用户协作及GIS系统对接等生产场景。区别于Code Editor的前端交互，GEE后端依赖GCP项目生命周期管理、Earth Engine API显式启用与服务账户密钥安全初始化。本文围绕Goo
GEE 时间序列合成、时序线性插值与SG滤波
本文提出了一种基于时间序列分析的湿地分类方法，通过封装时序处理API实现高效数据处理。针对哨兵影像数据不足问题，开发了S1SeriesComposite和S2SeriesComposite函数，采用线性插值填补缺失数据，支持多时间间隔序列合成。同时封装了Savitzky-Golay滤波算法，优化了波段输出结果。系统整合了NDVI、NDWI等常用遥感指数，提供完整的时序数据处理流程，为湿地动态监测研究提供了便捷工具。实验表明该方法能有效处理时序遥感数据，支持精细化湿地分类研究。
从L1C到分析就绪：用Google Earth Engine (GEE) 在线处理Sentinel-2数据的完整流程
本文详细介绍了如何利用Google Earth Engine (GEE) 在线处理Sentinel-2数据，从L1C级别到分析就绪的完整流程。涵盖数据获取、大气校正、云掩膜处理、波段计算及时间序列分析等关键步骤，帮助用户高效完成遥感数据处理，无需下载大量原始数据。
GEE遥感数据批量下载实战：从MODIS NDVI到本地自动化管理
遥感数据批量处理是地理空间分析中的常见需求，尤其在处理长时间序列数据时，高效的数据获取与本地化管理成为关键。其核心原理在于理解云端平台的异步任务调度机制与配额限制，通过分而治之的策略将大规模数据请求拆分为可控的独立任务。这一技术方案的价值在于能够将PB级的云端数据资源稳定、自动化地同步至本地，为后续的深度分析、模型训练或业务系统集成提供数据基础。典型的应用场景包括生态环境监测、农业估产、气候变化研究等领域中，对MODIS、Landsat、Sentinel等系列产品的区域长时间序列分析。本文将以MODIS N
Google Earth Engine（GEE）——如何批量下载影像？（涵盖javascript和python中所有最全的批量影像下载方案）
ee.batch模块也给你控制任务的能力--允许你自动导出。我们使用扩展程序，通过下面的链接进行进行安装即可，安装完成后就当你批量下载的过程中就会出现runall的按钮，这里和方案2是一样的，都需要配合方案1一起使用.方案2是我们需要在控制台中进行代码输入，主要是通过一点代码来实现自动运行所有需要下载的影像，在控制台中进行批量下载，其实代码1+代码2共同使用。这里值得注意的是无论我们在管理等待还是停止任务的时候，我们都必须先进行列表任务的获取，也就是上面的第一行代码，随后根据需求来分别进行分析。
Google Earth Engine（GEE）——evaluate实现一键批量下载研究区内的所有单张影像(上海市部分区域)
本文主要的目的就是实现研究区的批量影像下载，主要用的市evaluate和每一个影像中的'system:index'，然后利用for循环将影像进行逐景下载。函数：evaluate(callback)Asynchronously retrieves the value of this object from the server and passes it to the provided callback function.this:computedobject (ComputedObject):The Com
Google Earth Engine(GEE)——一键下载研究区所有单景影像
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。当我们要进行单景影像下载的时候我们就需要使用一个函数用来evaluate来进行分析，这里的主要问题就是我们如何进行分析？选项有：年、月、小时、分钟、年中之日、月中之日和周中之日。对一个集合中的对象的给定属性进行聚合，计算出一个所选属性的所有值的列表。异步地从服务器获取此对象的值，并将其传递给提供的回调函数。field（字符串，默认为 "年中的一天"）。要从集合的每个元素中使用的属性。
Google Earth Engine:如何使用evaluate、forEach函数批量加载sentinel-2的RGB影像
本文介绍了使用Google Earth Engine (GEE)平台分析Sentinel-2卫星影像的方法。主要内容包括：定义秘鲁研究区域的参考点和地图中心设置；加载Sentinel-2表面反射率协调数据集并进行日期、边界、云量过滤；使用evaluate()和forEach()函数评估影像集合并进行可视化展示。文章详细说明了关键函数的作用和用法，并提供了完整代码实现，展示了如何批量处理Sentinel-2影像数据。
Google Earth Engine ——批量下载sentinel-5p逐日空气质量数据影像tif格式（中国为例）
本次教程的主要目的是下载sentinel-5p的数据集，按照tif的格式，这样做的主要目的是，我们可以使用gee数据进行每日空气质量的分析，做一个长时间序列的分析或者其它分析，总之可以用全年的影像去做一个分析。本次我们主要用到的函数。
使用Google Earth Engine将单景影像导出到Google Drive
在本文中，我们将探讨如何使用Google Earth Engine将单景影像导出到Google Drive中。你只需要选择合适的影像，指定导出参数，并启动导出任务即可。一旦导出任务启动，Google Earth Engine将开始处理影像并将其导出到指定的Google Drive文件夹中。然后，我们指定了导出的分辨率为30米，并且选择了GeoTIFF格式作为导出文件的格式。方法创建一个导出任务，并指定了任务的相关参数，包括影像、描述、导出文件夹、分辨率、区域和文件格式等。在上述代码中，我们首先使用。
Google Earth Engine（GEE）——根据线元素获取经纬度，并给出直线逐像素的高程值
本次实验的主要内容是如何利用提供的线性矢量，根据矢量点的经度，或者纬度和高程来进行线段上每个点高程值，并绘制称图形，整个过程比较简单，首先看函数。这是产生的一个影像经纬度的函数，可以作为一个变量使用，作用对象是影像，使用后结果就是获取经纬度两个波段。
Google Earth Engine（GEE）——MODIS计算NDFSI（归一化差值林地积雪指数）案例
在积雪林地，传感器接收到的光谱信息为森林冠层和积雪的混合光谱。由于冠层的遮挡作用，该混合光谱在可见光波段的反射率远小于纯积雪。因此，基于积雪光谱特征提出的NDSI指数不能有效地用于识别林地积雪。表单 function(success, failure) 的函数，在服务器返回答案时调用。参照同时相的高分影像，选择研究区积雪林地样本区，统计其NDSI及NDFSI的分布。NDSI与NDFSI的计算公式分别为式(1)和式(2)。从服务器异步检索此对象的值并将其传递给提供的回调函数。
《双剑合璧：双 IMU 驱动的高精度 AHRS 实战宝典（基于 ROS2）》
本文系统阐述了基于双IMU的高精度姿态与航向参考系统(AHRS)设计与实现方法。文章首先分析了传统单IMU系统的局限性，提出通过双IMU冗余配置实现性能互补的方案。从硬件设计要点(包括IMU选型策略、电路降噪方法、PCB布局规范)，到算法实现方案(互补滤波、卡尔曼滤波等融合算法)，再到ROS2软件架构与调优策略，全方位展示了双IMU系统的技术实现路径。特别强调快速性与高精度平衡的方法，包括动态参数调整、双IMU权重优化等核心技巧。最后总结了硬件降噪、算法调优等实用心法。
使用 Python 获取实时港股行情数据
在本教程中，你将学习如何通过 Infoway API 获取港股实时行情数据，具体以腾讯控股（0700.HK）和汇丰控股（0005.HK）为例，使用 Python 进行数据请求和解析。
数学建模国赛C题实战：从数据预处理到模型优化的完整流程（附Python代码）
本文系统讲解了数学建模国赛C题的完整实战流程，涵盖从数据预处理、模型选择与构建到优化与结果可视化的关键步骤。文章重点分享了如何利用Python进行高效的数据清洗、特征工程，并提供了多种机器学习模型的实现代码与对比验证方法，旨在帮助参赛者构建逻辑清晰、结果可靠的解决方案。
第一章 初识SpringBoot
提供大量的自动配置Spring和第三方库，开发者可以根据项目需求选择相关的starters依赖，而无需手动配置大量的Spring配置文件，开箱即用，无需配置XML，无代码生成。Spring Boot与Spring Cloud等框架集成，为构建微服务提供了强大的支持，并通过Spring Cloud实现服务注册、负载均衡、熔断等功能。本质上讲，Spring Boot就是Spring，它做了那些本应我们去做的Spring Bean配置等工作。以上就是一个简单的Spring Boot应用的创建和运行过程。
解决uc浏览器劫持video标签问题
解决uc视频悬浮播放 ，video标签被浏览器劫持 ，vide0适配
11年电赛综合测评——单运放三角波发生器
目录 背景知识科普： 原理：局部负反馈+大环负反馈+积分器 仿真图如下： 背景知识科普： 反馈电路是将放大器输出信号（电压或电流）的一部分或全部，回收到放大器输入端与输入信号进行比较（相加或相减），并用比较所得的有效输入信号去控制输出，这就是放大器的反馈过程。 一、反馈放大器反馈极性的经验分析法—符号法 分析步骤1.在输入端上加上一个“+”或“－”的输入信号，按瞬时极性法标出反馈放大器中各个电极（基极b，集电极c，发射极e）电压的瞬时性。 2.判断经放大和反馈后得到的反馈信号Xf的瞬时极性
使用 IMDb API 获取电影评分和评论的 Python 爬虫
电影是人们娱乐生活中的重要组成部分，随着电影产业的快速发展，观众对电影的评价也越来越多样化。IMDb（互联网电影数据库）作为全球最大的电影评分和评论平台之一，收录了成千上万部电影、电视节目及其相关数据。它提供了一个强大的 API 接口，允许开发者访问电影的评分、评论、演员信息等数据。本文将带你一步一步实现一个 Python 爬虫，使用 IMDb API 获取电影的评分和评论。我们将通过这个爬虫来分析一些热门电影的观众反馈，并可视化分析结果。
lwip-2.0.3
lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。
锂电池充电器电路设计 里面有电路
锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。
OV9734 DATASHEET，完整规格书
OV9734完整规格书，包括电气参数，尺寸规格，寄存器配置表等
efm32 入门.pdf
本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。
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
336
扫一扫
