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
1.6k累计阅读
1.7k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
生态遥感指数（Remote Sensing Ecological Index，简称RESI）是一种用于评估土地覆盖类型和生态系统健康状况的指标。通过结合遥感数据和地表观测数据，RESI可以提供对植被生长状况、土地利用和土地覆盖变化等方面的信息。在本文中，我们将介绍如何使用Google Earth Engine（GEE）平台和Landsat卫星数据来计算RESI指数。
RESI指数的计算方法涉及多个遥感波段和指标，但常用的方法是基于归一化植被指数（Normalized Difference Vegetation Index，简称NDVI）和归一化差异水体指数（Normalized Difference Water Index，简称NDWI）。下面是使用GEE平台计算RESI指数的代码示例：
// 定义时间范围和地理范围
var startDate = '2019-01-01';
var endDate = '2019-12-31';</基于Google Earth Engine与MNDWI的自动化水体提取实战指南
遥感影像分析是地理信息科学的核心技术之一，它通过传感器获取地球表面信息，为环境监测、资源管理提供数据基础。其原理在于不同地物对电磁波的反射、辐射特性存在差异，通过多光谱波段计算可识别特定目标。这项技术的价值在于能够实现大范围、周期性、低成本的地表观测与动态监测。在众多应用场景中，水体提取是水资源调查、洪涝灾害评估、生态环境研究的关键环节。传统方法依赖本地软件手动处理，面临数据量大、计算资源要求高、流程繁琐等挑战。本文聚焦于利用Google Earth Engine（GEE）这一行星级云平台，结合改进的归一化
别再手动下载了！用Google Earth Engine (GEE) 5分钟批量处理Landsat C2L2数据的完整指南
本文详细介绍了如何使用Google Earth Engine (GEE)快速批量处理Landsat C2L2数据，解决传统遥感数据处理中的数据获取慢、存储压力大和计算资源要求高等痛点。通过云端架构，GEE实现了数据即时可用、并行计算和零存储压力，大幅提升效率。文章还提供了GEE环境搭建、数据定位、核心处理流程及高级应用的完整指南。
GEE实战：用Landsat 8数据，5步搞定城市生态遥感指数(RSEI)计算与可视化
本文详细介绍了如何利用Google Earth Engine（GEE）平台和Landsat 8数据，通过五个关键步骤构建遥感生态指数（RSEI），实现城市生态环境的快速评估与可视化。内容包括研究区定义、数据预处理、生态指标计算、主成分分析及结果可视化，为城市生态质量评估提供了一套完整的解决方案。
Google Earth Engine——Landsat C02_T1_L2数据（地表反射率数据）1985-2023年生态遥感指数RESI计算
本博客是在原有博客的基础上进行的升级主要的问题是现在GEE已经开始停用Landsat C01数据集，因此，将原有的代码进行了升级，全部使用 Landsat C02数据数据进行生态遥感指数的分析。
Google Earth Engine——Landsat 1985-2020年生态遥感指数RESI计算
/参数imgcoll影像集类型（imagecollection）需要保证，影像的顺序依据时间进行排列，第一张影像的时间应该为最早的时间。//参数timeBandNames字符串类型（String），其代表第一个参数imgcoll中影像的时间波段的波段名称。每张影像至少有两个波段，除待插值波段外，应有一个时间波段，为Int类型，代表该影像所处的时间，单位可由自己确定，但同一个影像集内应统一时间单位，该波段应在影像全范围内非NULL，且不可位于影像的第一个波段的位置。光谱时序曲线插值函数。...
GEE案例：Landsat 5、7、8影像构建1985-2023年rsei生态遥感指数详细代码
rsei（Regional Silviculture Ecological Index，地区林业生态指数）是一种生态遥感指标，用于评估森林生态系统的健康状况和生态服务。构建1985-2023年的rsei生态遥感指，主要需要使用Landsat 5、7和8的遥感影像数据。以下是一种可能的构建方法：1. 数据获取：从美国地质调查局（USGS）或其他可靠数据提供商处获取Landsat 5、7和8的遥感影像数据。确保选择的影像具有适当的空间和时间分辨率，以覆盖所需的时间段。
GEE案例分析——利用Landsat C02 系列数据进行长时序（1985-2023年）EVI和FVC计算
植被覆盖度指的是一个区域或地表的表面被植被所覆盖的程度。它通常用百分比来表示，表示植被覆盖的面积占总面积的比例。较高的植被覆盖度意味着该地区的植物密度较高，较低的植被覆盖度则表示植物覆盖较少。植被覆盖度是评估生态系统健康和环境质量的重要指标之一，对于监测和保护自然资源非常重要。植被覆盖度的计算可以使用多种方法，包括遥感技术和现场调查等。以下是一种常用的计算植被覆盖度的方法：1. 遥感技术：遥感技术是一种通过卫星或航空平台获取地表信息的技术。植被覆盖度的计算可以利用遥感影像数据来进行。
使用Google Earth Engine的两种方法计算EVI指数
在Google Earth Engine（GEE）中，我们可以使用两种方法计算EVI指数：基于数学表达式和使用预定义的函数。第二种方法使用预定义的函数，适用于特定的数据集，如MODIS数据集。根据实际情况选择适合的方法来计算EVI指数，可以更好地评估植被的状况和变化。GEE提供了一个名为"MODIS/006/MOD13Q1"的数据集，其中包含了已经计算好的EVI数据。我们可以直接使用该数据集获取EVI数据。其中，NIR表示近红外波段的反射率，Red表示红色波段的反射率，Blue表示蓝色波段的反射率。
Google Earth Engine（GEE）——关于NDVI_NDWI_NDBI指数波段运算公式函数的集成和优化（1）
之前写过一篇文章是关于各种指数进行计算的文章，链接如下： (230条消息) 利用GEE（Google Earth Engine）在线处理NDVI、EVI、SAVI、NDMI等指数归一化教程！_此星光明的博客-优快云博客 很多时候我们觉得如果只是计算一个波段的话，那么我们就可以单一的使用下面这些函数，然后通过影像集合进行collection，但是多个指数并行的情况下，很多时候我们要选择如何将指数放在一起呢？ //先把单一的函数放过来 //NDVI function NDVI(image) {..
使用Google Earth Engine下载年份的NDBI GEE
Google Earth Engine（GEE）是一个强大的云平台，它提供了一套丰富的地理空间数据处理工具和功能。本文将介绍如何使用GEE下载特定年份的NDBI（Normalized Difference Built-up Index）数据，并提供相应的源代码示例。根据需要，可以修改感兴趣区域、选择不同的遥感数据集和调整计算参数，以满足特定的研究需求。在上述代码中，需要将日期范围替换为具体的年份，如’2019-01-01’至’2019-12-31’。在上述代码中，需要将’YYYY’替换为具体的年份。
GEE遥感生态指数RSEI自动化计算：从Landsat影像到年度生态评分
遥感生态指数（RSEI）通过绿度、湿度、热度、干度四个分量经主成分分析（PCA）降维合成，是区域生态监测的常用方法。其技术难点在于多传感器缨帽变换系数自适应匹配、PCA特征向量正负自动判定以及大区域计算性能优化。在Google Earth Engine平台上，利用FeatureCollection驱动循环可实现多年RSEI批量计算，结合云掩膜、中值合成与全局归一化，输出逐年的生态评分栅格。该方案适用于城市扩张分析、环境评价等场景，为遥感指数自动化计算提供了可复用的工程实践框架。
GEE计算遥感生态指数RESI
GEE计算遥感生态指数RESI
直流电动机的建模仿真（1）他励，串励和并励电动机建模仿真
本文根据不同励磁方式的直流电动机的接线原理图，建立了相应的数学模型，然后根据与数学模型对应的等效电路以及模拟机械运动方程的等效电路，用Matlab/simulink中的SpecializedPower system库中的电路元件，建立了他励，并励和串励直流电动机的全等效电路仿真模型，经过与Matlab自带的直流电动机仿真模型比较以及仿真实例验证，所建立的仿真模型时完全正确的。
从桨叶设计到电机匹配：手把手教你调出无人机最佳动力组合
本文系统介绍了无人机动力系统的核心匹配原则，重点解析了如何通过测试与数据分析，优化螺旋桨与电机的组合，从而显著提升系统力效与续航。文章提供了从参数解读、实战测试到深度调优的完整指南，帮助开发者解决电机过热、推力不足等常见问题，实现无人机性能最大化。
量子密钥分发系统的工程实践(四)：FPGA在后处理中的核心实现与优化
本文深入探讨了FPGA在量子密钥分发（QKD）系统后处理中的核心实现与优化策略。文章详细拆解了FPGA如何高效完成原始密钥提取、误码协商和私密放大等关键任务，并分享了流水线设计、资源复用及存储器架构优化等工程实践“心法”，旨在解决高速、实时QKD系统中的性能瓶颈，提升密钥生成率。
SOI技术实战：从晶圆结构到芯片性能提升的完整解析
本文深入解析SOI（Silicon on Insulator）技术如何通过独特的三明治晶圆结构提升芯片性能，涵盖从220nm SOI层设计到7nm节点的工艺挑战。详细探讨了埋氧层的绝缘优势、性能提升的物理机制，以及AMD处理器和5G射频中的实战应用，为半导体行业提供关键技术洞见。
机器学习【学校智慧食堂及其应用】
本文主要介绍机器学习【智慧食堂及其应用】
爬虫逆向：Hook 技术原理与实战
Hook 技术（钩子技术）是一种通过拦截和修改程序执行流程的技术手段。它允许开发者在目标程序的特定位置插入自定义代码，以改变程序的默认行为或获取运行时信息。Hook 技术广泛应用于调试、逆向工程、性能分析、安全防护等领域。Hook 技术在爬虫逆向中非常有用，能够有效获取和修改目标程序的数据。通过合理使用 Hook 工具和技术，可以显著提升爬虫的效率和成功率。但使用时需注意法律和道德问题，确保行为合规。
SAP物料主数据中的销售视图。这是一个在销售与分销模块中至关重要的核心主数据，直接关系到从报价到交货的整个销售流程
SAP物料主数据的销售视图是销售流程的核心基础，它定义了物料如何被销售、定价、开票和交付。销售视图包含五个关键控制点：1）基本销售数据控制物料销售状态；2）销售组织数据决定销售渠道和产品分类；3）通用物料数据管理销售描述和税务分类；4）交货计划控制交付参数；5）开票计划管理定价规则。这些设置直接影响销售流程顺畅度、数据准确性、客户满意度、财务合规性和业务灵活性。建议将销售视图创建纳入新产品引入流程，并建立规范的维护机制，确保业务变化时及时更新配置。
实现基于 Python 和 xterm.js 的 Web 交互终端demo
前端 (HTML)：使用 xterm.js 作为前端终端模拟器库。创建了一个 WebSocket 连接到 ws://localhost:8765，这与后端服务器的地址和端口匹配。监听 WebSocket 消息，并将数据写入终端。同时监听用户输入并发送到服务器。后端 (Python)：使用 websockets 库来创建 WebSocket 服务器，监听端口 8765。使用 paramiko 库来创建 SSH 客户端并连接到指定的远程服务器。
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
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
Probability and Statistics - 4th edition
Probability and Statistics - 4th edition
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
266
扫一扫
