- 博客(54)
- 收藏
- 关注
RSS订阅原创 【无标题】
摘要： 本文介绍了在Google Earth Engine（GEE）中实现4种非监督分类算法（K-Means、X-Means、级联K-Means、Cobweb）的完整方法，并以旧金山湾区为例进行土地覆盖分类。非监督分类无需人工标注样本，适合快速分析遥感影像的地物分布。文章详细解析了每种算法的原理、参数设置及适用场景，并提供了可直接运行的GEE代码。K-Means适合已知类别数的场景，X-Means自动优化聚类数，级联K-Means稳定性高，Cobweb能生成层次化分类结果。
2025-07-30 15:31:29
414
原创 基于GEE的EEQI（生态环境质量指数）计算与可视化分析方法
本文介绍了一种基于Google Earth Engine平台的生态环境质量指数(EEQI)评估方法。EEQI通过整合NDVI、MNDWI、NDBSI和LST等自然生态因子，采用等权重法构建0-1范围的综合指数，值越高表示生态质量越好。该方法在GEE平台上实现了从数据获取、指标计算到可视化分析的完整流程，并开发了交互式点击查询功能，可快速评估区域生态质量空间分布。相比包含人类活动指标的VEI指数，EEQI更专注于自然生态本底评估，适用于生态红线监测等应用场景。
2025-07-29 15:45:42
523
原创 基于GEE的RSEI与VEI综合指数计算及差异分析方法
摘要：本文提出一种改进的遥感生态指数（VEI），在传统RSEI基础上引入夜光数据（NTL）量化人类活动影响，构建了植被-夜光综合指数。
2025-07-29 15:10:47
444
原创 遥感数据（GEE平台）介绍及简单可视化（三）｜Dynamic World助力城市水体变化与建设用地扩张联合监测
本文基于Google Dynamic World高分辨率遥感数据集，提出了广州城市水体与建设用地变化的自动化监测方法。通过2022年1月和12月的10米分辨率地表分类数据，实现了水体净损失、新增建设用地和水体转建设用地三类变化的自动提取与空间可视化。案例展示了GEE平台的代码实现流程，包括多时相数据合成、变化类型掩膜分析和面积统计计算，为城市生态保护与空间扩张监管提供了量化依据。
2025-07-28 18:34:06
1127
原创 # 【GEE基础及工具）（一）】工欲善其事，必先利其器：借助Open Earth Engine实现影像高效处理及批量任务执行
摘要： 本文针对Sentinel-2遥感影像处理中的效率瓶颈问题，提出了基于Google Earth Engine（GEE）与Open Earth Earth插件的全流程优化方案。通过GEE实现影像去云（QA60波段掩膜）和月均值计算，结合Open Earth Engine插件的"RUN ALL"功能，解决了批量导出任务需手动启动的痛点。详细演示了从研究区定义、云掩膜函数构建、时间序列循环处理到插件配置（权限管理）的完整流程。
2025-07-28 16:03:58
882
原创 【Python-geemap教程（二）】从GEE JavaScript到geemap Python——LUCC变化驱动分析实现
本文探讨了如何将Google Earth Engine（GEE）的JavaScript代码迁移至Python的geemap框架，以土地利用/覆盖变化（LUCC）驱动分析为例。研究对比了两种语言在运行环境、数据交互、可视化等方面的核心差异，并详细展示了代码迁移过程。Python版本通过geemap结合GEE遥感数据与本地Python生态（如pandas、scikit-learn），在数据预处理、采样分析、机器学习建模等环节展现出更大优势。
2025-07-27 19:32:51
633
原创 【Python-geemap教程】开篇：基于Miniconda搭建geemap与GEE开发环境
本教程详细介绍了如何基于Miniconda搭建geemap开发环境，为地理空间分析奠定基础。主要内容包括：安装轻量级的Miniconda包管理工具；创建Python 3.8的独立Conda环境；安装Jupyter Lab交互开发环境；配置geemap和GEE API；完成GEE身份认证；并通过土地覆盖数据可视化案例验证环境可用性。该环境具有隔离性好、可复现性强的特点，能有效避免依赖冲突，为后续geemap应用开发提供稳定支持。
2025-07-27 15:38:21
1010
原创 基于GEE的LUCC驱动因子动态分析及实现
摘要： 本研究基于GEE平台，对2015-2020年上海地区的土地利用/覆被变化（LUCC）驱动机制展开分析。通过整合MODIS土地覆盖数据、夜光遥感、地表温度、NDVI及地形等多源数据，构建"变化识别-因子提取-模型评估"技术框架。采用随机森林模型量化驱动因子重要性，结果显示人类活动（夜光强度）、地表温度和植被指数对LUCC影响显著。研究为区域LUCC驱动分析提供了可复现的技术方案，代码实现涵盖数据预处理、分层采样、模型构建及可视化全流程，支持同类研究推广应用。
2025-07-26 23:37:24
900
原创 用GEE快速提取城市道路网络：基于Sentinel-2的边缘检测实践
本文提出一种基于Google Earth Engine（GEE）平台和Sentinel-2影像的城市道路网络自动化提取方法。通过利用Sentinel-2卫星10米分辨率的近红外波段（B8）数据，结合Canny边缘检测算法，仅需几行代码即可实现道路边缘的高效提取。实验以某区域为例，展示了从影像加载、云量过滤、中值合成到边缘检测的完整流程，最终生成清晰的道路网络轮廓。该方法无需本地处理海量数据，具有操作简便、计算快速、可大范围应用等优势，为城市交通规划、应急管理等场景提供了可靠的技术支持。
2025-07-26 15:34:03
713
原创 基于GEE的Sentinel-1影像逐日水体提取与自动化导出方法
本文提出一种基于Google Earth Engine（GEE）平台逐日水体监测方法，采用Sentinel-1雷达影像克服光学数据云遮挡问题。通过Otsu阈值分割算法自动提取水体，实现流程包括：1）设置时间缓冲获取连续SAR影像；2）降噪预处理；3）Otsu算法自适应阈值分割；4）形态学优化去除噪声；5）自动化导出结果。该方法适用于高频次水体监测，代码可扩展至MNDWI等光学指数处理。（欢迎关注公众号获取更多技术分享）
2025-07-25 23:34:14
994
原创 基于GEE与LandTrendr的上海地区植被变化监测：算法原理与实践应用
摘要： 本文基于Google Earth Engine（GEE）平台，利用LandTrendr算法对1990-2023年上海地区植被变化进行长时序监测。通过分段线性拟合NDVI时序数据，精准识别植被扰动与恢复过程，结合辐射校正、云掩膜等预处理，提取植被减少区域（变化幅度>300，最小制图单元5像元）。结果显示，该方法能有效过滤短期噪声，捕捉城市化进程中的生态变化，为区域环境保护提供数据支持。代码实现涵盖数据准备、参数优化、结果可视化全流程，适配上海植被特征，兼具科学性与可操作性。
2025-07-25 23:23:42
1136
原创 城市绿地覆盖度自动化分析与可视化——基于Landsat 8卫星与GEE平台
本研究基于Google Earth Engine平台，利用Landsat 8遥感数据，开发了一套城市绿地覆盖度自动化分析系统。通过NDVI和EVI植被指数计算，结合分段模型反演植被覆盖度，实现0-100%的定量评估。系统将绿地覆盖度分为五级（无/极少至高覆盖），并完成面积统计、空间可视化及与地表温度的相关性分析。结果表明，该方法具有高精度、自动化和可扩展性优势，可用于城市生态评估、热岛效应研究等领域，为城市精细化管理和生态文明建设提供技术支持。未来可扩展多时相监测与多源数据融合分析。
2025-07-24 01:09:59
672
原创 基于GEE的上海市2022年生态质量（RSEI）遥感监测与分析
摘要： 本研究基于Google Earth Engine平台，利用Landsat-8和MODIS数据构建遥感生态指数（RSEI），对上海市2022年生态质量进行定量评估。通过云掩膜、年度中值合成等预处理方法获取无云影像，计算绿度（NDVI）、干度（NDBSI）、湿度（WET）和热度（LST）四大指标，并采用主成分分析（PCA）融合生成标准化生态指数。研究实现了从数据预处理到指数合成的全流程自动化分析，为城市生态监测提供了高效、可复用的技术框架，为上海市生态保护与管理决策提供科学依据。
2025-07-24 01:07:04
1010
原创 基于GEE与哨兵2号的土地覆盖分类方法及实现
本文介绍了基于GEE平台和哨兵2号数据的土地覆盖分类方法。通过GEE的海量数据处理能力，结合多光谱特征和机器分类算法（随机森林、SVM等）实现高效分类。详细阐述了技术流程，包括影像合成、特征构建、样本采集、分类器训练及精度验证等关键步骤，并提供了完整的代码实现。该方法具有免数据下载、自动化处理等优势，能够快速生成高精度分类结果，为地表变化监测提供技术支持。
2025-07-23 20:20:05
607
原创 基于GEE的上海城市热岛效应遥感监测与分
基于Landsat 8遥感数据和Google Earth Engine平台，本研究建立了城市热岛效应自动化分析流程，以上海市为例开展热岛空间特征研究。通过地表温度反演、热岛强度分级和相关性分析，揭示了城市热岛的空间分布规律及其与植被覆盖的关系。结果表明，该方法实现了从数据预处理到结果输出的全流程自动化，为城市生态规划提供了可靠的技术支持。
2025-07-23 13:56:11
871
原创 遥感数据（GEE平台）介绍及简单可视化（一）｜开篇：欧洲土地覆盖与城市扩张时序分析
本系列文章介绍Google Earth Engine（GEE）平台在土地利用/覆盖（LULC）研究中的应用，重点解析Copernicus CORINE Land Cover数据集。该数据集包含1990-2018年欧洲39国的5期100米分辨率数据，共44个土地覆盖类别。文章以意大利为例，演示了GEE加载、可视化、多期城市用地提取及面积统计的完整流程，包括代码实现和时空变化分析。该方法为城市扩张研究提供了高效工具，后续将介绍更多全球LULC数据应用。
2025-07-23 12:52:55
753
原创 基于GEE与K-Means聚类的青岛市城市空间结构分类：从数据到地图的完整方案
本研究基于Google Earth Engine平台，利用Landsat 8遥感数据和K-Means聚类算法，实现了青岛市空间结构的自动化分类。通过NDVI、NDBI等4类遥感指数特征提取和数据标准化，将城市划分为6类空间结构（如高密度建成区、高植被覆盖区等）。该方法具有高效性（全程代码自动化处理）、客观性（基于光谱特征）和可移植性（适用于其他城市）等优势，为城市规划、生态保护等提供科学依据。研究还展示了分类结果的空间分布特征和面积统计方法，为城市空间结构评估提供了量化手段。
2025-07-23 12:43:52
826
原创 基于GEE的石漠化等级监测：从数据处理到面积统计全流程
本文基于Google Earth Engine平台提出喀斯特地区石漠化遥感监测方法，通过"植被-土壤水分"协同反演实现自动化评估。技术流程包括：1）Landsat数据预处理与波段匹配；2）计算NDVI和NDRI指数，提取植被覆盖度与相对湿度；3）结合双指标阈值划分五级石漠化；4）自动统计面积并输出结果。该方法以2000和2005年天水地区为例，展示了从数据获取到分级统计的完整解决方案，具有高效、可重复的优势，为生态修复提供可靠数据支撑。
2025-07-20 17:35:35
795
原创 基于GEE与哨兵2号的土地覆盖分类方法及实现
本文基于哨兵2号遥感数据，介绍利用GEE实现土地覆盖分类的完整流程，包括数据预处理、特征构建、分类器训练及精度验证等关键环节。
2025-07-19 17:22:10
1046
原创 用GEE追踪青海湖结冰消融全过程：从代码到可视化全解析
本文通过Google Earth Engine（GEE）平台，利用Landsat 8/9遥感数据监测青海湖2022-2023年度结冰消融全过程。研究将青海湖冰冻周期分为5个阶段（未结冰期、开始结冰、完全结冰、开始消融和完全消融），通过云掩膜、波段合成和月度影像中值处理等技术手段，实现了30米分辨率的高精度监测。文章提供了完整GEE代码，包括研究区域定义、云掩膜函数、波段重命名和可视化参数设置等关键步骤，特别解决了数据缺失时的处理方法。
2025-07-18 13:14:06
1273
原创 探秘 MODIS/006/MODOCGA：每日全球1km海洋反射率数据的应用与价值
摘要：NASA提供的MODIS/006/MODOCGA数据集（2000-2023年每日全球1km分辨率海洋反射率数据）具有广泛的应用价值。其覆盖可见光至近红外的9个波段（405-877nm），支持植被监测、水体分析等研究，并通过16种质量控制码确保数据可靠性。该数据集凭借23年连续观测、全球覆盖和开放获取优势，适用于生态评估、农业监测和气候变化研究。用户可通过Google Earth Engine平台快速调用，并生成假彩色合成图像进行可视化分析。
2025-07-18 01:12:45
888
原创 Landsat 9 数据在 GEE 中的应用：Surface Reflectance、Top of Atmosphere 与 Raw Images
Landsat 9 作为当前地表观测的主力卫星，其数据在 Google Earth Engine（GEE）平台上覆盖了从基础可视化到定量分析的全场景。但面对 Surface Reflectance（地表反射率）、Top of Atmosphere（大气顶层反射率）、Raw Images（原始图像）三类数据，该如何选择？不同场景该匹配哪种处理方式？
2025-07-18 00:56:41
746
原创 基于Sentinel-3 OLCI数据：北大西洋叶绿素浓度提取与可视化全流程
本文基于Sentinel-3 OLCI卫星数据，展示了利用Google Earth Engine平台提取北大西洋叶绿素浓度的方法。叶绿素作为浮游植物分布的"生态晴雨表"，对渔业资源监测和海洋生态研究具有重要意义。文章详细解析了数据处理流程：从研究区域定义、OLCI数据加载（300米空间分辨率，2天时间分辨率），到基于OC4算法的叶绿素浓度计算（利用Oa06/Oa08波段比值），最后通过可视化呈现2023年夏季北大西洋叶绿素分布。
2025-07-17 15:54:39
717
原创 基于Google Earth Engine（GEE）提取某区域地表温度（LST）的完整流程
本文介绍利用Google Earth Engine平台基于Landsat 7数据提取地表温度的方法。研究选取特定站点（100.1378°E,37.3306°N）和2019年四个目标日期，通过QA_PIXEL波段进行云掩膜处理，采用Jiménez-Muñoz单通道算法计算地表温度。对于无直接观测的日期，通过时间序列插值获取数据。关键步骤包括：1）基础参数设置与研究区边界定义；2）云掩膜处理；3）基于物理校正的温度计算；4）构建全年时间序列
2025-07-17 12:15:00
648
原创 使用Google Earth Engine计算1994-2000年Landsat 5 TM数据的Forel-Ule指数（FUI）
本文介绍了基于Landsat 5 TM数据计算Forel-Ule指数（FUI）的方法。FUI是一种21级水体颜色分类系统，可反映水质状况。研究使用1994-2000年Landsat 5 TM表面反射率数据，通过预处理步骤去除云阴影和饱和像元，并转换为实际反射率。核心算法包括：1）利用NDWI提取水体；2）计算三刺激值X、Y、Z；3）转换色度坐标并计算色调角度；4）应用多项式校正；5）根据角度范围分配1-21级FUI值。该方法可实现大范围水体颜色监测，为水质评估提供有效手段。
2025-07-16 15:24:34
885
原创 基于Sentinel-1雷达数据的洪水动态监测（附完整GEE代码）
洪水是最常见的自然灾害之一，快速、准确地监测洪水淹没范围及动态变化，对灾情评估和救援决策至关重要。本文将介绍如何利用Google Earth Engine（GEE）平台，基于Sentinel-1合成孔径雷达（SAR）数据，实现洪水的自动化监测与分析。
2025-07-15 20:31:52
914
原创 Google Earth Engine中Landsat 8云处理核心代码解析
本文详细介绍了在Google Earth Engine平台上处理Landsat 8影像云覆盖问题的核心方法。
2025-06-23 03:07:40
869
原创 Google Earth Engine 中地形晕渲图（Hillshade）的实现与应用
在地理信息科学和遥感领域，地形晕渲图（Hillshade）是一种非常有用的可视化工具，它能够通过模拟光照效果，突出显示地形的起伏和地貌特征，帮助我们更直观地理解地形数据。Google Earth Engine（GEE）作为一个强大的地理空间数据分析平台，提供了丰富的工具和方法来处理和可视化地形数据。本文将详细介绍如何在 GEE 中利用 SRTM 数字高程模型（DEM）数据计算并可视化不同太阳方位角下的地形晕渲图。
2025-04-28 23:45:41
1060
原创 利用 Google Earth Engine 探索江宁区 2010 - 2020 年 EVI 时空变化
增强型植被指数（Enhanced Vegetation Index，EVI）是一种用于量化植被生长状态和覆盖程度的重要指标，它在监测植被动态、生态环境评估以及气候变化研究等领域发挥着关键作用。Google Earth Engine（GEE）作为一个强大的地理空间分析平台，提供了丰富的遥感数据资源和高效的数据处理能力，能够帮助我们轻松地对长时间序列的 EVI 数据进行分析和可视化。本文将详细介绍如何使用 GEE 对南京市江宁区 2010 - 2020 年的 EVI 数据进行处理和分析，以揭示该地区植被在这十年
2025-04-28 23:22:38
1654
原创 Google Earth Engine 实战：江宁区 2010-2020 年叶面积指数（LAI）时空动态分析
叶面积指数（Leaf Area Index, LAI）是衡量植被生长状态和生态系统生产力的关键指标，在农业监测、生态环境评估等领域具有重要应用价值。Google Earth Engine（GEE）凭借其强大的遥感数据处理能力，为分析长时间序列的 LAI 变化提供了高效解决方案。本文以南京市江宁区为例，详细介绍如何利用 GEE 对 MODIS LAI 数据进行处理，实现 2010 - 2020 年 LAI 的时空动态可视化与对比分析。
2025-04-27 17:36:10
757
原创 图神经网络与 Transformer 多模型对比实战：从数据处理到结果分析全流程
在机器学习与深度学习领域，模型的选择与对比是优化算法性能的关键环节。本文将基于 Python 和 PyTorch 框架，结合torch_geometric库，详细展示图卷积网络（GCN）、图注意力网络（GAT）、视觉 Transformer（ViT）以及混合模型（Hybrid）的完整实现过程。从数据加载、模型定义、训练评估到结果保存，每一步都提供可复用的代码，适合算法研究、学术论文写作和工程实践参考。数据参考（注意：直接用链接中的数据替换）：https://download.youkuaiyun.com/dow
2025-04-27 15:33:56
942
原创 Python 数据可视化全场景实现（二）：三维数据可视化实战
在数据分析与学术研究中，二维图表往往难以全面展示复杂数据的空间关系和分布特征。而三维可视化能够更直观地呈现数据的多维度信息，无论是展示函数曲面、对比分组数据，还是分析空间分布，三维图表都能发挥独特作用。本文将基于 Python 的matplotlib库，结合mpl_toolkits.mplot3d模块，通过五个经典案例，详细讲解三维数据可视化的实现方法，并提供完整可复用的代码。
2025-04-27 01:23:46
980
原创 Python 数据可视化全场景实现（一）
在学术研究与数据分析中，数据可视化是呈现研究成果、挖掘数据规律的重要手段。本文将通过 Python 的matplotlib和seaborn库，结合实际案例，详细介绍时间序列趋势、分组对比、数据分布、相关矩阵及多变量关系等多种场景下的数据可视化方法，并提供完整可复用代码。无论是论文撰写、报告展示，还是数据探索，都能找到实用的解决方案！大家喜欢就关注一下，代码可以直接运行！
2025-04-27 01:11:19
1024
原创 基于 SCCAN 模型的序列数据分类实战：从一维卷积到结果分析
在序列数据分类任务中，一维卷积神经网络（1D-CNN）因其对局部特征的高效提取能力而被广泛应用。本文介绍一种简单高效的序列分类模型 SCCAN（Simple Convolutional Classifier for Attribute Networks），基于 PyTorch 实现完整的训练、评估与结果保存流程，适用于时间序列、特征序列等数据的多分类任务。对应代码和数据链接：https://download.youkuaiyun.com/download/lestatlu/90691726请大家多多关注
2025-04-26 00:50:20
1073
原创 给大家推荐一个获取矢量资源的网站，Natural Earth Data：解决矢量图资源难题的宝藏网站
是一个致力于提供免费、可下载的矢量和栅格地图数据的专业平台。该项目由地理信息爱好者和专业人士共同维护，旨在为全球用户提供高质量、多尺度的地理空间数据。其数据覆盖范围涵盖全球各大洲、国家和地区，包含地形、水系、交通、行政区划等多种地理要素，支持多种常用数据格式（如 SHP、GeoJSON、KML 等），并且完全遵循开源协议，用户可以自由下载、使用和分享数据，无需担心版权问题。网站首页界面直观清晰，方便用户快速定位所需数据。
2025-04-26 00:30:06
1814
原创 基于图卷积网络（GCN）的分类任务实战：从数据加载到结果分析
图神经网络（GNN）在处理具有图结构的数据时表现出色，其中图卷积网络（GCN）是最经典的模型之一。本文将结合实际代码，详细介绍如何使用 GCN 进行分类任务，涵盖数据加载、图结构构建、模型定义、训练评估及结果保存全流程，适合对图学习感兴趣的科研人员和开发者参考。 资源链接如下：https://download.youkuaiyun.com/download/lestatlu/90690594请大家关注支持一下！
2025-04-25 17:09:15
1054
原创 基于python的高光谱数据加载与可视化教程
本文基于 Python 代码介绍高光谱数据的加载与可视化，先导入必要库，loadData函数根据数据集名称从指定文件夹加载.mat或.h5格式的高光谱数据及对应标签，visualize_data_and_gt函数检查数据维度、选择波段进行假彩色合成并归一化，绘制并展示假彩色影像和真实标签图，主程序调用函数加载 “DC” 数据集并可视化，选择第 30、50、70 波段合成，可按需扩展函数及选择不同数据集和波段组合分析数据特征。
2025-04-25 00:23:53
675
1
原创 基于 EfficientFormer 的模型训练与评估：从数据处理到结果保存
这篇博客介绍了基于 EfficientFormer 的模型训练与评估全流程，从选择计算设备，到加载预处理数据（含构建图结构），接着定义模型类，其含轻量化 Patch Embedding、高效 Transformer 编码层和分类头。通过训练评估函数进行模型训练与多指标评估，主流程中训练多个模型并保存结果，最后统计评估指标并保存至 Excel，展示完整实践过程。
2025-04-25 00:03:36
1056
原创 Google Earth Engine 基础操作教程（一）：以江宁区 Landsat 8 影像处理为例
今天带学生做实验，突然发现很多学生基础操作不太会，所以准备写几篇基础教程，大家感兴趣可以关注学习一下，因为都是很简单的内容，所以应该会更新很快。本文将以南京市江宁区为例，详细介绍在 GEE 中对 Landsat 8 影像进行的一些基础操作，包括影像加载、可视化、裁剪、掩膜、均值计算以及波段运算等，并将处理后的影像导出。
2025-04-24 15:02:40
977
原创 基于 Google Earth Engine （GEE） 的区域植被景观指标计算与分析
本文将详细介绍如何使用 GEE 对南京江宁区（以特定多边形区域为例）2010 - 2015 年的植被景观进行分析，计算一系列景观指标，并对结果进行可视化和导出。感兴趣的话请大家关注，后面会定期更新
2025-04-24 02:21:57
350
基于 SCCAN 模型的序列数据分类实战：从一维卷积到结果分析+对应代码和数据（数据可自行替换）
2025-04-26
基于图卷积网络（GCN）的分类任务实战：从数据加载到结果分析+对应代码数据
2025-04-25
我的博客“基于 EfficientFormer 的模型训练与评估：从数据处理到结果保存”对应代码和数据+包含划分好的训练和测试样本
2025-04-24
ICONES-HSI-Cloud.zip
2023-01-16
ICONES-HSI-Desert.7z
2023-01-16
ICONES-HSI-Wetland.zip
2023-01-16
常用高光谱分类数据集压缩文件.mat格式
2023-01-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人