lwbCUMT的博客

摘要： 本文为地信遥感与计算机专业学生提供了一份深度学习遥感影像分类的实践指南，涵盖理论与操作两部分。理论篇介绍遥感基础（数据分类、预处理）与深度学习原理（模型类型、应用流程），并分析两者结合的创新方向（算法改进vs.应用落地）。实践篇详细讲解Python环境配置、公开数据集与自定义数据集的模型训练方法，重点解决遥感数据特有的挑战，如大图分块预测、标签不完整时的训练技巧。亮点包括跨学科知识整合、自定义数据集构建方法及高效的大图预测技术优化。适合科研入门者参考，需注意数据版权保护。

本教程总结了研究生期间的工作，提供了一份包含34000多字、180页的深度学习应用于遥感地物分类的完整技术流程指南。教程附带详细的实验数据和代码，适合地信遥感或计算机专业的学生使用Python进行深度学习遥感影像分类。内容分为理论篇和实践篇，涵盖遥感与深度学习的基础知识、数据处理、模型训练及预测等。理论篇介绍遥感和深度学习的基本概念及流程，实践篇包括Python环境配置、使用公开数据集及自定义数据进行地物分类的具体操作。教程特别适合科研入门或本科毕设的学生使用，提供了构建数据集、训练模型及高效预测大图的代码

在自己写代码处理遥感数据进行波段计算，或者基于遥感等空间数据进行机器学习、深度学习时，一般都需要各图层行列数一致。在QGIS中有“对齐栅格”工具可以完成该任务，但是QGIS中没有提供批量操作的接口，在数据比较多时，需要手动重复操作。

1.query()主要功能：按条件筛选数据df.query（expr，inplace = False，** kwargs ）# 使用布尔表达式查询帧的列参数：# expr：str要评估的查询字符串。你可以在环境中引用变量，在它们前面添加一个'@'字符 。@a + b# inplace=False：是否修改数据或返回副本# kwargs：dict关键字参数import numpy as npimport pandas as pddf=pd.DataFrame(np.arange(48

1

1.1 生成NumPy数组1.1.1 从已有数据中创建数组