qq_44795205的博客

相关不是因果

教程照片及其他详细信息请关注微信公众号：夫也的笔记公众号内容包含：GEE、ArcGIS、ENVI、MATLAB、Python和R语言教程和实际案例分享SEBAL模型介绍在 1998 年荷兰学者 Bastiaanssen 以能量平衡原理为基础，提出了利用遥感数据估算蒸散的模型 SEBAL。SEBAL（土地表面能量平衡算法）是一个由 25 个计算步骤基于能量平衡的原理通过遥感传感器获得的相关区域内可见光、近红外、热红外光谱辐射等数据反演地表反照率、地表温度等相关地表参数，在与所在地的气象数据及植被信息相结

教程照片及其他详细信息请关注微信公众号：夫也的笔记公众号内容包含：GEE、ArcGIS、ENVI、MATLAB、Python和R语言教程和实际案例分享SEBS模型介绍近年来出现了许多遥感反演蒸散发的模型，SEBS模型是由荷兰籍华人苏中波先生基于 SEBAL模型基础上发展的进行蒸散估算单层模型。该模型参数获取简单， 计算方法明确，且估算精度较高。可用于下垫面不统一且研究区范围大的区域。SEBS模型是一种综合利用遥感反演参数和研究区卫星过境时刻气象数据作为输入参数的模型。具体来说SEBS模型计算蒸散发需

本研究使用哨兵二号数据，对三种不同作物进行计算NDVI，并对三种作物进行长时间NDVI变化监测，最终得到三种作物变化特征。教程照片代码及其他详细信息请关注微信公众号：夫也的笔记公众号内容包含：GEE、ArcGIS、ENVI、MATLAB、Python和R语言教程和实际案例分享...

教程照片及其他详细信息请关注微信公众号：夫也的笔记公众号内容包含：GEE、ArcGIS、ENVI、MATLAB、Python和R语言教程和实际案例分享01GEE加载地图影像Map.setCenter(116.39, 39.91)”02加载研究区var China_Provinces = ee.FeatureCollection("users");//加入研究区并重命名Map.centerObject(test1,4)//将显示中心调整为test1，缩放级别调整为4Map.addLay

教程照片及其他详细信息请关注微信公众号：夫也的笔记公众号内容包含：ArcGIS、ENVI、MATLAB、Python和R语言教程和实际案例分享01植被覆盖度植被覆盖度指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。植被的覆盖度可分为高、中高、中、低四种覆盖类型。覆盖度的检测主要有地表实测法和遥感监测法。植被覆盖度是衡量地表植被状况的一个重要指标，是描述生态系统的重要基础数据，也是区域生态系统环境变化的重要指示，对水文、生态、区域变化等都具有重要意义。使用GEE平台可以快速计算研

01Metropolis-Hastings算法import numpy as npimport randomimport matplotlib.pyplot as plt## 设置参数mu = 0.5sigma = 0.1skip = 700 ## 设置收敛步长num = 100000 ##采样点数def Gussian(x,mu,sigma): return 1/(np.sqrt(2*np.pi)*sigma)*np.exp(-np.square((x-mu))/(2*

教程照片及其他详细信息请关注微信公众号：夫也的笔记公众号内容包含：ArcGIS、ENVI、MATLAB、Python和R语言教程和实际案例分享Arxiv是一个收集物理学、数学、计算机科学、生物学与数理经济学的论文预印本的网站，始于1991年8月14日。截至2008年10月，Arxiv.org已收集超过50万篇预印本；至2014年底，藏量达到1百万篇。截至2016年10月，提交率已达每月超过10,000篇。那么问题来了，预印版又是什么？预印本也称未定稿本。在学术出版领域，预印本是指尚未在需要同行评审的科学

​教程照片及其他详细信息请关注微信公众号：夫也的笔记公众号内容包含：ArcGIS、ENVI、MATLAB、Python和R语言教程和实际案例分享理论知识：CMIP是国际耦合模式比较计划（Coupled Model Intercomparison Project）的缩写，最早是在1995年由世界气候研究计划（WCRP）下属的耦合模式工作组（WGCM）主持开展的。自CMIP诞生以来，一直致力于促进气候模式的发展和完善，并支持气候变化的评估和预估工作。目前已开展了5次耦合模式比较计划，当前正在进行的是第6次耦

教程照片及其他详细信息请关注微信公众号：夫也的笔记公众号内容包含：ArcGIS、ENVI、MATLAB、Python和R语言教程和实际案例分享文件传输协议（File Transfer Protocol，FTP）是用于在网络上进行文件传输的一套标准协议，它工作在 OSI 模型的第七层， TCP 模型的第四层， 即应用层， 使用 TCP 传输而不是 UDP， 保证客户与服务器之间的连接是可靠的， 而且是面向连接， 为数据传输提供可靠保证。FTP允许用户以文件操作的方式（如文件的增、删、改、查、传送等）与另一

教程照片及其他详细信息请关注微信公众号：夫也的笔记公众号内容包含：ArcGIS、ENVI、MATLAB、Python和R语言教程和实际案例分享HDF5由美国伊利诺伊大学厄巴纳-香槟分校开发，是一种常见的跨平台数据储存文件，可以存储不同类型的图像和数码数据，并且可以在不同类型的机器上传输，同时还有统一处理这种文件格式的函数库。官网提供一个 JAVA 开发的 HDF5 数据可视化工具 HDFView，支持全平台查看数据, 但是注意打开文件的路径中不要包含中文。今天介绍一种python读取HDF5的文件的方

学习内容模型搭建模型评估学习笔记1、模型搭建处理后的数据就是建模数据，下一步是选择合适模型。模型选择之前需要知道数据集最终是进行监督学习还是无监督学习。模型的选择一方面是通过我们的任务来决定的，另一方面可以根据数据样本量以及特征的稀疏性来决定，开始尝试使用一个基本的模型来作为其baseline，进而再训练其他模型做对比，最终选择泛化能力或性能比较好的模型。2、sklearn的算法选择路径3、模型评估模型评估是为了知道模型的泛化能力。交叉验证（cross-validation）是一种评

学习内容Python数据可视化库Matplotlib通过菜鸟教程学习绘制不同图像学习笔记1、显示圆来代表点，使用 ob 作为 plot() 函数中的格式字符串。import numpy as np from matplotlib import pyplot as plt x = np.arange(1,11) y = 2 * x + 5 plt.title("Matplotlib demo") plt.xlabel("x axis caption") plt.ylabel("

学习内容数据合并数据聚合运算学习笔记1、stack函数是什么？函数原型：np.stack(array,axis,out=None)2、数据合并的方法（1）使用concat方法list_up = [text_left_up,text_right_up]result_up = pd.concat(list_up,axis=1)result_up.head()（2）使用DataFrame自带的方法join和append方法resul_up = text_left_up.join(te

学习内容数据清洗特征提取学习笔记1、dropna和fillna有哪些参数，分别如何使用呢?1、使用dropna函数DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)参数说明：axis:axis=0: 删除包含缺失值的行axis=1: 删除包含缺失值的列how: 与axis配合使用how=‘any’ :只要有缺失值出现，就删除该行货列how=‘all’: 所有的值都缺失，才删除行或

学习内容数据加载pandas基础探索性数据分析学习笔记1、‘read_csv’和‘read_table’’的区别？解答：read_csv()函数用于读取以’,'分割的文件到DataFrame。read_table()函数用于读取以’/t’分割的文件到DataFrame。2、tsv和csv的区别？TSV 是Tab-separated values的缩写，即制表符分隔值。CSV是Comma-separated values的缩写，即逗号分隔值。（1）从名称上即可知道，TSV是用制表符

学习内容文件与文件系统文件对象方法简洁的 with 语句OS 模块中关于文件/目录常用的函数序列化与反序列化重点实例打开文件open(file, mode=‘r’, buffering=None,encoding=None,errors=None, newline=None, closefd=True)Open file and return a stream. Raise OSError upon failure.a. file : 必需，文件路径（相对或者绝对路径）。b. m

学习内容什么是模块命名空间导入模块包（package）datetime模块date类time类timedelta类重点实例命名空间因为对象的不同，也有所区别，可以分为如下几种：内置命名空间（Built-in Namespaces）：Python 运行起来，它们就存在了。内置函数的命名空间都属于内置命名空间，所以，我们可以在任何程序中直接运行它们，比如id() ,不需要做什么操作，拿过来就直接使用了。全局命名空间（Module：Global Namespaces）：每个模块创建它

学习内容对象 = 属性 + 方法self 是什么？Python 的魔法方法公有和私有继承组合类、类对象和实例对象什么是绑定？一些相关的内置函数基本的魔法方法算术运算符增量赋值运算符属性访问描述符定制序列迭代器重点实例类的方法与普通的函数只有一个特别的区别 —— 它们必须有一个额外的第一个参数名称（对应于该实例，即该对象本身），按照惯例它的名称是 self 。在调用方法时，我们无需明确提供与参数 self 相对应的参数。class Test:def prt(self

学习内容函数的定义函数的调用函数文档函数参数函数的返回值变量作用域匿名函数的定义匿名函数的应用重点实例def add(a, b):print(a + b)add(1, 2) # 3add([1, 2, 3], [4, 5, 6]) # [1, 2, 3, 4, 5, 6]def MyFirstFunction(name):"函数定义过程中name是形参"# 因为Ta只是一个形式，表示占据一个参数位置print('传递进来的{0}叫做实参，因为Ta是具体的参数值！'.f

学习内容可变类型与不可变类型字典的定义字典的内置方法集合的创建访问集合中的值集合的内置方法集合的转换针对序列的内置函数重点实例那么如何快速判断一个数据类型 X 是不是可变类型的呢？两种方法：麻烦方法：用 id(X) 函数，对 X 进行某种操作，比较操作前后的 id ，如果不一样，则 X 不可变，如果一样，则 X 可变。便捷方法：用 hash(X) ，只要不报错，证明 X 可被哈希，即不可变，反过来不可被哈希，即可变。seq = ('name', 'age', 'sex')

学习内容列表的定义列表的创建列表中添加元素删除列表中元素获取列表中元素列表常用操作符列表的其他方法重点实例

学习内容try - except 语句try - except - finally 语句try - except - else 语句重点实例try:f = open('test.txt')print(f.read())f.close()except OSError:print('打开文件出错')注意事项：try 语句按照如下方式工作：首先，执行try 子句（在关键字try 和关键字except 之间的语句）如果没有异常发生，忽略except 子句， try 子句执行后结束。

学习内容while 循环while - else 循环for 循环for - else 循环range （）enumerate（）循环break 语句continue 语句（）pass 语句推导式重点实例1、enumerate语句应用enumerate(sequence, [start=0])seasons = ['Spring', 'Summer', 'Fall', 'Winter']lst = list(enumerate(seasons))print(lst)#

位运算按位运算符是把数字看作二进制来进行计算a = 0011 1100b = 0000 1101-----------------a&b = 0000 1100 #按位与运算符a|b = 0011 1101 #按位或运算符a^b = 0011 0001 #按位异或运算符~a = 1100 0011 #按位非运算符知识点补充:线性时间复杂度，就是时间复杂度为线性阶O(n)。　　同一问题可用不同算法解决，而一个算法的质量优劣（或者说算法复杂度）可由时

（一） 变量、运算符与数据类型学习内容注释运算符变量和赋值数据类型（bool布尔型）#