- 博客(31)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 关于矢量数据集图表
包含三个特征，每个特征代表一个对象，具有属性 ‘name’（名称）、‘value1’ 和 ‘value2’（两个数值指标）。这个函数非常适合用于比较多个特征之间的不同属性或指标，例如在不同区域、点或多边形之间比较多个数值属性（如人口、GDP、温度等）。这个图表直观地展示了每个特征的 ‘value1’ 和 ‘value2’ 的对比情况。创建一个分组柱状图，比较每个特征的 ‘value1’ 和 ‘value2’。生成的是分组柱状图（grouped bar chart），但可以通过。
2025-03-10 17:10:57
685
原创 GEE中线性回归分析、Sen‘s slope分析、Mann-Kendall检验、FORMA趋势分析一NDVI为例
GEE中线性回归分析、Sen’s slope分析、Mann-Kendall检验、FORMA趋势分析一NDVI为例。
2025-03-10 08:23:02
1317
原创 关于影像数据集的Mosaic和Composite
•核心目的：将空间上相邻或重叠的多幅影像拼接为连续的无缝影像，解决空间覆盖不完整问题。•输入输出：输入为同一时间段内不同空间位置的影像，输出为空间连续的全覆盖影像。•核心目的：将时间序列上多期影像融合为单幅影像，解决时间维度的噪声（如云、阴影）和缺失问题。•输入输出：输入为同一区域不同时间的多期影像，输出为去云降噪后的高质量合成影像。
2025-03-04 11:29:26
823
原创 基于Google Earth Engine的多光谱遥感指数计算与应用
–基于Google Earth Engine的多光谱遥感指数计算与应用引言遥感技术已成为地球观测的重要工具，而光谱指数是解译地表特征的关键钥匙。本文将基于Google Earth Engine（GEE）平台，通过一段完整的代码演示如何计算8种典型光谱指数，并解析其在不同地物识别中的应用价值。代码中通过矩形坐标划定了西藏某区域（东经92.3°–93.4°，北纬28.2°–28.8°），该区域可能涵盖复杂的高原生态系统：1.2 数据源选择使用Landsat 8的TOA（大气顶层反射率）数据，精选8个光学与
2025-03-04 11:14:44
717
原创 Google Earth Engine中的Map对象
对象是用于在交互式地图上显示地理空间数据的核心工具。它允许用户加载影像、矢量数据、图表等内容，并提供地图浏览、图层控制和交互式操作功能。对象的方法和事件，用户可以实现从基础数据展示到复杂交互分析的各类地理空间应用。在Google Earth Engine（GEE）中，标签，再点击地图可查看像素值、坐标等信息。表示透明度（0为完全透明，1为不透明）。（可视化参数，如波段、颜色、透明度等）。的绘图工具栏手动绘制几何图形（需启用。在GEE代码编辑器中，默认已创建。• 第三个参数：图层名称（可选）。
2025-03-04 11:07:25
408
原创 GEE中数据类型详解
在以上实例中，我们全面使用了 GEE 中的不同数据类型，展示了如何将它们组合在一起构建复杂的地理空间分析工作流。| ImageCollection | <-- 多时相影像数据每张影像均为 Image| Image | <-- 内含多波段数据与属性| 可计算 NDVI 等指标v[ 数学运算与统计 ]^ || v用于定义感兴趣区域 +---------------+| FeatureCollection | <-- 行政区、道路网等。
2025-02-26 11:47:47
586
原创 Image Collections操作
在Google Earth Engine（GEE）中处理影像集合（Image Collections）是遥感数据分析的核心操作。影像集合是GEE中存储多幅影像的数据结构，例如Landsat、Sentinel等卫星数据。通过上述步骤，你可以高效处理GEE中的影像集合，进行从数据加载到高级分析的完整流程。将时间序列影像合成为单幅影像，如中值、最大值等。通过时间、空间或属性过滤缩小数据集范围。按时间粒度（月、年）生成合成影像。使用QA波段去除云覆盖区域。
2025-02-24 17:37:10
300
原创 影像集的过滤
的过滤是数据处理的关键步骤，可以通过时间、空间范围、元数据属性（如云量）等条件筛选出目标影像。在 Google Earth Engine (GEE) 中，影像集（若需根据计算后的云量过滤（如自定义云掩膜后的统计），需使用。通过灵活组合上述方法，可高效地从海量遥感数据中提取所需影像。条件，结合影像的元数据（如云量、传感器类型等）。筛选覆盖指定几何区域的影像。筛选指定时间范围内的影像。
2025-02-24 17:22:02
264
原创 GEE中的Map对象
对象提供了一系列函数，允许你操作和控制地图显示。是一个非常重要的对象，它用于显示地理数据和控制地图的交互。在Google Earth Engine (GEE) 中，函数可以帮助你在GEE中有效地展示和操作地理空间数据。：设置地图的显示选项，如地图类型（卫星图、地形图等）。：向地图添加图层，用于显示影像、影像集合或矢量数据。：将地图中心设置到指定对象的位置，并调整缩放级别。：通过指定经纬度坐标和缩放级别来设置地图中心。
2025-02-24 16:54:23
709
原创 GEE中的JavaScript语法基础
常见的数据类型包括数值（Number）、字符串（String）、布尔（Boolean）、数组（Array）和对象（Object）。这些JavaScript语法基础知识可以帮助你在GEE中进行各种地理空间数据处理和分析。：重复执行代码块，直到指定条件为 false。：只要条件为 true，就重复执行代码块。：根据不同的条件执行不同的代码块。：可以将匿名函数赋值给变量。：在GEE中，我们使用。：访问、修改和遍历数组。：访问和修改对象的属性。关键字定义一个函数。：根据条件执行代码块。
2025-02-24 16:49:57
850
原创 如何使用inVEST库
输入数据：土地覆盖栅格和碳库表格。模型功能：估算总碳储量并生成栅格和表格结果。输出数据：碳储量分布图和土地覆盖类别的碳储量汇总。通过调整土地覆盖栅格，可以模拟不同情景下的碳储量变化，用于决策支持或科学研究。
2024-12-08 11:50:48
1308
原创 使用 rasterstats 库进行栅格与矢量数据的空间分析
是一个轻量级的 Python 库，主要用于从栅格数据中提取基于矢量区划的统计信息。它可以进行区域统计（zonal statistics）、分类统计、面状统计等功能，简化了栅格与矢量数据的交互。：针对矢量区域的统计功能，从栅格数据中提取统计信息，如均值、最小值、最大值、方差等。：用于从栅格中提取给定点的数值信息。：生成基于多边形的统计结果，可用于大规模的并行处理。是一个功能强大且易于使用的 Python 库，能够简化栅格与矢量数据的结合与分析。无论是进行土地利用统计，还是其他类型的区域统计，
2024-08-27 11:57:32
1115
原创 Python中的pyproj库：地理坐标转换和测量的强大工具
pyproj是Proj库的Python绑定，Proj库是一个用C语言编写的开源工具库，专门用于坐标投影和地理参考系统的转换。坐标系之间的转换，例如从WGS84坐标系（地球上常用的全球坐标系）到其他投影坐标系。计算两个地理点之间的距离、方位角等。处理不同大地测量椭球体的相关计算。pyproj是处理地理坐标系转换和大地测量计算的强大工具，适用于各种GIS和地理空间分析任务。通过本文的示例，我们可以看到如何利用pyproj进行地理坐标转换、距离计算等常见操作。
2024-08-21 16:09:33
5590
原创 Shapely：Python中的几何操作库
Shapely 是一个用于操作和分析几何对象的 Python 库。它基于 GEOS（Geometry Engine - Open Source）库，提供了一系列函数来处理几何形状，如点（Point）、线（LineString）、多边形（Polygon）等。Shapely 被广泛应用于 GIS（地理信息系统）、数据分析和计算机图形学中，用于处理地理空间数据和几何分析。Shapely 是一个功能强大且易于使用的几何操作库，能够帮助开发者进行空间数据的分析和处理。
2024-08-21 10:44:59
815
原创 Bokeh：使用Python进行交互式数据可视化的综合指南
Bokeh 是一个 Python 库，专注于生成高度交互的可视化图表。与其他静态图表库不同，Bokeh 能够将图表嵌入到网页中，并允许用户与数据进行交互，比如缩放、平移、悬停显示详细信息等。这使得 Bokeh 成为数据分析师、科学家和开发者的理想工具，特别是在构建需要展示和探索大数据集的应用时。
2024-08-20 11:07:54
821
原创 探索 OpenAir：R 语言中的空气质量数据分析利器
OpenAir是一个开源的 R 语言包，专门用于处理和分析空气质量数据。它支持从不同的监测站收集的数据，并能生成多种可视化图表，帮助用户理解数据中的趋势和模式。OpenAir由英国的空气质量研究团队开发，其设计旨在为研究人员和政策制定者提供强大的分析工具。
2024-08-19 15:10:33
2348
原创 因子分析：揭示隐藏变量的统计技术
因子分析是一种用于研究多个观测变量之间关系的统计方法。其主要目标是通过识别少数几个隐藏的潜在因子（latent factors），解释观测变量之间的相关性。
2024-08-13 17:06:12
1376
原创 主成分分析（PCA）：简化数据维度的强大工具
主成分分析（PCA）是一种统计技术，主要用于数据降维。它通过将原始数据投影到一组新的正交轴（即主成分）上，减少数据的维度。每个主成分都是原始特征的线性组合，并按其解释的方差大小排序。
2024-08-13 16:59:39
967
原创 回归分析：揭开数据关系的面纱
回归分析是一种统计方法，用于研究自变量（输入）与因变量（输出）之间的关系。它的主要目标是通过构建数学模型，预测因变量的值，或者解释自变量如何影响因变量。
2024-08-13 16:53:50
842
原创 将py文件转为ipynb文件（含批量转换方法）
将.py文件转换为.ipynb文件（Jupyter Notebook），有几种方法可以实现。下面是使用nbformat库的一个示例。首先，确保你已经安装了nbformat。
2024-08-05 09:21:40
2234
原创 GeoPandas：Python 进行地理数据处理的利器
GeoPandas 是 Pandas 的扩展，专门用于处理地理数据。它将地理数据的操作功能与 Pandas 数据结构的强大功能结合起来，使得处理矢量数据（如点、线和多边形）变得简单高效。
2024-07-31 14:33:35
605
原创 回归分析详解：从理论到实践
回归分析是理解和预测数据的重要工具。通过掌握线性回归、多元回归及其高级变体（如岭回归和Lasso回归），你可以在各种应用场景中构建有效的预测模型。希望本文能帮助你深入理解回归分析的基本概念和实现方法，为你的数据科学实践提供有力支持。
2024-07-29 09:01:07
968
原创 深入掌握Pandas：Python数据分析的利器
Pandas是一个功能强大且易于使用的数据分析库。通过掌握Pandas的基本用法和常见操作，你可以高效地处理和分析各种数据，提升数据分析的效率和质量。
2024-07-29 08:34:47
432
原创 NumPy库简介
NumPy（Numerical Python的简称）是Python编程语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
2024-07-28 19:58:41
328
原创 探索 Shap 库：解读模型背后的秘密
它能够帮助我们解决模型的黑箱性问题，使得我们能够更好地理解模型是如何做出决策的。总之，Shap 库为我们打开了模型黑箱的一扇窗，让我们能够更加深入、准确地理解模型的工作原理和决策依据。在当今的数据科学和机器学习领域，理解模型的决策过程和预测结果的产生机制变得越来越重要。Shap 库作为一个强大的工具，为我们提供了一种直观且有效的方式来解释模型的输出。Shapley 值的计算基于特征的联合贡献。通过以上代码，我们可以得到一个直观的可视化结果，帮助我们理解决策树模型是如何根据不同特征进行预测的。
2024-07-28 19:48:07
621
原创 数据预处理：从原始数据到清洁数据的关键步骤
通过数据清洗、缺失值处理、异常值处理、数据转换和特征工程，可以将原始数据转化为适合分析和建模的数据，进而提高模型的准确性和鲁棒性。在数据科学与机器学习的领域中，数据预处理是一个至关重要的步骤。数据预处理的目的是将原始数据转化为适合分析和建模的数据形式。本文将介绍几种常见的数据预处理技术，包括数据清洗、缺失值处理、异常值处理、数据转换和特征工程。数据清洗是数据预处理的第一步，旨在识别并修正或删除数据中的错误或不一致性。：数据预处理, 数据清洗, 缺失值处理, 异常值处理, 数据转换, 特征工程。
2024-07-26 15:38:10
520
原创 线性回归的概念与实现
线性回归线性回归是一种用于预测目标值与一个或多个特征值之间关系的统计方法。它假设目标值是输入特征值的线性组合，并且可以通过一个最佳拟合的直线来描述这种关系。线性回归的目标是找到这条最佳拟合直线，使得预测值与真实值之间的误差平方和最小。
2024-07-24 12:02:33
450
1
原创 tkinter的使用
tkinter是一个强大且易于使用的库，适合构建简单到中等复杂度的桌面应用程序。通过学习和使用tkinter，你可以快速开发跨平台的 GUI 应用程序。
2024-07-24 11:48:19
828
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人