VictoriaLy的博客

""""""# 计算每天的缺失值比例# 创建一个新的 DataFrame 来存储填补后的数据# 遍历每天的缺失值比例# 检查缺失比例print("没有参加填补")# 如果缺失比例为0，什么都不做continueprint("进入 sw_in_ratio < 0.4 and lw_in_ratio < 0.4 ")# 如果缺失比例小于30%，使用 .ffill() 和 .bfill() 填补当天的 'SW_IN' 和 'LW_IN'else:print("进入 else")

有个同事吧，写论文，让我帮忙出个图，就写了个代码，然后我的博客好久没更新了，就顺便贴上来了！很多人感兴趣风速的箭头怎样画，可能这种图使用 NCL 非常容易，很多没用过代码的小朋友，就有点犯怵，怕 python 画起来很困难。但是不然，看完我的代码，就会发现很简单，并且也可以批量，同时还能自定义国界等shp文件，这对于发sci等国际论文很重要，因为有时候内置的国界是有问题的。

./pre_era5.sh: line 78: grib_copy: command not found./pre_era5.sh: line 84: codes_split_file: command not found./pre_era5.sh: line 84: codes_split_file: command not found./pre_era5.sh: line 84: codes_split_file: command not found

我们拿到的MODIS数据，多数人认为只要有值的地方，就是准确数据，我们直接就可以拿来使用，只有空值的区域，数据才会异常（多数本科生是这样认为的）；然而并非如此，往往一个MODIS产品一个像元处，只有当所有输入的反演参数都为异常值时，这个像元才会被设置为异常，即设置为空值。因此，我们所能看到的拥有像元值的地方，就会因为输入的反演参数都为异常程度，会有不同的质量。MODIS数据的生产商，也考虑到了数据生产过程中的数据异常情况，为了让客户能够更好的使用数据，为此提供了质量空值文件（Ｑc，Ｑa）。

Xarray 设置 _FillValue 不显示的两种方法

jupyter notebook代码补全扩展安装遇到 Jupyter command `jupyter-contrib` not found.” 问题

.ipynb 文件由于输出太多，导致文件过大，总是奔溃的解决方案。

Ubuntu安装一个更新版本的 python gdal，将2.3.2版升级到3.0.4。

Gdal 所能读写的格式参考链接https://gdal.org/drivers/raster/index.html

因为想做笔记，所以直接做的很粗糙了，后面再更新！import cv2import numpy as npfrom osgeo import gdalimport osimport xarray as xr import matplotlib.pyplot as pltimport matplotlib as mpl fig, ax = plt.subplots(figsize=(6, 1))fig.subplots_adjust(bottom=0.5) cmap = mpl.cm.c

目录动机正文结语动机Google earth engine 虽然解决了很多数据下载的问题，使数据的下载和处理变的快捷，但是如果想深入了解任何卫星的数据及信息，我个人感觉还是需要下载下来看一看。不为别的，就当涨涨眼界，如果博士毕业，连Sentinel、Modis等基本原始数据都没用过、处理过，有点丢人。尤其是如果公司或者研究所需要完全独立的做一个数据生产的系统，要求数据的实时性，那就不能嫁接Google earth engine的基功能了。我个人认为多涉猎还是非常有必要的。写此博客，留做笔记。以此.

这里写自定义目录标题动机gdal安装Fiona 安装geopandas 安装结语动机安装geopandas，我们需要知道其安装 gdal 和 Fiona两个包，然后才能安装geopandas。并且其对版本号也有要求。Collecting gdal~=3.3.0Fiona =1.8.20geopandas =0.9.0在安装初期，我看到了以下报错，胡乱的搞了一通，以为需要安装 Microsoft Visual C++ Build Tools copying gdal-utils\osg

LAADS DAAC的MODIS订单下载—Python与Windows10 Wget动机步骤动机做遥感不可能不接触MODIS数据，MODDIS数据分为两类，上午星(Terra)与下午星(Aqua)，详细参数都可以去NASA官网去查看（我建议自己去官网看最准确，另外MODIS数据使用的是当地时间，不是UTC）。由于项目需要，今天我需要从LAADS DAAC下载MOD16A2数据，来对我研究区蒸散发分析。数据是可以一个一个点击下载，但是作为一个写代码的人，本身就是一种懒人，所以必须得得批量下载，原来一直使

目录一、正文1.安装 pyinstaller2.代码路径修改为相对路径。3.打包 .py 文件。4.出现问题，根据提示，修改 .spec 文件5.继续打包6.运行程序二、结语基于Python的ERA-5多线程下载分为两部分，《基于Python的ERA-5多线程下载 （1）》，直接再本地使用，即写代码的人使用；《基于Python的ERA-5多线程下载 （2）》使用 pyinsaller 将写好的程序，打包成 .exe 文件，以便其他人使用。一、正文1.安装 pyinstaller开始菜单—A..

目录动机一、正文Ubuntu需要多加的几行代码动机恩师推荐，我的论文可以用到相关数据，然后就对相关数据下载方式调研，在这里做笔记！！！！提示：以下是本篇文章正文内容，案例可供参考一、正文Ubuntu需要多加的几行代码引用（虽然代码不多，但是以我的能力不可能独立完成，90%参考，然后根据我的习惯稍微修改了一下下）：https://mp.weixin.qq.com/s/lOQ_6s8grFSY3TU6XcnO8whttps://github.com/jiangleads/Get_EC..

这里写目录标题一级目录二级目录三级目录一级目录二级目录三级目录

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档目录动机一、Anaconda下载二、conda 清华源设置三、pip 清华源设置四、补充五、结语目录动机一、Anaconda下载二、conda 清华源设置三、pip 清华源设置四、补充五、结语动机从学习python开始，到使用Anaconda，再到接触GDAL，到目前的机器学习及深度学习，过程中遇到过好多问题，通过网络资源及自己摸索，解决了好多问题；每次遇到问题解决后都想着做个文档，记录下来，以便下次遇到同样问题，直接复制代码解决，

基于Python gdal包的影像投影及重采样目录动机AMSR-2 L1R 数据简介FormatConversionTool基于 Python—Gdal—Warp的投影转换结语目录动机在做论文的时候，使用到了AMSR-2的数据，其原始数据为.h5格式，需要“FormatConversionTool.exe”软件批量转换为.tif文件。问题来了，转换之后的.tif文件没有没有投影坐标系，且没有设置Nodata值(图1)，黑乎乎的一片。最大值最小值相等的情况下，可能会误导初使用者，认为数据有问题（其实没问

使用python基质量控制文件（Qc）对MODIS产品掩膜提取-以MOD11A1为例MODIS数据简介我们拿到的MODIS数据，多数人认为只要有值的地方，就是准确数据，我们直接就可以拿来使用，只有空值的区域，数据才会异常（多数本科生是这样认为的）；然而并非如此，往往一个MODIS产品一个像元处，只有当所有输入的反演参数都为异常值时，这个像元才会被设置为异常，即设置为空值。因此，我们所能看到的...