之前以往用来下载哨兵数据的哥白尼开放中心要停运了，配套的API也用不了了。本代码能从新版哥白尼数据空间生态系统批量下载哨兵数据（Sentinel-2 MSI Sentinel-3 OLCI），卫星宫中号——“海研人” 后台回复“哨兵”直接领，别在CSDN上下。拉吉玩意。
2024-09-11 11:14:41
8KB
1
本文件为哨兵2号（Sentinel-2）遥感影像数据分幅所用的格网参考系（Military Grid Reference System，MGRS）的.kml格式文件、.shp格式矢量文件。文件具体介绍可以参考https://blog.csdn.net/zhebushibiaoshifu/article/details/128858277。
2023-04-10 15:59:16
6.09MB
1
基于6s模型的影像大气校正工程
OVERVIEW
调用py6s接口，自动读取影像头文件信息，对遥感影像进行大气校正批处理。
环境 & 依赖
python版本3.6
conda install gdal
conda install -c conda-forge py6s
脚本说明
AtmosphericCorrection_Landsat8.py 针对landsat8影像,已经可以工程化使用。
AtmosphericCorrection_Sentinel.py 针对Sentinel影像，已经可以工程化使用。
AtmosphericCorrection_GF.py 针对GF1、2影像，已经可以工程化使用。
为了减少校正结果存储空间，程序中将大气校正的结果放大了10000倍。
测试
python .../AtmosphericCorrection/AtmosphericCorrection_La
2021-12-21 16:33:40
46.86MB
1
用ENVI软件对Sentinel-2（哨兵2）数据进行大气校正流程整理，亲测可用用ENVI软件对Sentinel-2（哨兵2）数据进行大气校正流程整理，亲测可用用ENVI软件对Sentinel-2（哨兵2）数据进行大气校正流程整理，亲测可用
2021-12-11 21:30:51
448KB
1
Sentinel-2工具箱
轻松处理哨兵2图像。 如果您知道如何下载Sentinel-2多光谱图像（或电光），但又不知道如何在Python中使用它们，那么这里已为您实现了所有这些。
内容
功能
功能说明
使用示范
功能：
load_bands（）
轮廓（）
outline2poly（）
ndvi_index（）
rvi_index（）
savi_index（）
evi_index（）
rgb_img（）
用法演示：
images = load_bands('F:\\S2_billeder\\..\\IMG_DATA',bands=['B03','B04','B05','B01'])
此功能会将您选择的乐队加载到python中。 您可以全部加载它们，但建议仅加载以后分析所需的波段，因为它们占用大量内存（即计算简单的NDVI索引）。
contours, contours_t
2021-11-15 21:00:59
7KB
1
基于Sentinel-2多光谱数据和机器学习算法的冬小麦LAI遥感估算.pdf
2021-09-25 17:02:32
5.64MB
带有Savitzky-Golay过滤器的Google Earth Engine时间序列
该示例显示了如何为要素集合提取图像集合值，如何创建植物索引时间序列数据帧并在其上应用Savitzky-Golay过滤器的示例。
笔记
中实现了此函数的更好版本，作为ee.ImageCollection对象的扩展方法：
import ee , eemont
ee . Authenticate ()
ee . Initialize ()
f1 = ee . Feature ( ee . Geometry . Point ([ 3.984770 , 48.767221 ]). buffer ( 50 ),{ 'ID' : 'A' })
f2 = ee . Feature ( ee . Geometry . Point ([ 4.101367 , 48.748076 ]). buffer ( 50 ),{ '
2021-09-15 21:43:28
2KB
1