sklearn是python著名的机器学习库，它其中封装了大量的机器学习算法，内置了大量的公开数据集，并且拥有完善的文档，因此成为目前最受欢迎的机器学习学习与实践的工具。

Google Earth整合Google的本地搜索以及驾车指南两项服务，能够鸟瞰世界，将取代目前的桌面搜索软件。它把卫星照片、航空照相和GIS布置在一个地球的三维模型上。谷歌地球(谷歌地球较新

EMD(earth mover’s distance)基于分布的距离度量方法，作为度量概率数据相似性的标准，具有抗噪性好, 对概率分布间的微小偏移不敏感等优良特性。

利用GOOGLE EARTH 自动提取海拔数据

在labview平台下调用谷歌地球dll文件，实现地图的类软件开发。

GF3 SAR图像处理软件PolSAR，安装需要PolSARpro6.0安装包，包括Google Earth安装包、ESA-SNAP安装包、GIMP安装包、ImageMagick安装包，以及Convert.exe程序，PolSARproCheckConfigWin64.exe(用来检验PolSAR是否安装完成)-----------------------------------现有GF3 SAR数据在POLSAR的处理教程可供参考，详见：https://blog.csdn.net/gainichengyichongfu/article/details/120318166?spm=1001.2014.3001.5501

在线分析工具 Google Earth Engine 是一个用于卫星图像处理的网络平台 ( https://earthengine.google.com/ )。使用该平台的一种方式（可能是最流行的方式）是使用名为The Code Editor的在线工具，它允许用户使用脚本语言 (JavaScript) 访问该平台。

基于Google Earth Engine与机器学习的黄土梯田动态监测.pdf

土 Jerome Friedman的scikit-learn样式的Multivariate Adaptive Regression Splines算法的Python实现。 py-earth包使用Cython实现了多元自适应回归样条，并提供了与scikit-learn的Estimator，Predictor，Transformer和Model接口兼容的接口。 有关多变量自适应回归样条曲线的更多信息，请参见下面的参考。 现在有了缺少的数据支持！ py-earth包现在支持其预测变量中的缺失。 构造Earth对象时只需设置allow_missing=True 。 要求反馈 如果您希望在py-earth中看到其他功能或改进，请给我发送电子邮件或打开或评论问题。 特别是，请让我知道以下任何一项对您是否很重要： 速度提高 将模型导出为其他格式 在安装过程中支持共享内存多处理 支持周期预测器（例如

更新：不会再有更新。 不幸的是，我停止了与 Google Earth Engine 相关的项目。 谷歌地球引擎 Python API 示例 用于 API 的的集合。 适用于 Google Earth Engine 的 Jupyter Notebook 教程 001 Landsat 8 TOA 影像的土地覆盖分类 Landsat 8 的分类示例，包括多个植被指数和对象特征提取。 此示例基于 S.Gebhardt 等人的科学著作“ ”。 al 2014。最终您无法访问训练数据。 如果您对训练数据感兴趣，请随时与我联系。 002 Landsat 8 TOA 图像的缨帽变换 Landsat 8 TOA 图像的流苏帽变换基于 M.Baigab、L.Zhang、T.Shuai 和 Q.Tong 的科学著作“基于 Landsat 8 卫星反射率的流苏帽变换的推导”（2014 年）。 003 Proba