三、农业遥感技术的应用 （1）作物产量估算 （2）土地资源调查 （3）作物种植面积监测 （4）作物长势监测 （5）土壤墒情监测 （6）农业灾害预测和评估 （7）农作物生态环境监测 （8）农业环境保护

极限学习分类器对遥感图像分类，Matlab代码

作为摄影测量与遥感的从业者，笔者最近开始深入研究gdal，为工作打基础！个人觉得gdal也是没有什么技术含量，调用别人的api。但是想想这也是算法应用的一个技能，多学无害！ 关于遥感图像的镶嵌，主要分为6大步骤： step1： 1）对于每一幅图像，计算其行与列； 2）获取左上角X,Y 3）获取像素宽和像素高 4）计算max X 和 min Y，切记像素高是负值 maxX1 = minX1 + (cols1 * pixelWidth) minY1 = maxY1 + (rows1 * pixelHeight） step2 ：计算输出图像的min X ,max X,min Y,max Y

•3.2 三维智慧城市

AOD气溶胶反演lut查找表 在用MODIS021KM的数据做气溶胶厚度反演研究空气污染情况时的查找表

摘要：台湾海峡水文气象环境条件及水体光学特性较复杂。本文基于海洋水体固有光学特性和MODIS卫星数据建立了台湾海峡海水透明度的遥感反演模型，利用2005—201

实习时作的一个对遥感影像融合质量进行评价的一个小程序 分别输出均值 标准差 信息熵 相关系数 光谱保真度

matlab精度检验代码1.网络 审查： 很棒的项目 cosmiq Radiant MLHub开放库，用于地球观测机器学习。 [] 2.图像分类 数据集 每班图片 场景类 图片总数 空间分辨率（m） 图片大小 年 UC Merced土地使用 100 21岁 2100 0.3 256×256 2010年 WHU-RS19 〜50 19 1005 最高0.5 600×600 2010年 RSSCN7 400 7 2800 -- 400×400 2015年 RSC11 〜100 11 1232 0.2 512×512 2016年 西里湖 200 12 2400 2个 200×200 2016年 援助 200〜400 30 10000 0.5〜0.8 600×600 2017年 欧洲卫星 2000 2500 3000 10 27000 -- 64×64 2017年 NWPU-RESISC45 700 45 31500 〜30至0.2 256×256 2017年 模式网 800 38 30400 0.062〜4.693 256×256 2017年 RSI-CB RSI-CB128（〜800） R

融合视觉传感器和激光雷达可以实现优于单一传感器的同时定位与建图(SLAM)系统,现有的视觉和激光雷达融合算法仍然存在计算复杂度高、系统精度及稳定性受错误的深度匹配影响等问题。为了更加高效、鲁棒地融合视觉和激光雷达的信息,充分利用图像和激光点云中的地平面信息,提出了高效的视觉辅助激光雷达SLAM算法。首先,从激光点云中分割出地面点云用于提取图像中的地面ORB特征点,并通过单应性变换中的交比不变性校验特征匹配,从而高效鲁棒地利用单应性矩阵分解实现绝对尺度相机运动估计。然后,将得到的相机运动估计以李群SE(3)形式进行插值,用于校正激光雷达在自身运动过程中产生的点云畸变。最后,单目相机的运动估计作为初值用于激光里程计的位姿优化。公共数据集KITTI和实际环境的测试结果表明,本文算法可以有效利用相机运动估计对激光点云畸变进行校正,实时准确地实现里程计和建图。

遥感地理数据的python自动化，数据处理，数据分析