SITS-用于地球观测数据多维数据集的卫星图像时间序列分析 概述 sits R软件包提供了一组用于分析，可视化和分类卫星图像时间序列的工具。 SITS的主要目的是支持使用机器学习方法对图像数据立方体进行土地覆盖和土地变化分类。 SITS中的基本工作流程是： 使用云或本地计算机中可用的图像集合创建数据多维数据集。 从数据多维数据集中提取用作训练数据的时间序列。 对样品进行质量控制和过滤。 使用提取的样本训练机器学习模型。 使用训练有素的模型对数据立方体进行分类。 对分类图像进行后处理。 安装 先决条件 sits软件包依赖于sf和rgdal ，而后者又需要安装GDAL和PROJ库。 请按照提供的有关安装sf和rgdal的说明进行操作。 获取SITS SITS当前在github上可用，如下所示： # Please install the `sits` package from g

91卫图助手（谷歌地球版）是全球首款真正的Google Earth影像、历史影像、高程专业下载器。91卫图助手（谷歌地球版）是全球首款真正的Google Earth影像、历史影像、高程专业下载器， 它通过对Google Earth数据传输协议的完全解译，完美实现从Google Earth服务端直接下载数据。 目前市面上众多谷歌影像下载器数据均来源于Google Map服务端，所下载的数据带

描述 sentinelhub Python软件包允许用户发出OGC（WMS和WCS）Web请求，以在您的Python脚本中下载和处理卫星图像。 它支持Sentinel-2 L1C和L2A，Sentinel-1，Landsat 8，MODIS和DEM数据源。 该软件包还支持从Amazon Web Service获取数据。 它可以使用Sentinel-2 L1C图像提供来自公共存储桶的数据，也可以使用Sentinel-2 L2A图像提供请求者支付的存储桶。 如果指定了下载的数据，则可以ESA .SAFE格式存储（支持所有类型的.SAFE格式）。 安装 该软件包需要Python版本> = 3.6并已安装C / C ++编译器。 该软件包在PyPI软件包管理器上可用，并且可以与 $ pip install sentinelhub --upgrade 或者，可以从conda-forge渠道将软件包与Conda一起安装 conda install -c conda-forge sentinelhub 要手动安装软件包，请克隆存储库并 $ python setup.py build $ pytho

对遥感图像数据进行智能目标识别及场景理解，参赛者需要基于一定体量的数据集训练模型，在测试集中完成对大型场景类地物目标（包括：桥梁、港口、机场）与密集型关键目标（包括：油罐、船只、飞机）的快速准确识别，并对整体场景进行分析与理解。本赛题着重考核当训练样本具有不同地面分辨率、数据量有限的特点时，算法的鲁棒性及泛化能力，综合考量识别的准确性和速度。

matlab版本卫星遥感图像数据的读取 与打开