高光谱遥感数据集Indian Pines，包含测试集和训练集。

随机森林分类 该脚本用于使用形状文件作为训练和验证的输入来对遥感多波段图像进行分类。 我正在使用Anaconda（Python 3.8）和以下软件包： OSGEO的GDAL软件包。 OGR scikit学习 （熊猫/ numpy / matplotlib / seaborn / ...） 如果您使用它，请引用我的脚本： 新发布！！！ Maptor 1.4beta 最后，我们很高兴地通知您，我们全新的软件现在已经发布为Beta版（2020-11-11）。 该软件能够对遥感数据应用随机森林分类和回归 档案文件 Classifcation_script.ipynb具有示例输出的jupyter笔记本 Classifcation_script.py -python脚本 准备数据和修改脚本 以tif格式准备遥感影像 训练和验证数据为（GIS）形状文件（多边形） 重要的！！！

针对森林复杂冠层结构和林分高密度下遥感树种识别精度不高的问题,将能够提取高维数据立体特征的三维卷积神经网络(3D-CNN)引入到遥感影像树种识别中,并利用残差网络(ResNet)对其进行改进,提出三维残差卷积神经网络(3D-RCNN),以减小网络深度带来的误差,降低退化现象的影响。联合高分五号高光谱数据(GF-5 AHIS)和高分六号高空间分辨率数据(GF-6 PMS),辅以森林资源数据和外业调查数据构建样本集。结合3D-RCNN思想构建树种识别模型。实验结果表明:相较于传统3D-CNN,3D-RCNN将模型网络从12层增加到18层,能够深化网络结构,缓解网络退化;联合GF-5 AHIS和GF-6 PMS,3D-RCNN能够有效地识别北亚热带森林树种,且识别精度(91.72%)要优于传统3D-CNN(85.65%)和支持向量机算法(85.22%)。

卫星遥感集邮品数据集（1957－1959）汇集了23个国家在1957－1959年间（国际地球物理年）发行的349件集邮品。该数据集是在林超地理博物馆实物馆藏品的基础上，经数字化整理和归档后完成。该数据集中汇集的集邮品包括太空时代开始时期各国为纪念苏联成功发射2个卫星系列（地球观测系列和月球观测系列）和美国成功发射5个地球观测卫星系列共计7个卫星系列、29颗卫星纪念邮品。

tif遥感数据文件，用于学习python处理遥感图像的测试学习数据。

MODIS卫星数据和Landsat卫星数据的融合ESTARFM算法，IDL语言编程源码，带说明PPT和对应论文PDF，及测试数据，亲测可用

这个文件是2018年中国modis遥感影像数据，从nasa下载的，因为某些原因，nasa下载太慢了，所以分享出来。 如果有需要的同学可以自行下载。

资源主要是ENVI遥感数据处理，包括实验教程PDF PPT，实验视频，实验数据，包含了国内所用的数据投影文件北京54、西安80、CGCS2000投影文件。

下载哨兵数据的方法及工具，全球可下，数据开放。 用来做空间信息处理 数据分析 新闻配图 做游戏的地形纹理等等

【目的】寻找最能真实反映南方地区植被变化状况的遥感数据，并将其用于评价土地覆被变化及其带来的影响.【方法】通过分析韩江流域2001―2006年间AVHRR、SPOT-VGT和MODIS 3种归一化植被指数(NDVI)遥感数据，比较它们对不同植被响应特征的异同，并采用线性回归方法分析它们的相关关系.【结果和结论】3种NDVI遥感空间分布总体格局大体一致，且MODIS和SPOT-VGT的NDVI空间分布吻合良好.MODIS传感器波段宽度窄、空间分辨率高，对地物分辨能力高，NDVI在流域内的变化范围大，数值分布