EarthEngine深度学习
如果您将其用于学术目的，请引用此存储库。
@misc{das_2019, title={Land Cover Classification based on Landsat-8 imagery from Google Earth Engine}, url={https://ucalyptus.me/EarthEngine-Deep-Learning/index.slides.html}, journal={EarthEngine Deep Learning}, publisher={GitHub}, author={Das, Sayantan}, year={2019}, month={Sep}}
如果喜欢，请 。
在上关注我
2022-03-06 21:52:28
2.15MB
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
哨兵全系列卫星遥感数据下载，批量预处理，包括大气校正，转格式重采样。landsat-8，MODIS批量下载预处理。支持国产高分1/2/6卫星数据批量大气校正、全色波段融合，正射校正等。
2021-10-28 10:20:06
440.44MB
1
探究研究区总溶解性固体（TDS）质量浓度分布，为水环境质量评价提供依据。【方法】利用2013年和2015年乌梁素海实测TDS质量浓度和遥感反射率数据，建立并检验了TDS质量浓度多元线性回归模型，将模型应用于大气校正后的Landsat-8OLI数据，分析了乌梁素海TDS质量浓度时空分布特征。【 结果】建立的多元线性回归模型均方根误差为0.455g/L，平均相对误差为13%，决定系数R2为0.594。经误差敏感性检验及区域适用性检验表明，该算法适用于乌梁素海开阔水体TDS质量浓度遥感反演。乌梁素海TDS质量浓度无明显的时间循环变化特征；中部开阔水体TDS质量浓度低；北部、东部沿岸及南部部分水域TDS质量浓度反演结果有较大误差。主要原因是北部、东部和南部受底质、藻华及沉水植被的影响较大。【 结论】建立的模型可用于乌梁素海TDS质量浓度的遥感反演。
2021-03-12 14:08:12
2.12MB
1
基于NDVI的分割窗口算法，可从Landsat-8TIRS数据中提取可降水量的水汽
2021-02-26 09:06:13
1.71MB
1