GEE学习专栏

# 【GEE基础及工具）（一）】工欲善其事，必先利其器：借助Open Earth Engine实现影像高效处理及批量任务执行

同时，在使用GoogleEarthEngine（GEE）处理数据时，“批量导出任务需手动逐个启动”的问题也会显著降低效率。本文将从“工具优化”和“数据处理”两个维度展开，详细介绍如何通过GEE完成Se

遥感AI实战·2025-07-29 17:31

【PCIe 总线及设备入门学习专栏 5.1.2 -- PCIe EP core_rst_n 与 app_rst_n】

文章目录app_rst_n和core_rst_n的作用1.core_rst_n—PCIe控制器内部逻辑复位作用控制方式2.app_rst_n—应用层/用户逻辑复位作用特点两者关系图示：示例流程（SynopsysEP）rst_sync[3]的作用详解（复位同步逻辑）为什么使用rst_sync[3]？图示说明Synopsys官方手册中的用法实际应用建议总结对比app_rst_n和core_rst_n的

主公讲 ARM·2025-07-27 06:45

基于GEE的LUCC驱动因子动态分析及实现

一、引言本文以2015-2020年上海地区为研究区，基于GEE实现LUCC变化识别、驱动因子提取及重要性评估的完整流程，为LUCC驱动机制研究提供可复用的技术框架。

遥感AI实战·2025-07-27 00:59

Zookeeper学习专栏（八）：使用高级客户端库Apache Curator

文章目录前言一、为什么需要Curator？二、核心组件2.1CuratorFramework：客户端主引擎2.2Recipes：分布式工具集三、连接管理（含重试策略）&&节点操作（CRUD）总结前言如果你曾在Zookeeper原生API中遇到这些问题：连接脆弱性：网络波动导致Session过期需手动重连。Watch陷阱：一次性监听需反复注册。重复造轮子：锁、选举等分布式基础组件需从零实现。那么Ap

·2025-07-26 13:43

ZooKeeper学习专栏（六）：集群模式部署与解析

文章目录前言一、集群角色解析二、关键配置项三、集群部署四、Leader选举机制ZookeeperLeader选举流程图解总结前言在分布式系统中，ZooKeeper作为核心的协调服务，其集群模式的高可用性至关重要。本文将深入解析ZooKeeper集群的部署实践与核心机制，涵盖三大核心角色（Leader/Follower/Observer）的协同原理、关键配置的底层逻辑、FastLeader选举算法的

快乐肚皮·2025-07-26 13:13

ubuntu18.04安装geemap

文章目录安装测试GEE提供了JavaScript和PythonAPI，可以向EarthEngine服务器发出计算请求。

阿西是有梦想的咸鱼·2025-07-24 02:26

【RS】GEE(Python)：大规模分析与导出数据

在前面的章节中，我们探讨了如何在GoogleEarthEngine(GEE)上进行数据加载、处理、分析和可视化。现在，我们将进一步扩展，探索如何处理大规模的数据集和执行复杂的分析任务。

·2025-07-24 01:24

遥感云平台-GEE下载Landsat8/9影像数据（python）

内容介绍上期文章介绍如何在网页端导出Landsat8/9数据，本期主要介绍如何在本地GEE-python端导出数据以及出图。

·2025-07-22 01:03

GEE土地分类——利用landsat 8 和随机森林方法进行土地分类

numberOfTrees,variablesPerSplit,minLeafPopulation,bagFraction,maxNodes,seed)Arguments:Returns:Classifier结果简介GEE

此星光明·2025-07-22 00:02

ZooKeeper学习专栏（三）：ACL权限控制与Zab协议核心原理

文章目录前言一、ACL访问控制列表二、原子广播协议（Zab协议）总结前言在分布式系统中，安全访问控制和一致性保证是两大核心需求。本文将深入探讨Zookeeper的ACL权限控制机制和Zab协议的核心原理，帮助读者理解Zookeeper如何保障数据安全性和系统一致性。一、ACL访问控制列表ACL(AccessControlLists)是Zookeeper保护ZNode数据安全的关键机制，它定义了哪些

·2025-07-21 21:41

ZooKeeper学习专栏（一）：分布式协调的核心基石

文章目录前言一、ZooKeeper是什么？二、为什么需要分布式协调服务？三、核心数据模型：ZNode3.1树形命名空间：分布式世界的文件系统3.2ZNode类型3.3ZNode数据结构：数据+元数据的完美融合Stat核心字段解析3.4ZNode操作3.5ZNode设计哲学3.6实战代码总结前言在分布式系统蓬勃发展的时代，我们享受着高并发、高可用的服务，却鲜少思考背后的协调艺术。当数百个服务节点部署

快乐肚皮·2025-07-21 17:09

机器学习专栏（62）：手把手实现工业级ResNet-34及调优全攻略

目录一、ResNet革命性突破解析1.1残差学习核心思想1.2ResNet-34结构详解二、工业级Keras实现详解2.1数据预处理流水线2.2完整模型实现三、模型训练调优策略3.1学习率动态调整3.2混合精度训练四、性能优化技巧4.1分布式训练配置4.2TensorRT推理加速五、实战应用案例5.1医疗影像分类5.2工业质检系统六、模型可视化分析6.1特征热力图6.2参数量分析七、常见问题解决方

·2025-07-21 16:06

GEE教程：MODIS/006/MOD17A3HGF数据中NPP的下载

目录简介函数Export.image.toDrive(image,description,folder,fileNamePrefix,dimensions,region,scale,crs,crsTransform,maxPixels,shardSize,fileDimensions,skipEmptyTiles,fileFormat,formatOptions,priority)Argument

此星光明·2025-07-20 09:52

GEE数据集：全球地下水生态系统 (GDEs)数据集（30m分辨率）

目录地下水的全球生态系统(GDEs)简介代码代码链接APP链接结果引用许可网址推荐0代码在线构建地图应用机器学习地下水的全球生态系统(GDEs)简介地下水是最广泛的液态淡水来源，但它在支持多样化生态系统方面的关键作用却往往不被人们所认识。在许多地区，依赖地下水的生态系统（GDEs）的位置和范围在很大程度上仍不为人所知，导致保护措施不足。该数据集提供了一张高分辨率（约30米）的GDEs地图，揭示了全

此星光明·2025-07-05 08:34

遥感云大数据在灾害、水体与湿地领域典型案例实践及GPT模型应用

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学数据（尤其是卫星遥感数据）在线可视化计算和分析云平台应用越来越广泛。

科研的力量·2025-07-01 18:59

机器学习专栏（13）：数据探索三重奏——从地理热力图到特征工程的财富密码

目录导言：当数据点连成黄金海岸线一、地理可视化：数据中的加州淘金热1.1基础地理散点图1.2高密度区域透视术二、相关性解密：数字背后的财富公式2.1皮尔逊相关系数矩阵2.2非线性关系发现术三、特征炼金术：创造新的财富密码3.1特征组合公式库3.2相关性进化史四、异常数据猎手：揪出数据中的"叛徒"4.1价格天花板检测4.2时空异常检测五、工业级探索工具箱5.1自动化数据透视5.2探索流程checkl

Sonal_Lynn·2025-06-25 07:39

GEE：1996 年至 2020 年全球红树林范围和变化的长时间序列数据集

作者：CSDN@_养乐多_本文翻译了awesome-gee-community-catalog中关于GlobalMangroveWatch的介绍和使用指南的内容。

_养乐多_·2025-06-25 03:46

Redis的单线程讲解与指令学习

四.Redis为什么是单线程的五.String有关的命令Redis的学习专栏：http://t.csdnimg.cn/a8cvV一.Redis的命令两个基本命令在Redis当中，有两个基本命令：get和

tq02·2025-06-19 19:23

C++学习专栏专栏收录该内容5 篇文章订阅专栏#新星杯·14天创作挑战营·第11期# 前引：在C++的面向对象编程中，对象模型是理解语言行为的核心。无论是类的成员函数如何访问

这里有一个注意点：我们返回整个类肯定是没有问题的，但是这样效率很低，如果这个类的空间很大呢？返回整个类就不那么好，因此我们可以返回对象的别名，也就是返回引用//运算符重载函数Myclass&operator=(constMyclassSt){_year=St._year;_month=St._month;_day=St._day;return*this;}为什么可以返回引用？首先this的作用域是

︎Sweet☻万物更新·2025-06-18 13:20

从0开始学GEE python——Landsat 8 C02 SR和TOA数据的缨帽变换（含数组的介绍）

Landsat8C02SR和TOA数据的缨帽变换（含数组的介绍）缨帽变换（Hattransformation）缨帽变换（Hattransformation）是一种在3D计算机视觉中常用的操作，用于将一个三维向量转换为一个反对称矩阵。具体而言，给定一个三维向量v=[x,y,z]的缨帽变换结果H(v)是一个3x3的反对称矩阵，表示为：H(v)=|0-zy||z0-x||-yx0|其中，x、y、z分别是

此星光明·2025-06-16 23:03

机器学习专栏（36）：逻辑回归与Softmax回归全解析（附完整代码与可视化）

目录一、逻辑回归：概率世界的"温度计"1.1核心原理：从线性到概率的魔法转换1.2Sigmoid函数：概率转换的核心引擎1.3实战案例：鸢尾花二分类二、模型训练：损失函数的艺术2.1对数损失函数解析2.2正则化实战技巧三、Softmax回归：多分类的终极武器3.1数学原理深度解析3.2多分类实战技巧四、工业级应用指南4.1特征工程黄金法则4.2模型评估矩阵4.3超参数调优模板五、避坑指南：常见误区

Sonal_Lynn·2025-06-11 04:46

Redisson学习专栏（四）：实战应用（分布式会话管理，延迟队列）

文章目录前言一、为什么需要分布式会话管理？1.1使用Redisson实现Session共享二、订单超时未支付？用延迟队列精准处理2.1RDelayedQueue核心机制2.2订单超时处理实战总结前言在现代分布式系统中，会话管理和延迟任务处理是两个核心需求。本文将深入探讨如何利用Redisson解决这两个问题，通过代码实战演示分布式会话共享和订单超时未支付的延迟任务处理。一、为什么需要分布式会话管理

快乐肚皮·2025-06-05 07:53

Netty学习专栏（五）：Netty高性能揭秘（Reactor模式与零拷贝的深度实践）

文章目录前言一、Reactor模式：高并发的基石1.1Reactor模式的核心思想1.2Netty的主从Reactor多线程模型核心组件与角色分工运行流程与事件处理1.3线程分配与无锁化设计1.4设计优势二、零拷贝2.1传统数据拷贝的瓶颈传统文件传输流程性能损耗点2.2操作系统零拷贝技术sendfile系统调用mmap内存映射2.3Netty的零拷贝优化CompositeByteBuf：逻辑组合代

快乐肚皮·2025-06-02 23:28

Netty学习专栏（一）：Java NIO编程与核心组件详解

文章目录前言：为什么选择Netty？一、为什么需要先学NIO？二、NIO与BIO的核心差异2.1阻塞方式差异2.2编程模型差异2.3数据处理方式差异2.4代码结构对比三、NIO三大核心组件详解3.1Channel（通道）3.2ByteBuffer（缓冲区）3.3Selector（选择器）四、详细工作原理说明总结前言：为什么选择Netty？在分布式系统、微服务架构盛行的今天，高性能网络通信已成为系统

快乐肚皮·2025-05-31 08:03

GEE数据集：美国环境保护署（EPA）和国家大气沉降计划（NADP）发布的美国环保署总沉降层（TDEP 层）

简介美国环保署总沉降层（TDEP层）美国环保署总沉降科学委员会（TDep）提供了美国总氮和硫沉降通量的估计，用于临界负荷和其他生态评估，特别是在负荷导致生态系统酸化和富营养化的情况下。总沉降通量估计是通过将湿沉降和干沉降的贡献相加得到的。TDep委员会的成员开发并维护了一种测量-模型融合方法（TDepMMF），用于绘制总沉降图，该方法结合了测量值和模型估计值。这提供了一种产品，它利用了测量的准确性

此星光明·2025-05-26 00:25

GEE数据更新——MODIS数据LST地表温度计算案例MODIS/006/ MOD11A1 已弃用并且没有新数据。请改用MODIS/061/ MOD11A1

目前GEE中已经没有前者的数据。后者的时间可用范围为2000-02-24T00:00:00-首先，这两个数据集的数据处理方法有所不同。MO

此星光明·2025-05-25 15:52

GEE教程：加载和处理MODIS每日地表温度数据（LST），并分析特定区域（ROI）的温度变化时序趋势

使用GoogleEarthEngine分析MODIS地表温度数据在本篇博客中，我们将展示如何使用GoogleEarthEngine（GEE）加载和处理MODIS每日地表温度数据（LST），并分析特定区域

此星光明·2025-05-25 15:52

GEE案例：基于Google Earth Engine的RUSLE土壤侵蚀模型实现与分析（恒河缓冲区）

基于GoogleEarthEngine的RUSLE土壤侵蚀模型实现与分析（恒河缓冲区案例研究|2024-2025年度数据）1.研究背景与数据准备本研究利用修正通用土壤流失方程（RUSLE）评估恒河支流缓冲区的土壤侵蚀状况。核心数据集包括：气象数据：CHIRPS日降水数据集（计算R因子）地形数据：SRTM数字高程模型（提取LS因子）遥感数据：哨兵2号（计算C因子）、MODIS土地覆盖（提取P因子）土

此星光明·2025-05-19 13:20

GEE APP——第一个用于模拟未来全球城市扩张的细胞自动机（CA）在线工具，它可以在不同的 SSP 情景下，以 30 米的分辨率模拟未来城市土地的变化（分屏可拖动）

目录简介函数setControlVisibility(all,layerList,zoomControl,scaleControl,mapTypeControl,fullscreenControl,drawingToolsControl)Arguments:Returns:ui.Mapui.Map.Layer(eeObject,visParams,name,shown,opacity)Argume

此星光明·2025-05-14 13:51

Google Earth Engine（GEE) 代码详解：批量计算_年 NDVI 并导出（附 Landsat 8 数据处理全流程）

一、代码整体目标基于Landsat8卫星数据，批量计算2013-2020年研究区的NDVI（归一化植被指数），实现去云处理、数据合成、可视化及批量导出为GeoTIFF格式，适用于植被动态监测、生态环境评估等场景。二、代码分步解析（含核心原理与易错点）1.加载并显示研究区边界varroi=table;//假设table是用户上传的矢量边界（如SHP文件）Map.centerObject(roi,8)

做科研的周师兄·2025-05-14 00:00

GEE疑问：镶嵌后（中位数、平均数、最大值和最小值合成）影像的原始坐标系是否发生改变？

作为一个GEE的初学者，有个小问题想请教一下。

此星光明·2025-04-30 14:04

GEE| 基于Landsat 8 计算NDVI

基于Landsat8计算NDVI，并将栅格数据导出。（使用时将roi更改为自己的矢量范围并在.filterDate进行时间筛选即可）varroi=ee.FeatureCollection('users/yongweicao11/fujian');print('ROI:',roi);varmyImage=ee.ImageCollection("LANDSAT/LC08/C02/T1_L2").fil

Aaron Hill·2025-04-29 23:18

Google Earth Engine: 使用K-means聚类进行快速土地分类

介绍：GoogleEarthEngine（简称GEE）是一个强大的云平台，用于分析和可视化地球观测数据。其中之一的功能是可以使用K-means聚类算法进行土地分类。

VwajAlgorithm·2025-04-27 13:48

基于 Google Earth Engine 的南京江宁区土地利用分类（K-Means 聚类）

一、引言其实利用GEE可以做的内容太多了，很多内容换一个区域，换一个时间段就是一篇本科毕业论文（设计），甚至拓展一下硕士也不是不行。

AI_RSER·2025-04-27 13:17

机器学习专栏（1）：什么是机器学习？看完这篇你也能跟算法“对话“了！

目录导言：当你的手机开始"思考"一、机器学习的三重定义（从感性到理性）1.1机器学习的"诗与远方"1.2工程师的精准诠释二、解剖一只"会学习的麻雀"：垃圾邮件过滤器2.1训练过程全解析2.2与传统编程的世纪碰撞三、为什么维基百科不是机器学习？3.1知识的两种形态3.2核心差异点四、你的第一个机器学习应用场景4.1生活中的学习机器4.2技术演进路线图五、如何开启你的机器学习之旅？5.1学习金字塔（建

Sonal_Lynn·2025-04-19 22:14

GEE土地分类——使用了Landsat 8和9影像以及随机森林监督机器学习算法进行城市绿地的计算（雅典）

目录简介主要主题和目标卫星数据的输入和处理谷歌地球引擎-雅典的绿色空间定义城市边界-研究区域城市绿地的可用性和可达性结果代码结果简介这项研究是利用GoogleEarthEngine平台进行的，同时使用了Landsat8和9影像以及随机森林监督机器学习算法。主要主题和目标除了环绕并影响城市气候的国家公园、森林和山脉之外，研究表明，城市绿地，无论大小，都能通过影响城市的微气候以及市民的日常生活，为城市

此星光明·2025-04-16 06:36

GEE Ui——批量查询Sentinel-2 图像无云区域的可视化应用（提供缩略图）

目录简介功能选项函数Map.clear()Noarguments.Returns:ui.MapMap.onClick(callback)Arguments:Returns:StringreduceRegion(reducer,geometry,scale,crs,crsTransform,bestEffort,maxPixels,tileScale)Arguments:Returns:Dictio

此星光明·2025-04-14 14:44

机器学习项目实战项目详解 + 数据集 + 完整源码+ 项目报告

每个项目都带有完整的代码+数据集+报告项目链接【机器学习项目实战（一）】基于随机森林的航空公司用户满意度分析【机器学习项目实战（二）】基于朴素贝叶斯的中文垃圾短信分类【机器学习项目实战（三）】基于LSTM的股票价格预测精品学习专栏导航帖机器学习项目实战项目详解

怀逸同学·2025-04-06 18:25

【C++奇遇记】C++中的进阶知识(继承(一))

博客主页：博主链接本文由Mmalloc原创，首发于CSDN学习专栏推荐：LeetCode刷题集数据库专栏初阶数据结构欢迎点赞收藏⭐留言如有错误敬请指正！

M malloc·2025-04-06 02:33

GEE 24：基于GEE实现高空间分辨率物种分布模型的模拟

高分辨率物种分布模型模拟1.加载数据并定义网格大小和范围2.预测变量3.定义模型拟合和交叉验证的空间块使用未分类的卫星图像作为预测变量，以高空间分辨率对物种分布进行建模1.加载数据并定义网格大小和范围对于本例，我们从GBIF获得了6月份（繁殖季节中期）的雪貂（Hylocichlamustelina）观测数据集。数据集来源：99,939occurrencesincludedindownload

Jackson的生态模型·2025-04-02 05:49

GEE训练教程——从 JRC 洪水风险数据集中提取不同返回周期的洪水风险信息统计，进行直方图可视化和分析并下载数据

GEE训练教程——从JRC洪水风险数据集中提取不同返回周期的洪水风险信息，进行可视化和分析，并导出特定数据代码解释这段代码使用GoogleEarthEngine(GEE)处理全球洪水风险数据。

此星光明·2025-04-01 14:01

基于 GEE 的研究区 1986-2024 年年均归一化植被指数 NDVI 时间序列分析

目录1代码解析1.1初始化与地图设置1.2数据预处理函数1.3云去除函数1.4NDVI计算函数1.5数据集加载与处理1.6年均NDVI计算与导出1.7时间序列影像集合1.8绘制时间序列图表2完整代码3运行结果1代码解析1.1初始化与地图设置varroi=table;Map.centerObject(roi);Map.addLayer(roi,{'color':'grey'},'roi');roi定

@HNUSTer·2025-04-01 14:28

【RS】GEE(Python)：数据处理

现在，让我们进一步探讨如何在GoogleEarthEngine(GEE)中进行数据处理。数据处理通常包括图像预处理、裁剪、过滤、重采样等操作。

T0uken·2025-04-01 14:25

GEE AI：利用 LLMs 来协助地理空间分析中的规划和代码生成，加快数据处理流程

目录概述简介代码1代码2致谢概述我们谷歌研究院科学人工智能部门的使命是实现科学突破和发现，造福人类并从根本上加快科学进步。我们的一个重点领域是通过生成式人工智能和大型语言模型（LLMs）的力量，增强地理空间分析师和科学家的能力。我们的目标是利用LLMs来协助地理空间分析中的规划和代码生成，从而大大加快分析师的工作流程。地理空间工作流程自动化的一个重要部分是根据特定的地理空间查询确定哪些数据集最相关

此星光明·2025-03-27 12:35

AI增强OS的兴起：Linux及其它

原文链接：https://gee-tech.com/artifiacial-intelligence/the-rise-of-ai-enhanced-operating-systems-linux-and-beyond

何雷 — 智能网联汽车·2025-03-26 20:44

LabVIEW实现LoRa通信

开源免费LabVIEW学习专栏分享：L

不脱发的程序猿·2025-03-23 15:24

GEE下载REMA strip和mosaic数据的python脚本

EarthEngineDataCatalog：https://developers.google.com/earth-engine/datasets/catalog搜索REMA：importeeimportgeemapimportosimportwarnings#忽略所有警告warnings.filterwarnings("ignore")#下载REMAStrips数据（2m和8m）defdown

WiIsonEdwards·2025-03-19 14:59

【Gee】项目总结：模仿 GIN 实现简单的 Golang Web 框架

文章目录Gee项目回顾Gee项目总结Golang已经具备基础的web功能，为什么还需要web框架？作为web框架，Gee框架完成了哪些功能？如何用Gee来构建web项目？

YGGP·2025-03-16 05:58

GEE数据集——Harmonized Landsat Sentinel-2 (HLS) 卫星sentinel-2哨兵-2（HLS）

简介统一大地遥感卫星哨兵-2（HLS）项目通过虚拟卫星传感器群提供一致的地表反射率（SR）和大气层顶部亮度（TOA）数据。陆地成像仪（OLI）安装在美国宇航局/美国地质调查局的联合陆地卫星8号和陆地卫星9号上，而多光谱仪（MSI）则安装在欧洲的哥白尼哨兵-2A号和哨兵-2B号卫星上。通过综合测量，可以每2到3天以30米的空间分辨率对陆地进行全球观测。HLS项目使用一套算法来获得OLI和MSI的无缝

此星光明·2025-03-15 09:18

Google Earth Engine——导入无云 Sentinel-2 图像和NDVI计算

目录搜索和导入无云Sentinel-2图像Sentinel-2的背景打开GEE界面定义您感兴趣的领域查询Sentinel-2图像的存档过滤图像集合将图像添加到地图视图定义真彩色可视化参数探索影像定义假色可视化参数从波段组合中导出指数

此星光明·2025-03-15 09:17

推荐频道