遥感资源下载地址-收集

最新推荐文章于 2021-11-12 22:53:05 发布
VIP文章 最新推荐文章于 2021-11-12 22:53:05 发布
阅读量2.2k 收藏 33
点赞数 2
分类专栏： GIS 文章标签： 遥感资源下载
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/feidlmu/article/details/7358518
版权
最低0.47元/天 解锁文章
cliffyanT
关注
  • 2
    点赞
  • 踩
  • 33
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
GMT中文教程（比英文的简明！）
03-08
中文版的GMT画图指导书，比英文版的更加简明清晰。
定量/高光谱遥感之——传感器定标
David_jiang
10-16 4660
我们常用影像的像元值大多是经过量化的、无量纲的DN值，而进行遥感定量化分析时，常用到辐射亮度值、反射率值、温度值等物理量。传感器定标就是要获得这些物理量的过程。本专题叙述的主要是卫星传感器的定标，航空传感器有很多相似地方。 本专题包括以下内容： l  传感器定标概念 l  传感器定标类型 l  ENVI下的传感器定标 1 传感器定标概念 传感器
全球地形数据下载分享
kangsite的专栏
11-12 2582
Index of /pubIndex of /pub 要下全球地形数据的看这边 https://topex.ucsd.edu/pub/
Web Services Eventing (WS-Eventing)
weixin_30544657的博客
09-03 229
August 2004 Authors Don Box, MicrosoftLuis Felipe Cabrera, MicrosoftCraig Critchley, MicrosoftFrancisco Curbera, IBMDonald Ferguson, IBMAlan Geller (Editor), MicrosoftSteve Graham, IBMDavid ...
【ERDDAP】本地部署教程-第三节（datasets.xml文件配置）
mxy2572185的博客
11-28 854
上一节 https://blog.csdn.net/mxy2572185/article/details/84579231 erddap部署 说明 datasets.xml文件在apache-tomcat-9.0.13-erddap\content\erddap\文件夹下，用来说明发布在erddap的数据来源以及数据是以什么样格式发布在erddap。简单来说就是各种来源的文件的元数据说明。下面...
认识 RSD 处理遥感数据的工作过程
副组长的博客
12-01 2334
一般我们认为遥感数据要么存储于磁盘文件，要么加载到内存中。通常内存资源总是紧缺和有限的，所以大都以磁盘（外存）为主，处理时将需要的数据加载到内存，处理完毕再写回到外存。实际上有些软件就是这样工作的，甚至加载磁盘文件的部分数据，部分处理部分写出，呈流水线式处理流程。 不都是这样处理吗？不，也有不是按照这种逻辑关系处理的。比如RSD就采用了完全不同的处理方案。 RSD为处理和管理超大规...
RSD 教程 —— 0 关于 RSD
副组长的博客
11-05 6868
0 关于RSD RSD（Remote Sensing Desktop）是一个通用的遥感数据综合处理平台，能够处理多种卫星和其它来源的遥感数据以及相关辅助信息，包括栅格格式（GRID）的遥感数据、卫星扫描图幅数据（SWATH）、矢量格式空间数据和一些其它种类的地学数据。 众多的对地观测卫星及其它平台的观测数据由接收站接收后，经预处理后分发。RSD的任务就是将这些分发的数据处理成各种类别的应用产...
关于遥感平台软件 RSD 的技术特点的说明
07-11
RSD（Remote Sensing Desktop）是一个完全自主开发的通用遥感信息处理平台。RSD的框架支持T级的大规模数据处理；结合EDA（Extensive Display Array）可以实现多达数十亿像素的墙面级极致分辨率显示；结合GeoGeo脚本可以轻松实现遥感信息的多机并行处理和分布式数据管理。RSD平台全部使用C++从底层开始开发，自有全部知识产权。
Windows下使用GMT（Generic Mapping Tools）全过程
IvanLJF的专栏
12-25 9279
注：本文参考了 《Windows下使用GMT的正确姿势》 一文，网址为：http://seisman.info/how-to-use-gmt-under-windows.html首先下载四个必备文件： ​gmt-5.1.2-win32.exe （64位请下 win64的) ​http://gmt.soest.hawaii.edu/projects/gmt/wiki/Download Notep
UNAVCO Research Data下载和使用说明(美国卫星导航系统与地壳形变观测研究大学联盟).pdf
09-01
UNAVCO Research Data是美国卫星导航系统与地壳形变观测研究大学联盟发布的实时GPS位置数据。由美国境内几百个GPS实时监测位置信息。包括经纬度和每天的位移量。本文件是对UNAVCO数据的下载和使用说明。
Orfeo ToolBox:OTB是用于遥感图像处理的开源C ++库-开源
04-29
Orfeo工具箱是用于高分辨率遥感图像处理的C ++库。 它是由CNES在ORFEO程序框架中开发的。 有关更多信息，请访问www.orfeo-toolbox.org。它基于医学图像处理库ITK，并为一般的遥感图像处理，尤其是高空间分辨率的图像提供了特殊的功能。 提供针对高分辨率光学图像（SPOT，Quickbird，Worldview，Landsat，Ikonos），高光谱传感器（Hyperion）或SAR（TerraSarX，ERS，Palsar）的目标算法。 Orfeo ToolBox具有三个主要访问权限，具体取决于用户类别：使用现有过滤器以C ++编写处理链或创建新过滤器，使用OTB应用程序，该应用程序是基于插件的框架，允许从各种环境扩展高级处理链（命令行，QT，QGis，Python ....）或使用Monteverdi（用于日常图像处理和分析的软件）。
Monteverdi-基于OTB的遥感图像处理软件
11-11
Monteverdi-基于OTB的遥感图像处理软件，法国空间中心的开源项目成果，媲美商业软件的解决方案。
中科院遥感所遥感概论试题10套
04-16
中科院遥感所遥感概论试题10套，高清pdf版
遥感试卷 遥感试题
07-05
遥感试卷 遥感试题 本人考试后整理 但没有答案 大家自己找答案 书上都有
awesome-remote-sensing:遥感资源收集
05-28
很棒的远程感应遥感是一个充满潜力的令人兴奋的领域。介绍工具，库开源GIS Orfeo工具箱SNAP-开源地球观测应用程序Windows的OSGeo4W开源地理空间工具GDAL地理空间分析库 专案OSMDeepOD-基于OSM和基于深度学习的航空...
国土资源遥感课后习题及答案收集.pdf
01-10
国土资源遥感课后习题及答案收集.pdf
论文研究 - 将遥感和GIS技术与常规方法相结合，以评估和表征埃塞俄比亚Tendaho Graben的地表和地下水资源
05-28
该研究的重点是通过利用遥感进行水资源评估，这是一种收集多时相天气数据集的有力技术。 地理信息系统（GIS）也已用于通过整合空间数据（例如地形，地质，降水，土地覆盖，卫星图像等）以将大量空间数据转换为有用...
ENVI5.1遥感处理软件最新版.zip
09-02
软件介绍: 最新版本的遥感处理软件ENVI5.1，内附32-X64位，由于软件比较大，高达1.24GB，所以仅提供网盘方式下载。内附ENVI5.1的64位破解替换文件，本资源搜集于网络，下载后需要自己测试。
pytorch遥感语义分割
最新发布
06-25
### 回答1： PyTorch是一种广泛应用于深度学习的Python库，可以用于许多领域的人工智能应用，包括遥感图像处理。遥感语义分割是指对遥感图像进行像素级别的分类，以识别不同的物体和地物类型。 使用PyTorch进行遥感语义分割需要进行以下步骤： 第一，准备数据集。数据集应包含遥感图像以及每个像素的标签。在语义分割中，标签应用于指定每个像素所表示的地物或物体类别。 第二，构建模型。可以使用PyTorch的高级API，如torch.nn来构建自己的深度学习模型。这些模型通常基于卷积神经网络(CNN)，使用卷积、池化以及其他操作来提取图像中的特征并进行分类。 第三，模型训练。在模型训练之前，需要将数据集拆分为训练、验证以及测试子集。在训练期间，使用优化器和损失函数来更新模型权重，并通过验证数据来调整超参数，如学习率和训练批次大小。 第四，模型测试。用测试数据集对模型进行评估，并计算出预测结果的精度和损失值以及其他性能指标。 整个遥感语义分割的流程涉及到数据预处理、模型训练、预测等多个步骤，需要在进行任务之前对任务需求和数据进行深入的了解和研究。其中，PyTorch的优点是具有快速迭代开发和丰富的API支持，同时也可以很好的与其他深度学习框架配合运用。 ### 回答2： PyTorch是一种用于机器学习和深度学习的Python库，它可以协助我们在计算中构建灵活的神经网络。在遥感数据分析中，语义分割是一种用于将像素点分类为不同的对象或场景的技术。它可以将遥感影像转化为具有语义信息的结果，方便进一步的分析及应用。 PyTorch在遥感语义分割中可以发挥巨大作用，它可以以端到端的方式处理大规模的遥感数据。PyTorch中存在许多现成的模型，如U-Net、FCN等，通过简单的调用，我们可以轻松地搭建和训练自己的遥感语义分割模型。在训练过程中，PyTorch可以实现数据增强、模型优化等功能，提高模型的准确率和泛化能力。 此外，PyTorch支持GPU加速，可以大幅提升训练速度和效率，避免了数据规模较大时的运算困难。同时，PyTorch也易于使用和维护，其代码可读性和灵活性是其他深度学习库无法比拟的。 总而言之，PyTorch可以为我们在遥感语义分割中提供强大的工具和支持，使我们能够更轻松地构建、训练和优化自己的模型，快速地获得准确的遥感数据分析结果。 ### 回答3： PyTorch是深度学习框架之一，它在遥感语义分割领域中得到了广泛应用。遥感图像通常包含大量的地物信息，而遥感语义分割旨在将遥感图像中的每个像素分类为不同的地物类别，例如水、道路、建筑等。这对于资源管理、城市规划和灾害响应等领域非常重要。 使用PyTorch进行遥感语义分割的过程大致如下：首先，收集并准备遥感图像数据集，并对其进行预处理和标注。然后，将数据集加载到PyTorch中，并使用卷积神经网络（CNN）进行训练。在训练过程中，通过迭代反向传播并更新权重参数，来最小化损失函数。最后，使用训练好的模型对新的遥感图像进行分割。 PyTorch提供了很多有用的工具和库，例如TorchVision和TorchIO，可以帮助我们更轻松地进行数据处理和建立网络模型。此外，PyTorch还可以将模型部署到各种硬件上，例如GPU、CPU和移动设备，以提高性能和效率。 总之，使用PyTorch进行遥感语义分割是一项挑战性十足的任务，但是它可以提供准确的地物分类和高质量的地图制作，为我们的城市规划和资源管理工作提供有力支持。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值