既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
单位:mW m−2 nm−1 sr−1
文章出处:BG - A global spatially contiguous solar-induced fluorescence (CSIF) dataset using neural networks (copernicus.org) dataset using neural networks (copernicus.org)")
下载链接:A global spatially contiguous solar-induced fluorescence (CSIF) dataset using neural networks (2000-2020)- 时空三极环境大数据平台 (tpdc.ac.cn) dataset using neural networks (2000-2020)- 时空三极环境大数据平台 (tpdc.ac.cn)")
数据处理:shp裁剪nc,并输出为tif
# -*- coding: utf-8 -*-
"""
遍历路径,shp批量裁剪nc
20240316, 19:42, YMJ
"""
import os
import geopandas
import numpy as np
import rasterio
from rasterio.enums import Resampling
import xarray as xr
from rasterio.transform import from_origin
from shapely.geometry import mapping, box
import geopandas as gpd
# 输入文件夹路径
input_folder = 'D:\\CSIF\\test'
# 输出文件夹路径
output_folder = 'D:\\CSIF\\daily_clip_resample\\'
shp_path = 'D:\\CMFD\\test\\area.shp'
gdf = gpd.read_file(shp_path)
# 获取输入文件夹中所有的 NetCDF 文件列表
nc_files = []
for root, subroot, files in os.walk(input_folder):
for file in files:
if file.endswith("nc"):
file_path = os.path.join(root, file)
nc_files.append(file_path)
print(nc_files)
# 循环处理每个 NetCDF 文件
for nc_file in nc_files:
# 构造完整的输入文件路径
input_nc_file = os.path.join(input_folder, nc_file)
![img](https://img-blog.csdnimg.cn/img_convert/cbc4f7fae72714c5bc88a6f5cbe6757b.png)
![img](https://img-blog.csdnimg.cn/img_convert/e651a820b57b30d2534073e717a09c95.png)
![img](https://img-blog.csdnimg.cn/img_convert/6d431967cecd1a93b979bce52dfc51a2.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!**
**由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新**
**[需要这份系统化资料的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**
的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**