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
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)
# 构造输出文件名(保留原始文件名,但修改扩展名为 '.tif')
![img](https://img-blog.csdnimg.cn/img_convert/dd5590da180169bf26e703dae8c0cec3.png)
![img](https://img-blog.csdnimg.cn/img_convert/f2ac9405f28eeb28c3ccd90cff98b26a.png)
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**[需要这份系统化资料的朋友,可以戳这里获取](https://bbs.csdn.net/topics/618545628)**
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**
你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**