地学科研
文章平均质量分 84
Google Earth Engine是一个基于 Google 云服务基础设施的遥感大数据分析平台,它结合 Google 强大的云计算能力与 NASA、ESA、NOAA 等机构的空间数据,用于在全球尺度解决一些非常重要的社会问题,本专栏基于GEE实现复现相关文章内容,实现快速高效云计算。
Jackson的生态模型
大家好,我是CSDN博主,目前处于研究生阶段。研究领域为全球变化生态学。加入CSDN以来,凭借热爱与坚持,以博文的方式分享所学,截至目前已发文100多篇,内容涉及:GIS、基于GIS的Python开发、Google Earth Engine、R语言开发、Machine Learning等方面。感谢大家的关注、点赞、评论和收藏,是你们的坚持,促使我在这条路上坚定不移地走下去。未来,我会更加专注于自己喜爱的方向,学习更多的知识,输出更加高质量的文章,并欢迎大家与我讨论交流。
展开
-
基于GEE平台的随机森林回归分析(以重庆市为例)
这是一个在GEE平台上使用随机森林算法实现回归的一个案例,本研究所涉及的因变量为随机数,自变量包括:NDVI、EVI、kNDVI、NDBI、NDWI、相关气候因子和地形因子,实现因子重要性评估,并模拟因变量分布图。原创 2024-05-17 16:22:16 · 38 阅读 · 0 评论 -
GEE 25: Landsat8时间序列线性插值获取NDVI指数
今天分享一个对Landsat8数据进行线性插值并提取NDVI的方法。我想有很多人对遥感数据质量都有很大的困惑,主要是由于气候或者遥感探测器本身的影响,而导致部分时间段的遥感数据质量较差,所以,我们使用的线性插值的方法以提升遥感数据质量。原创 2024-05-03 13:54:59 · 91 阅读 · 0 评论 -
Python地理数据处理 十七:植被物候提取和分析(Savitzky-Golay)
植被是陆地生态系统中最重要的组分之一,也是对气候变化最敏感的组分,其在全球变化过程中起着重要作用,能够指示自然环境中的大气、水、土壤等成分的变化,其年际和季节性变化可以作为地球气候变化的重要指标。此外,由于生态工程保护建设和植被自然生长等因素,中国陆地生态系统发挥了重要的碳汇作用。因此,定量评估植被时空动态变化是制定生态系统可持续发展目标和衡量生态系统固碳潜力的重要前提,卫星遥感数据衍生的生态参量产品为研究长时间序列全球及区域植被时空变化提供了重要数据源。SG滤波能够对物候信息进行平滑,并提取其中的物候信息原创 2022-11-10 09:18:44 · 2728 阅读 · 26 评论 -
GEE 24:基于GEE实现高空间分辨率物种分布模型的模拟
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。对于本例,我们从 GBIF获得了 6 月份(繁殖季节中期)的雪貂(Hylocichla mustelina)观测数据集。首先,我们加载数据并将分析的空间分辨率设置为 90 m。我们对原始 99,939 个观测值进行了精简,每个像素保留一个,从而获得了 34,880 个用于建模的观测值。原创 2023-12-16 16:57:27 · 964 阅读 · 0 评论 -
GEE19:基于 Landsat 8 的常见植被指数逐年获取【去云&波段计算】
本文主要介绍常见的植被物候,及其GEE代码,通过去云,波段计算等方法获取高清植被指数影像。原创 2023-10-18 21:03:41 · 815 阅读 · 0 评论 -
MATLAB地理数据处理 25:植被物候提取及分析模型优化(Savitzky-Golay)
之前我写过一篇使用Savitzky-Golay处理遥感数据,获取地面物候信息的MATLAB代码,但是发现存在一些问题:对物候开始期和物候结束期的阈值设定都为相同值,但是有些研究中,需要根据不同的环境条件,设置不同的物候阈值,所以对其进行相应的修改。原创 2023-06-21 17:33:46 · 1030 阅读 · 3 评论 -
GEE 23:基于GEE实现物种分布模型之随机森林算法(Random Forest)
这是在 Google Earth Engine 中对物种分布和栖息地适宜性进行建模的指南。本例主要使用随机森林方法构建物种分布模型,当然也可以使用其他非参数分类方法。GEE 中有多种可以实现的非参数分类算法。其中包括随机森林、支持向量机、分类和回归树、最大熵和梯度提升。原创 2023-11-29 22:14:27 · 935 阅读 · 0 评论 -
GEE 22:基于GEE实现物种分布模型之分布数据预处理【工欲善其事必先利其器】
工欲善其事必先利其器:基于GEE实现SDMs之物种分布数据的预处理。原创 2023-11-26 22:07:51 · 756 阅读 · 0 评论 -
GEE17: 基于Theil-Sen Median斜率估计和Mann-Kendall趋势分析方法分析NDVI变化【趋势分析】
使用GEE实现Sen+Kendall,Theil-Sen Median方法又称为Sen斜率估计,是一种稳健的非参数统计的趋势计算方法。Mann-Kendall(MK)检验是一种非参数的时间序列趋势性检验方法,其不需要测量值服从正太分布,不受缺失值和异常值的影响,适用于长时间序列数据的趋势显著检验。原创 2023-10-07 21:50:16 · 2190 阅读 · 1 评论 -
GEE 18:基于GEE平台的土地荒漠化监测与分析【论文复现】
目前,一种比较新的方法是通过构造“植被指数(NDVI)——反照率(Albedo)特征空间”来进行荒漠化信息遥感提取。荒漠化过程及其地表特性的变化能在 Albedo-NDVI特征空间中得到明显直观的反映。在Albedo-NDVI特征空间中,可以利用植被指数和地表反照率的组合信息,通过选择反映荒漠化程度的合理指数,就可以将不同荒漠化土地有效地加以区分,从而实现荒漠化时空分布与动态变化的定量监测与研究。而这个问题的合理解决,实际上就是如何根据需要采用一定的综合指标来划分Albedo-NDVI特征空间。原创 2023-10-15 19:29:40 · 845 阅读 · 6 评论