Google Earth Engine（GEE）扩展——TAGEE的函数（JavaScript版本地形分析）

于 2022-11-22 16:30:00 发布
阅读量497 收藏 2
点赞数
分类专栏： Earth Engine高级外接应用 文章标签： 地形 函数 gee tagee 工具
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/qq_31988139/article/details/127888477
版权

功能概述
可用地形属性：

属性    单元    描述
海拔    仪表    地形海拔高度
坡    程度    坡度
方面    程度    指南针方向
山体阴影    无量纲的    被照亮地形的亮度
北方度    无量纲的    北向度数
东方性    无量纲的    东方取向度
水平曲率    仪表    与轮廓线相切的曲率
垂直曲率    仪表    与斜线相切的曲率
平均曲率    仪表    两个正交曲率的半和
最小曲率    仪表    最低曲率值
最大曲率    仪表    最高曲率值
高斯曲率    仪表    最大曲率和最小曲率的乘积
形状指数    无量纲的    高斯地貌分类的连续形式
用户可以参考 Florinsky (2016) 的地貌学数学概念、数字地形建模进展的历史概述，以及地形表面的概念及其局限性。

引用：

弗洛林斯基，伊戈尔。土壤科学和地质学中的数字地形分析。学术出版社，2016。

Florinsky, Igor. Digital terrain analysis in soil science and geology. Academic Press, 2016.

Safanelli, J.L.; Poppiel, R.R.; Ruiz, L.F.C.; Bonfatti, B.R.; Mello, F.A.O.; Rizzo, R.; Demattê, J.A.M. Terrain Analysis in Google Earth Engine: A Method Adapted for High-Performance Global-Scale Analysis. ISPRS Int. J. Geo-Inf. 2020, 9, 400. DOI: 

了解本专栏 订阅专栏 解锁全文 超级会员免费看
此星光明
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
GEE：使用 ROC 曲线和 AUC 评估分类算法性能
养乐多的博客
05-08 762
本文将介绍如何使用 GEE 平台和 ROC 曲线来评估分类算法，并通过计算 AUC 来量化分类性能。
Google Earth Engine（GEE）——计算NDVI\EVI\RVI\DVI\SAVI计算并下载（2）
qq_31988139的博客
05-12 3299
有粉丝还问到关于Landsat8如何计算，上一次的文章提到了关于各类植被指数的下载和加载：Google Earth Engine（GEE）——计算NDVI\EVI\RVI\DVI\SAVI归一化植被指数、比值植被指数、差值植被指数、土壤调节植被指数、增强型植被指数和绿度植被指数计算并下载 同样的道理 对下面指数分别建立函数，只是不同波段需要建立函数 归一化植被指数NDVI=(NIR-R)/ (NIR+R) 比值植被指数RVI=NIR/R 差值植被指数DVI=NIR-R 土壤调节植被指数SAVI=(
GEE学习笔记：在Google Earth Engine(GEE)中计算坡度、坡向、山体阴影
遥感地学小站的博客
03-20 5427
SRTM 数字高程数据，是一种航天飞机雷达地形测绘 SRTM 数据，是由NASA、国防部国家测绘局（NIMA）以及德国与意大利航天机构联合测量得到的，覆盖 60°N 到 56°S 之间大部分区域的雷达影像数据，覆盖地球陆地范围80%以上。该数据可以免费获取，具有现实性强的特点。 本次实验使用的 SRTM 数字高程数据是 30 米分辨率数据，对某地区的坡度、坡向和山体阴影信息进行提取。
Google Earth Engine(GEE)——几何要素（点、线、面）可视化和信息获取及计算
qq_31988139的博客
08-14 1840
我们通常要计算一些点线面要素比如说计算面积长度等等，今天我们就看一下如何将这些可视化的同时进行一些简单的计算：地理曲面和真实平面展示 代码： // 创建一个地理多边形 var polygon = ee.Geometry.Polygon([ [[-5, 40], [65, 40], [65, 60], [-5, 60], [-5, 60]] ]); // 创建平面多边形。这里面主要是这个false就是平面和地理曲面的转换 var planarPolygon = ee.Geometry(po
Google Earth Engine——实时中尺度分析（RTMA）是一个高空间和时间分辨率的近地面天气状况分析。该数据集包括美国全国2.5公里处的每小时分析结果。
qq_31988139的博客
10-04 794
The Real-Time Mesoscale Analysis (RTMA) is a high-spatial and temporal resolution analysis for near-surface weather conditions. This dataset includes hourly analyses at 2.5 km for CONUS. 实时中尺度分析（RTMA）是一个高空间和时间分辨率的近地面天气状况分析。该数据集包括美国全国2.5公里处的每小时分析结果。 Datas
GEE实战 | 各种指数分析(植被、水体、建筑)
热门推荐
小鱼干的博客
03-07 1万+
GEE实战 | 各种水体指数分析NDWI VS MNDWI NDWI MNDWI
Google Earth Engine（GEE）扩展——GEET的函数（JavaScript版本的快速辅助函数）
qq_31988139的博客
11-16 992
您只需执行此过程一次。(string) type - 集合的类型（RAW、TOA 或 SR） (number) path - 图像的路径编号 (number) row - 图像的行号。(string) type - 集合的类型（RAW、TOA 或 SR） (number) path - 图像的路径编号 (number) row - 图像的行号。(string) type - 集合的类型（RAW、TOA 或 SR） (number) path - 图像的路径编号 (number) row - 图像的行号。
Google Earth Engine（GEE）——协方差、特征值、特征向量主成分分析（部分）
qq_31988139的博客
08-23 2354
的主成分（PC）的变换（又称为Karhunen-Loeve变换）是一种光谱转动所需要的光谱相关的图像数据，并输出非相关数据。PC 变换通过特征分析对输入频带相关矩阵进行对角化来实现这一点。要在 Earth Engine 中执行此操作，请在阵列图像上使用协方差缩减器并eigen()在结果协方差阵列上使用该命令。为此目的考虑以下函数（这是完整示例的一部分）： 先看函数： eigen()特征向量 计算 A 行 A 列的二维方形数组的实数特征向量和特征值。返回一个包含 A 行和 A+1 列的数组，其中每一.
GEE学习笔记4：Sentinel 2 植被指数计算
晚秋的专栏
12-24 9515
一、Sentinel 2 植被指数计算 从GEE数据集导入的数据 //2. RVI function s2_rvi(image){ var rvi = image.expression('NIR / RED', { 'NIR' : image.select('B8'), 'RED' : image.select('B4') }).float(); return image.addBands(rvi.rename("S2_RVI")); } ​ //3. ...
PPO算法，即Proximal Policy Optimization（近端策略优化）.pdf
08-05
PPO算法，即Proximal Policy Optimization（近端策略优化），是一种在强化学习领域中广泛应用的策略梯度方法。由OpenAI在2017年提出，PPO旨在解决传统策略梯度方法中策略更新过大导致的训练不稳定问题。它通过引入限制策略更新范围的机制，在保证收敛性的同时提高了算法的稳定性和效率。 一、PPO算法简介 PPO算法的核心思想是通过优化一个特定的目标函数来更新策略，但在这个过程中严格限制策略变化的幅度。具体来说，PPO引入了裁剪（Clipping）和信赖域（Trust Region）的概念，以确保策略在更新过程中不会偏离太远，从而保持训练的稳定性。 二、PPO算法的主要变体 PPO算法主要有两种变体：裁剪版（Clipped PPO）和信赖域版（Adaptive KL Penalty PPO）。其中，裁剪版PPO更为常见，它通过裁剪概率比率来限制策略更新的幅度，而信赖域版PPO则使用KL散度作为约束条件，并通过自适应调整惩罚系数来保持策略的稳定更新。PPO算法，即Proximal Policy Optimization（近端策略优化），是一种在强化学习领域中广
GC032A datasheet（侵删）
08-05
GC032A datasheet（侵删）
opencv的概要介绍与分析
08-05
OpenCV (Open Source Computer Vision Library) 是一个开源的计算机视觉和机器学习软件库。它提供了大量的算法和函数，可用于图像处理、视频分析、特征检测、对象识别等多种应用。下面是一些关于 OpenCV 的资源描述，帮助您学习和使用这项强大的技术。 ### OpenCV 资源描述 #### 1. **官方文档和GitHub仓库** - **GitHub 仓库**：OpenCV 的官方 GitHub 仓库是获取最新代码、预训练模型、开发指南和示例代码的地方。这是了解 OpenCV 最新进展和功能的最佳起点。 - **官方文档**：OpenCV 的官方文档包含了详细的使用说明、API 参考和常见问题解答。 #### 2. **在线教程和课程** - **Codecademy**：Codecademy 提供了互动式的 OpenCV 课程，适合完全的新手。 - **freeCodeCamp**：freeCodeCamp 是一个非营利性组织，提供免费的编码课程，包括 OpenCV 基础。 #### 3. **书籍** - **《Learning
基于python3+opencv3做的中国车牌识别源码+文档说明+使用说明
08-05
<项目介绍> 算法思想来自于网上资源，先使用图像边缘和车牌颜色定位车牌，再识别字符。车牌定位在predict方法中，为说明清楚，完成代码和测试后，加了很多注释，请参看源码。车牌字符识别也在predict方法中，请参看源码中的注释，需要说明的是，车牌字符识别使用的算法是opencv的SVM， opencv的SVM使用代码来自于opencv附带的sample，Stat - 不懂运行，下载完可以私聊问，可远程教学 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到96分，放心下载使用！ 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。 下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。 --------
不同版本yolo介绍大全.pdf
08-05
YOLO（You Only Look Once）是一种流行的目标检测算法系列，自2016年由Joseph Redmon等人提出以来，已经发展出多个版本，每个版本都在性能、速度和准确性上进行了不同程度的优化和改进。以下是对不同版本YOLO的详细介绍： 1. YOLOv1 核心特点：提出了一个统一的模型，能够在单次传递中直接从完整图像预测边界框和类别概率。 优点：速度快，可以达到实时检测；在大型目标上表现较好；利用卷积神经网络提取特征并直接预测边界框和类别；损失函数简单，易于训练和调整。 缺点：精度不高，特别是对小型物体的检测能力较弱；对于相互重叠的物体，只能检测其中一个；定位误差较大；无法检测长形物体。 2. YOLOv2（也称为Darknet-19） 改进：通过使用批量归一化、多尺度锚定框以及其他优化技术，对YOLOv1进行了改进。 优点：精度和速度均有所提升，检测准确率比YOLOv1更高；使用了batch normalization技术，有助于减轻过拟合问题。 缺点：一个分类器只能检测固定数量的物体，无法处理可变数量的物体；训练和调整模型需要更多的计算资源和时间。 3.
数模数学建模数学模型下料问题数模数学建模数学模型下料问题
最新发布
08-05
数模数学建模数学模型下料问题数模数学建模数学模型下料问题
埃森哲埃森哲市场洞察分析.pdf
08-05
【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析.pdf【埃森哲】埃森哲市场洞察分析
校园闲置物品微信公众号交易平台的设计与实现(论文+源码)_kaic.zip
08-05
校园闲置物品微信公众号交易平台的设计与实现(论文+源码)_kaic
销售员业绩统计表.xlsx
08-05
销售管理表，财务报表，占比分析，消费能力分析，日程安排，提成表，考核表 适用人群：学习不同技术领域的小白或进阶学习者；可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。
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

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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