GEE-PYTHON
文章平均质量分 74
GEE关于python包含了GEE官网的教程改编,此外还结合geemap进行了特定案例的分析,从2023年7月份开始进行不定期更新,欢迎大家订阅,如遇问题可以在博客评论区进行提问或者后台私信。如果有想快速使用python进行遥感云计算,欢迎大家进行订阅。
此星光明
博士,地图制图和地理信息工程专业,主要涉及Google Earth Engine、PIE-Engine、Planetary Computer、AI Earth、中科星图等云平台的遥感生态云计算研究(多源遥感和机器学习相结合),适用建筑、气象、农业、水利等各个专业云计算。2022年云计算领域博客之星TOP3,2023年CSDN博客之星TOP13,华为云云享专家、MVP,阿里云社区、51CTO博客专家博主。
展开
-
GEE案例——利用Sentinel-1影像数据自动检测和跟踪中型冰山监测(阿蒙森海冰山)
读取图像和处理图像(分割、分类)的功能# 从 Google 地球引擎加载 S1 图像的函数# 输入# - startdate(str):图像的开始日期# - roi (ee geometry):图像的搜索区域kernel = ee.Kernel.gaussian(3) #高斯核函数# 检查 EE 图像的尺寸 -> 选择大尺寸图像dim = 0dim = testind = iseg = 0if value!原创 2024-07-21 18:30:00 · 84 阅读 · 0 评论 -
GEE深度学习——使用Tensorflow进行神经网络DNN土地分类
这是地球引擎和 TensorFlow 演示笔记本。具体来说,本笔记本展示了以 TFRecord 格式从 Earth Engine 导出训练/测试数据。准备用于 TensorFlow 模型的数据。在 TensorFlow 中训练和验证一个简单的模型。对从地球引擎导出的 TFRecord 格式图像数据进行预测。将分类图像数据以 TFRecord 格式输入地球引擎。这旨在演示一个完整的输入/输出。有关使用顶点人工智能平台托管模型进行交互式预测的工作流程,请参阅本示例笔记本。原创 2024-05-26 15:00:00 · 304 阅读 · 0 评论 -
GEE深度学习——使用卷积神经网络(Convolutional Neural Network,CNN)进行土地分类(PyTorch模式)
""" 训练变量"""# 云存储桶中包含训练和测试数据集。# 训练参数""" 模型部署变量"""# 训练模型的输出桶。替换为可写的输出桶!# 模型部署的元数据现在,我们需要为模型指定一个处理程序。我们可以使用 Torchserve 的默认处理程序,也可以编写自定义处理程序。在这里,我们的模型会返回每个类别的概率,因此我们将编写一个自定义处理程序,在概率上调用 argmax,并将概率最高的类别值返回给地球引擎。原创 2024-05-25 10:30:00 · 417 阅读 · 0 评论 -
GEE深度学习——地代码作物分类(Vertex AI 机器学习MLPINGTAI )
AutoML 能以最小的技术投入创建和训练模型。本示例演示了使用 Vertex AI Python SDK 训练和部署一个 AutoML 表格式模型,然后从 Earth Engine 连接到该模型,对国家农业图像计划 (NAIP) 航空图像中的作物类型进行分类。本教程的主要流程是为了将选好的训练数据,进行GCS的问格式转换,然后进行数据集的创建,作为新格式的训练数据集,使用create()函数进行创建,这里可以进行数据名称和数据源的确定。原创 2024-05-25 15:30:00 · 208 阅读 · 0 评论 -
GEE python——利用colab和geemap实现指定区域的研究区概况图的制作
制作指定区域研究区概况图的技术流程:1. 确定研究区域:首先,确定您感兴趣的研究区域。这可以是一个特定的地理区域,如一个国家、一个城市或一个自然保护区。2. 收集数据:收集您需要的数据来描述研究区域的概况。这些数据可能包括地形数据(如DEM)、卫星图像、气候数据、土地覆盖数据等。您可以从公开的数据集、卫星图像提供商或相关研究机构获取这些数据。3. 数据处理和分析:使用地理信息系统(GIS)或相关软件来处理和分析收集到的数据。这可能包括空间分析、图像处理、统计分析等。原创 2024-05-17 10:00:00 · 130 阅读 · 0 评论 -
GEE-python 更新提示(含网页上Colab / JupyterLab 和基于本地的操作 )
今天收到了来在GEE开发中心的邮件,作为 Google 对安全性改进的一部分,您将看到(Python)ee.Authenticate()和(命令行)earthengine 身份验证调用的行为方式发生了一些变化。他们将继续生成凭证文件,但审批步骤会有所不同。具体修改部分:这仅适用于使用 Python 库或命令行工具的情况;代码编辑器没有变化。请将您的 Python 客户端升级到版本 0.1.304(从 3 月 30 日起)或更高版本。运行身份验证命令时请注意不同的说明。细节:以前,身份验证命令会将您发送到 G原创 2024-05-08 17:30:00 · 66 阅读 · 0 评论 -
GEE python——如何利用segment-geospatial Python模型实现机场飞机的提取和识别
segment模型是一种用于图像分割的深度学习模型。图像分割是将图像划分为不同的区域或对象的过程,旨在识别和定位图像中的不同物体或区域。segment模型通常基于卷积神经网络(CNN)架构,并经过训练来学习从像素级别对图像进行分类的能力。它将输入图像作为输入,并输出一个与输入图像具有相同大小的分割结果图像。segment模型以像素为单位进行预测,将每个像素分类为图像中的某个类别。常见的应用包括语义分割(将图像中的每个像素标记为属于不同的语义类别,如道路、汽车、行人等),实例分割(将图像中的每个像素标记为不同原创 2024-04-08 17:30:00 · 446 阅读 · 0 评论 -
GEE案例(python)——利用谷歌地球引擎中的交互式桑基图可视化分类时间序列数据的变化(2000-2020年不同土地转化可视化)
使用地球引擎(Earth Engine)可视化土地植被、植物健康、焚烧严重程度或任何其他时间序列分类图像的变化,并配有交互式桑基图。使用内置数据集库方便快捷,也可灵活定义自己的自定义数据集。谷歌地球引擎(Google Earth Engine)是一个强大的云平台,用于存储、处理和分析地理空间数据。它提供了一系列工具和功能,能够帮助用户可视化分类时间序列数据的变化。其中之一是交互式桑基图(Interactive Sankey Diagram),它可以帮助我们更好地理解数据的流动和变化。原创 2024-02-24 18:00:00 · 314 阅读 · 0 评论 -
GEE Python——洪水概率预测的案例分析
利用随机森林模型以通过 GEE Python API 输出国家范围内的洪水概率。我使用 Sentinel-1 从已知洪水事件中派生的洪水标签来训练分类器,然后输出概率栅格影像获得训练结果。洪水事件频繁且普遍,对人类社会和环境造成了巨大的影响。因此,准确预测洪水事件对于减少风险、保护人类生命和财产至关重要。Sentinel-1卫星是欧洲空间局(ESA)的一颗雷达卫星,可以提供高质量的全球覆盖雷达图像,并且具有高时空分辨率。利用Sentinel-1影像进行洪水事件的预测是可能的,下面将介绍这个过程。原创 2024-02-25 15:30:00 · 285 阅读 · 0 评论 -
GEE python——根据 GPS 轨迹绘制海拔高度剖面图
我们将利用 Strava 应用程序记录的 GPS 轨迹绘制海拔高度曲线图。原创 2024-02-07 17:00:00 · 428 阅读 · 0 评论 -
GEE python——Sentinel-1哨兵数据的变化监测(第一部分)
数据集和 Python 模块本教程将使用一个数据集:哨兵-1 地面测距探测图像下面的单元格导入了一些我们将使用的 Python 模块,并启用了内联图形。原创 2024-02-04 09:30:00 · 252 阅读 · 0 评论 -
GEE python——数据准换(矢量集合转化为 Pandas/ 数据图像转换为 NumPy/矢量集合转换为 GeoPandas GeoDataFrame )
数据转换器是内置于 getPixels、computePixels、listFeatures 和 computeFeatures 中的客户端转换功能。通过指定兼容的 fileFormat,这些方法可以返回 Python-native 格式的数据,如用于栅格的结构化 NumPy 数组和用于矢量的 Pandas DataFrames 或 GeoPandas GeoDataFrames。原创 2024-01-30 09:00:00 · 308 阅读 · 0 评论 -
GEE python—— MODIS 土地覆被 、MODIS地表温度 (LST) 和 USGS DEM数据进行时序分析/统计和影像裁剪下载
在本教程中,我们将使用 MODIS 土地覆被 (LC)、MODIS 陆面温度 (LST) 和 USGS 地面高程 (ELV),它们都属于 ee.ImageCollections 数据集。数据集说明为我们提供了导入和操作这些数据集所需的所有信息:可用性、提供者、地球引擎片段以及与集合中图像相关的可用波段。原创 2024-01-24 10:00:00 · 453 阅读 · 0 评论 -
GEE python (colab)——从JavaScript 过渡到python必看的知识点
很多时候我们已经在GEE中的code editor中习惯了使用JavaScript的使用,而很多时候我们在使用python中能更好的让我们利用外部的包来做更好的开发,这样我们可以更加丰富利用的更多的资源。原创 2024-01-27 10:30:00 · 152 阅读 · 0 评论 -
GEE python——利用Landsat 8 卫星进行土地分类案例
在联合国降低因森林砍伐和退化所产生的排放(REDD)计划中,估算全国范围内的森林面积主要基于使用遥感技术的土地覆盖信息。对于墨西哥这样一个幅员辽阔的国家来说,只有通过自动图像分类,才能以标准化和具有成本效益的方式及时提供信息。本文介绍了墨西哥的实用土地覆被监测系统。该系统利用国家尺度制图参考数据、所有可用的 Landsat 卫星图像和实地清查数据进行验证。该系统绘制了 1993 年至 2008 年的七幅年度全国土地覆被图。分类方案在两个层次上定义了 9 类和 12 类。总体准确率高达 76%。热带雨林和温带原创 2024-01-19 09:00:00 · 352 阅读 · 0 评论 -
GEE python登录重大更新—— ee.Initialize()初始验证过程更新
最近GEE python进行了更新,因此原始的登录代码将无法使用,所以这里我们看一下通常会报出的错误,这里需要我们将我们运行的projection具体的名称写入进去,也就是GEE中你再JavaScript界面中运行的项目名称,相较与之前我们需要进行验证码的copy,这里直接可以通过项目的写入来代替原有的验证码的验证,整体上更加方便了。原创 2024-01-09 15:00:00 · 969 阅读 · 0 评论 -
GEE python——基于多源遥感影像和随机森林分类器进行洪水概率预测
使用 Earth Engine 的 Python API 运行随机森林分类器, 2023 年给定的洪水事件创建一系列到河流的距离、坡度、土地覆盖等数据集。目标是训练分类器根据土地覆盖变化(以及最终的降水)预测洪水。这是该过程的基本版本;一旦运行起来,我将添加更多层,并将根据其他洪水事件添加更多训练数据。随机森林是一种机器学习算法,可以用于洪水预测问题。它是由多个决策树组成的集合,通过对决策树的结果进行平均或投票来得出最终的预测结果。洪水预测的数据通常包括多个观测点的气象、水文和地理信息。原创 2023-12-20 09:30:00 · 390 阅读 · 0 评论 -
GEE python——Standardized precipitation evapotranspiration index(SPEI) (标准化降水蒸散指数(SPEI))
【代码】GEE python——Standardized precipitation evapotranspiration index(SPEI) (标准化降水蒸散指数(SPEI))原创 2023-11-24 09:00:00 · 301 阅读 · 0 评论 -
GEE python——将GEE ASSETS中存储的影像或者矢量转化为数据格式XEE()
通过指定兼容的文件格式,这些方法可以返回 Python 原生格式的数据,如用于栅格的结构化 NumPy 数组和用于矢量的 Pandas DataFrames 或 GeoPandas GeoDataFrames。要请求转换计算数据,可以使用 ee.data.computeFeatures 和 ee.data.computePixels 函数,分别用于 ee.FeatureCollection 和 ee.Image 对象。您可以将其视为一个数组表,其中每个波段都是一列,可通过字段(波段)名称访问。原创 2023-10-27 21:18:43 · 282 阅读 · 0 评论 -
GEE python:给矢量集合中的各个矢量添加属性信息和随机值
在Google Earth Engine中为矢量集合中的各个矢量添加属性信息和随机值的步骤:导入矢量集合。创建一个新的属性字段。为新属性字段分配随机值。将新属性字段添加到矢量集合。安装地球引擎API和geemap安装地球引擎的Python API和geemap。geemap Python包是建立在ipyleaflet和folium包之上的,它实现了几个与地球引擎数据层交互的方法,比如Map.addLayer()、Map.setCenter()和Map.centerObject()。原创 2023-09-26 16:09:41 · 551 阅读 · 0 评论 -
GEE案例——地类变化监测利用哨兵2号(sentinel-2)数据监测巴以冲突地面轰炸点监测
在本案例主要的目的是使用高分辨率遥感数据和土地分类数据进行地表变化监测。在 2021 年以色列-巴勒斯坦危机期间,加沙在 2021 年 5 月遭到了猛烈轰炸。我们能够利用哨兵-2 在轰炸前后拍摄的图像来监测和探测被轰炸的地点。Jamon Van Den Hoek 利用他对轰炸的分析制作了一个谷歌地球引擎应用程序。下面的脚本是经过改编的开源代码,展示了如何利用变化检测技术进行此类绘图。本文所使用的数据为sentinel 2 和欧空局V100 10米分辨率的土地数据。原创 2023-09-18 10:00:00 · 726 阅读 · 0 评论 -
GEE python:MODIS/NLCD土地分类影像可视化
土地分类影像是一种利用空间技术获取和处理的高精度遥感影像,用于对土地类型进行分类和识别的影像。土地分类影像可以识别和区分出土地的不同特征,如植被类型、土地利用类型、地形地貌等,为土地资源管理、环境保护、城市规划和农业生产等提供了重要的基础数据。常用的土地分类影像包括卫星遥感影像、航空摄影影像和无人机遥感影像等。安装地球引擎API和geemap安装地球引擎的Python API和geemap。原创 2023-09-08 08:00:00 · 205 阅读 · 0 评论 -
GEE:JavaScript 代码转化为 python 代码(geemap.js_snippet_to_py()函数使用)
这一次我们可以详细看一下如何通过一个函数实现代码的转换,这个非常方便,只需要使用一个geemap中的函数即可,首先我们可以现看看两者之间的一些差异。GEE 中有一个名为ee的 Python 库,可以让你在 Python 中访问 GEE 中的数据和函数。然而,直接从 JavaScript 代码转换成 Python 代码可能不是一件容易的事情,因为它们有很多不同之处。在 Python 中,你需要先导入 ‘ee’ 库,以便访问 GEE 中的功能和数据。import ee。原创 2023-08-30 09:00:00 · 679 阅读 · 0 评论 -
GEE Landtrend趋势分析,使用Colab python 进行分析
导入地球引擎 API 并验证您的 EE 账户 本步骤需要持久性:)复制页面底部的授权代码并将其粘贴到下面的代码块中如果您已通过身份验证,您将看到 "成功保存授权令牌",而不是粘贴代码的框从 GitHub 导入 LandsatLinkr 库。这样我们就可以直接调用导入的函数。原创 2023-08-18 08:00:00 · 210 阅读 · 0 评论 -
GEE python:各波段变量之间的相关性分析并绘制图(特征相关矩阵)
特征相关矩阵相关矩阵在机器学习中用于识别相关的冗余特征。我们将利用从多波段图像中生成的特征样本表创建相关矩阵。该矩阵用于识别和可视化给定数据中的模式,并为机器学习模型选择特征。设置和数据下载以下代码块将安装所需的软件包,并将数据集下载到 Colab 环境中。当然这个计算可以不使用GEE,但是为了衔接GEE中之前的操作,我们同时导入乐多个数据包作为分析。原创 2023-08-15 00:00:00 · 555 阅读 · 0 评论 -
GEE python中进行自动下载
自动下载GEE Python API 的另一个常见用途是自动处理和导出数据。您可以创建一个 Python 脚本,该脚本可以从服务器调用,也可以使用 Windows 计划程序或 crontab 等工具按计划启动。下面的脚本提供了一个使用 Google 地球引擎 API 自动下载的完整示例。它使用 Google 地球引擎 API 计算一个州所有地区在给定时间段内的平均土壤湿度。然后将结果下载为 JSON 文件并保存到本地。请确保在运行脚本前已完成一次性身份验证流程。原创 2023-08-13 00:15:00 · 453 阅读 · 0 评论 -
GEE python:使用geemap中的chart进行图表加载(feature_byFeature)和Matplotlib进行图表创作
我们首先看一个简单的使用python中Matplotlib进行图表创作的简单例子:Matplotlib是Python中广泛用于数据可视化的库之一。它提供了生成各种图表和可视化效果的工具。以下是使用Matplotlib创建图表的基本步骤:2.准备数据,通常是使用NumPy库生成或者导入现有数据。4.在图表上添加数据并设置图表属性,例如标签和标题。5.绘制图表并显示它。plt.show()你可以根据需要调整图表属性来改变输出。原创 2023-09-01 16:48:25 · 136 阅读 · 0 评论 -
GEE python——加载指定水域面积和不同水域不同颜色加载
安装地球引擎API和geemap安装地球引擎的Python API和geemap。geemap Python包是建立在ipyleaflet和folium包之上的,它实现了几个与地球引擎数据层交互的方法,比如Map.addLayer()、Map.setCenter()和Map.centerObject()。下面的脚本检查geemap包是否已经安装。如果没有,它将安装geemap,它会自动安装其依赖项,包括earthengine-api、folium和ipyleaflet。原创 2023-08-06 19:09:12 · 242 阅读 · 0 评论 -
GEE python:randomVisualizer随机颜色匹配影像加载含NDWI,NDVI,NWI和美国矢量颜色加载
安装地球引擎API和geemap安装地球引擎的Python API和geemap。geemap Python包是建立在ipyleaflet和folium包之上的,它实现了几个与地球引擎数据层交互的方法,比如Map.addLayer()、Map.setCenter()和Map.centerObject()。下面的脚本检查geemap包是否已经安装。如果没有,它将安装geemap,它会自动安装其依赖项,包括earthengine-api、folium和ipyleaflet。原创 2023-08-09 09:30:00 · 241 阅读 · 0 评论 -
GEE python:影像hillshade计算和地形Terrian加载
影像hillshade是一种用于呈现数字高程模型(DEM)或数字地形模型(DTM)的技术。它通过计算太阳光线照射地表的角度,并在其阴影区域中绘制阴影,从而在图像中模拟山地的阴影和高度。这种技术可以帮助人们更好地理解地形和地貌,如山脉、峡谷、山谷等。地形特征(terrain features)是指地表形态在空间分布上的各种特征,包括山峰、山脉、峡谷、河流、湖泊等自然地貌特征。它们是由于地球表面的物理、化学和地质过程形成的,是地球表面最为显著的特征之一。原创 2023-08-08 09:00:00 · 267 阅读 · 0 评论 -
GEE python:影像可视化输出(RGB,palette,颜色拉伸)
影像可视化是将数字影像转化为视觉图像的过程,目的是让人们更易于理解和分析图像中的信息。影像可视化可以通过多种方式实现,常用的方法包括:色彩映射:将图像的灰度值或其他属性用颜色表示,使得人们可以通过视觉感知不同区域的差异。透视图:将图像投影成三维结构,使得人们可以更清晰地看到空间关系和结构。动态交互:通过交互式界面,让用户自由地探索和分析图像中的信息。可视化工具:通过使用专门的软件和工具,可以将图像中的数据进行可视化和分析。原创 2023-08-07 11:00:00 · 402 阅读 · 0 评论 -
GEE python:影像和影像集合的下载(含for循环遍历整个影像集合)ee.batch函数的使用
要将任务列表提交到 Cloud Functions 函数,您可以使用 ee.batch.submit 函数。ee.batch.submit 函数接受两个参数,即任务列表和函数名称。例如,以下代码将将任务列表提交到名为 myBatchFunction 的 Cloud Functions 函数:Cloud Functions 函数将处理任务列表并将输出保存到您指定的路径。安装地球引擎API和geemap安装地球引擎的Python API和geemap。原创 2023-08-01 09:30:00 · 444 阅读 · 0 评论 -
GEE python:按照指定内核(方核和圆核)进行卷积运算(边缘检测)
影像的卷积原理是指通过对影像进行卷积操作,可以实现对影像进行平滑、锐化、边缘检测等处理。卷积操作是一种基本的图像处理操作,它是将一个核函数与图像的每一个像素点进行运算,从而得到一个新的像素值。具体来说,卷积操作的原理是将核函数与图像的每一个像素点进行乘积,然后将所有乘积的结果相加,得到一个新的像素值。这个新的像素值代表了该像素点与周围像素点的关系,可以用于实现平滑、锐化、边缘检测等图像处理操作。例如,如果我们想对一张图片进行平滑处理,可以使用一个平滑核函数进行卷积操作。原创 2023-08-06 09:30:00 · 344 阅读 · 0 评论 -
GEE python:Landsat影像的重采样(双线性插值或双三次插值)和重投影(MODIS影像)
安装地球引擎API和geemap安装地球引擎的Python API和geemap。geemap Python包是建立在ipyleaflet和folium包之上的,它实现了几个与地球引擎数据层交互的方法,比如Map.addLayer()、Map.setCenter()和Map.centerObject()。下面的脚本检查geemap包是否已经安装。如果没有,它将安装geemap,它会自动安装其依赖项,包括earthengine-api、folium和ipyleaflet。原创 2023-07-31 15:00:00 · 968 阅读 · 0 评论 -
GEE python:通过数组形式去云(少于20%的云量)并将筛选后的数组转化为多波段影像值加载
影像数组之间的转化过程:在GEE中,将数组转换为影像需要使用ee.Image()函数。该函数可以创建一个新的影像,通过给定的数组或栅格来填充像素值。在该示例代码中,我们首先创建了一个大小为3*3的数组。然后使用ee.Image()函数将该数组转换为影像,最后输出该影像。注意,上述代码中,数组中的值被自动转换为影像中的浮点数值。如果需要在影像中使用整数值,需要使用ee.Image()函数的int()方法将其转换为整数类型。在该示例代码中,我们创建了一个整型数组,然后使用ee.Image()原创 2023-07-30 00:00:00 · 504 阅读 · 0 评论 -
GEE python:Landsat 5影像的缨帽变换(K-T)分析含矩阵乘法和影像向矩阵的转化
Landsat影像的缨帽变换又称为高通滤波,是一种基于像元邻域的光谱反射率的统计处理方法。它可以用来从遥感影像中去除大气、地形和植被等因素的影响,从而提取出更纯净的地表信息。缨帽变换的基本思想是将原始影像与相应的滤波模板进行卷积,达到减少照射面角度和荫影的影响,从而突出地表细节的效果。具体步骤如下:对原始遥感影像进行亮度值调整,以确保最亮和最暗的像素值位于0-255之间。设定合适的滤波模板大小和形状,一般采用3x3或5x5的方形模板,例如:-3x3模板:0 1 01 -4 1。原创 2023-07-26 16:00:00 · 1164 阅读 · 0 评论 -
GEE python:利用NDVI影像进行邻域统计和按照矢量集合中的列表进行统计
安装地球引擎API和geemap安装地球引擎的Python API和geemap。geemap Python包是建立在ipyleaflet和folium包之上的,它实现了几个与地球引擎数据层交互的方法,比如Map.addLayer()、Map.setCenter()和Map.centerObject()。下面的脚本检查geemap包是否已经安装。如果没有,它将安装geemap,它会自动安装其依赖项,包括earthengine-api、folium和ipyleaflet。原创 2023-07-29 09:15:00 · 327 阅读 · 0 评论 -
GEE python:获取遥感影像集合和单景影像的最大最小值,中位数影像
安装地球引擎API和geemap安装地球引擎的Python API和geemap。geemap Python包是建立在ipyleaflet和folium包之上的,它实现了几个与地球引擎数据层交互的方法,比如Map.addLayer()、Map.setCenter()和Map.centerObject()。下面的脚本检查geemap包是否已经安装。如果没有,它将安装geemap,它会自动安装其依赖项,包括earthengine-api、folium和ipyleaflet。原创 2023-07-27 08:45:00 · 284 阅读 · 0 评论 -
GEE python:矢量集合中单一属性和多个属性值的统计
安装地球引擎API和geemap安装地球引擎的Python API和geemap。geemap Python包是建立在ipyleaflet和folium包之上的,它实现了几个与地球引擎数据层交互的方法,比如Map.addLayer()、Map.setCenter()和Map.centerObject()。下面的脚本检查geemap包是否已经安装。如果没有,它将安装geemap,它会自动安装其依赖项,包括earthengine-api、folium和ipyleaflet。原创 2023-07-27 09:00:00 · 214 阅读 · 0 评论 -
GEE python:矢量和矢量集合的筛选加载和展示(轮廓)和矢量面积计算
矢量是GIS中的一种数据类型,可以用来表示地理空间中的点、线和面等要素。矢量可以包括属性信息,如点的坐标、线的长度和面的面积等信息。矢量集合是指由多个矢量要素组成的集合。矢量集合可以包括多个点、线或面等矢量要素,也可以包括不同类型的矢量要素。在GIS中,通常使用矢量集合来表示一个地理空间对象或者一个地理现象,例如一个城市的边界或者一个河流的路径等。矢量和矢量集合是GIS中常见的两种数据类型,它们可以用来进行空间分析、地理数据可视化和地图制作等操作。原创 2023-07-25 17:00:00 · 395 阅读 · 0 评论