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:基于多源遥感(DEM、NDVI、温度)和GBDT梯度提升决策树降水的预测分析
这段代码是使用 Google Earth Engine (GEE) 进行地理空间分析的脚本,主要用于处理和分析降水、植被指数、温度等气象数据。创建一个多边形,定义研究区域的边界。这段代码主要实现了从多个数据集中获取气象和地理信息,进行处理和分析,最终生成降水量的预测模型,并将结果可视化和导出。原创 2024-09-19 14:00:00 · 127 阅读 · 0 评论 -
GEE 案例:利用NASA/VIIRS/002/VNP09GA野火数据计算火灾前后的ndvi差异
利用NASA/VIIRS/002/VNP09GA野火数据计算火灾前后的ndvi差异,并计算火灾面积区域。原创 2024-09-19 13:00:00 · 24 阅读 · 0 评论 -
GEE 案例:利用Landsat 8数据计算 NDVI监测洪水前后的变化
利用Landsat 8 NDVI监测洪水前后的变化。原创 2024-09-18 15:30:00 · 41 阅读 · 0 评论 -
GEE 案例:利用UCSB-CHG/CHIRPS/DAILY数据采用非监督分类实现某区域的降水区域的划分
利用UCSB-CHG/CHIRPS/DAILY数据采用非监督分类实现某区域的降水区域的划分,同时,统计了最大值和标准差从而对比不同区域的差异。原创 2024-09-18 10:30:00 · 398 阅读 · 0 评论 -
GEE 案例:1980-2020年长时间序列人口数据监测和图表加载
利用人口数据,进行1980-2020年指定区域的人口监测,并进行图表加载。原创 2024-09-15 15:30:00 · 42 阅读 · 0 评论 -
GEE 案例:利用MODIS数据和NDSI指数进行雪地(积雪面积)提取分析
利用MODIS数据和NDSI指数进行雪地提取分析MODIS/061/MCD12Q1是由美国国家航空航天局(NASA)运行的MODIS卫星的一个数据产品线。它是每年12个月内全球陆表覆盖类型和地表植被持久性的一个数据集。具体来说,MCD12Q1数据集包括了陆地覆盖类型(Land Cover Type)和陆地覆盖植被持久性(Land Cover Vegetation Dynamics)两个主要产品。原创 2024-09-15 17:00:00 · 57 阅读 · 0 评论 -
GEE Python案例:利用MODIS数据中的NDVI进行时序分析和sens趋势分析
利用MODIS数据中的2001-2024年的NDVI进行时序分析和sens趋势分析。原创 2024-09-16 16:00:00 · 154 阅读 · 0 评论 -
GEE案例:利用sentinel-1数据进行洪水监测分析(直方图统计)
利用sentinel-1数据进行洪水监测分析。原创 2024-09-11 19:30:00 · 177 阅读 · 0 评论 -
GEE 案例:利用ECMWF数据进行1950-2024年长时序气温(平均值和标准差)监测和图表绘制
利用ECMWF数据进行1950-2024年长时序气温监测和图表绘制。原创 2024-09-11 16:30:00 · 340 阅读 · 0 评论 -
GEE 案例——如何利用CHIRPS/DAILY影像数据进行时序降水数据分析?
这里我们利用2000年-2023年的CHIRPS/DAILY数据来实现降水数据的长时序分析。原创 2024-09-12 16:00:00 · 49 阅读 · 0 评论 -
GEE 案例——利用MODIS数据和NDWI指数进行美国五大湖水体计算和时序分析(直方图统计和面积统计)
利用MODIS数据和NDWI指数进行水体计算和时序分析(直方图统计和面积统计),这里我们统计了2001-2023年的美国五大湖的水域面积变化情况。原创 2024-09-16 15:00:00 · 219 阅读 · 0 评论 -
GEE案例:利用Landsat C02 5 7 8数据和ECDI指数进行空气质量(煤粉尘)监测(以北京市为例)
本文主要的目的是利用Landsat 5 7 8和ECDI指数进行特定区域的空气质量监测,这里我们使用了所有的Landsat C02的系列数据。原创 2024-09-10 10:30:00 · 106 阅读 · 0 评论 -
GEE案例:基于entinel-2 和 Sentinel-1 SAR 图像绘制埃塞俄比亚青尼罗河上游山区流域小农灌溉区分类分析
要加强对国家有限水资源的监控和管理,就必须提高灌溉面积测绘的精确度。本研究比较了谷歌地球引擎平台上的机器学习算法、分类和回归树(CART)、梯度树提升(GTB)、随机森林(RF)和支持向量机(SVM)。研究使用哨兵-2 多光谱和哨兵-1 合成孔径雷达卫星数据对 2021/22 年灌溉季节的小农灌溉区进行分类。根据投入和农业生态对方法的准确性进行了评估。通过纳入月度合成孔径雷达和植被指数数据,准确度得到了提高。原创 2024-09-01 09:45:00 · 76 阅读 · 0 评论 -
GEE案例——基于光谱混合分析(SMA)的归一化差异水分指数(NDWFI)的水体监测
要确保水资源安全并提高应对极端水文事件的能力,就必须全面了解各种尺度的水动态。然而,对季节性水文变化较大的水体进行监测,尤其是使用 Landsat 4-9 等中等分辨率卫星图像,面临着巨大的挑战。本研究引入了基于光谱混合分析(SMA)的归一化差异水分指数(NDWFI),以改进对细微和动态变化水体的检测。首先,在四个具有挑战性的地点对 NDWFI 的有效性进行了严格评估。结果表明,NDWFI 在一系列水覆盖场景中的水提取平均总体准确率 (OA) 达到 98.2%,超过了传统的水指数。原创 2024-08-31 16:30:00 · 83 阅读 · 0 评论 -
GEE案例——利用GEE中的Sentinel-1哨兵 1 号卫星数据绘制洪水(水体)淹没图
洪水测绘是了解和减轻洪水事件影响的一项重要任务。谷歌地球引擎为分析卫星图像和生成洪水地图提供了一个强大的平台。在本教程中,我们将介绍使用哥白尼哨兵-1 号任务的合成孔径雷达 (SAR) 数据绘制洪水地图的步骤。我们将使用 JavaScript 代码片段来演示这一过程。原创 2024-08-19 19:30:00 · 529 阅读 · 0 评论 -
GEE案例:利用GEE的哨兵 1 号和哨兵 2 号数据自动监测地表水动态
利用谷歌地球引擎的哨兵 1 号和哨兵 2 号数据自动监测地表水动态对洪水进行动态监测对于水资源管理和灾害预防非常重要。利用遥感技术获取多时地表水分布图有助于阐明水量扩大的趋势,以便迅速制定措施。哨兵-1 号合成孔径雷达(SAR)观测数据的空间分辨率高、重访周期短、穿透云层能力强,因此特别适用于这项任务。然而,由于数据采集和处理的巨大压力,从大量合成孔径雷达图像中快速、准确地绘制洪水地图仍然具有挑战性。原创 2024-08-20 20:30:00 · 267 阅读 · 0 评论 -
GEE案例:如何将GEE中的影像文件中的列表转化为集合然后下载(单景影像转化为影像集合)
我最近将我的 Google Earth Engine 帐户切换到云项目。我在“Assets”中创建了一个文件夹,以便从 PC 下载,并将所有需要的图像放在此文件夹中。之后,我在脚本中导入文件夹时遇到问题,因为它未被识别为图像集合。我将其列出以在控制台中打印信息,但无法将其转换为图像集合。原创 2024-08-22 16:00:00 · 51 阅读 · 0 评论 -
GEE案例:利用MODIS数据计算长时序逐月的NDVI数据和下载
详细流程如下:1. 打开 Google Earth Engine (GEE) 平台的网站 https://earthengine.google.com/。2. 点击右上角的 "Sign In" 按钮,使用您的 Google 账号登录。3. 在 GEE 界面中,点击左上角的 "Code Editor" 按钮,进入代码编辑器页面。4. 在代码编辑器页面的左上方,点击 "Assets" 选项卡,然后点击右侧的 "New" 按钮,选择 "Image Collection"。原创 2024-08-16 11:45:00 · 270 阅读 · 0 评论 -
GEE案例——如何利用FNF数据实现林地提取和下载
要利用FNF(Formated National Forest Inventory)数据实现林地提取和下载,可以按照以下步骤操作:获取FNF数据:FNF数据通常由国家或地区的林业部门提供。你可以在相关机构的官方网站上搜索FNF数据,并下载相应的数据集。理解FNF数据结构:FNF数据通常包含一系列的地理空间数据,如矢量多边形、栅格图像等,用于表示林地的分布和属性信息。你需要了解FNF数据的结构,包括数据的投影系统、数据格式和属性字段的含义等。原创 2024-08-15 00:30:00 · 446 阅读 · 0 评论 -
GEE案例:利用谷歌地球引擎中的哨兵-1 号合成孔径雷达数据,以无监督方式跟踪烧毁区域的进展情况
野火在全球范围内日益频繁,在过去二十年中造成了三分之一的森林损失。使用传统的光学遥感技术跟踪烧毁面积的变化会受到云层和烟雾覆盖的影响。因此,本研究采用了不受大气影响的多时合成孔径雷达(SAR)卫星数据。该研究以 2021 年希腊的四场野火为重点,对位时和多时合成孔径雷达极坐标特征进行了无监督 k-means 聚类。评估了不同移动核窗口大小的输入特征平滑化对提高准确性的影响。使用这些平滑特征可大幅提高所有四个检测区域的准确性,而选择 19x19 的窗口大小则是为了在保留精细细节和减少斑点之间取得适当的平衡。原创 2024-08-07 11:00:00 · 509 阅读 · 0 评论 -
GEE案例:Landsat 5、7、8影像构建1985-2023年rsei生态遥感指数详细代码
rsei(Regional Silviculture Ecological Index,地区林业生态指数)是一种生态遥感指标,用于评估森林生态系统的健康状况和生态服务。构建1985-2023年的rsei生态遥感指,主要需要使用Landsat 5、7和8的遥感影像数据。以下是一种可能的构建方法:1. 数据获取:从美国地质调查局(USGS)或其他可靠数据提供商处获取Landsat 5、7和8的遥感影像数据。确保选择的影像具有适当的空间和时间分辨率,以覆盖所需的时间段。原创 2024-07-30 10:00:00 · 936 阅读 · 1 评论 -
GEE案例:Sentinel-1影像雷达图像时间序列评估孟加拉国的河岸侵蚀情况
地球上的许多河流系统都存在河岸侵蚀现象,河岸侵蚀会破坏农田和住房,从而影响沿河居民。在这项研究中,我们利用谷歌地球引擎(GEE)中提供的时间序列哨兵-1 号卫星雷达图像、重访周期为 12 天的地面探测(GRD)数据,检测了孟加拉国贾木纳河沿岸过去发生的河岸侵蚀事件。通过进行土地覆被分类和检测土地覆被从季风前的植被区到季风后的沙地或水域的变化来检测侵蚀土地。此外,如果居民点位于侵蚀土地上,则将其作为持续散射体进行检测,并将其归类为侵蚀土地。原创 2024-07-26 09:00:00 · 97 阅读 · 0 评论 -
GEE案例——Landsat系列(4、5、7、8和9)影像的物候监测分析
Landsat物候分析是一种利用Landsat系列卫星数据进行植被生长和变化的研究方法。物候是指植物生长和发育的季节性变化,包括植物生长、开花、结果和凋落等过程。Landsat系列卫星是美国国家航空航天局和美国地质调查局联合发起的地球观测卫星项目,主要用于监测地球表面的变化和资源管理。Landsat卫星具有高空间分辨率和较长的历史数据记录,可以提供长时间序列的遥感数据用于物候分析。通过对Landsat卫星数据进行物候分析,可以了解植被的季节性变化和发展趋势。原创 2024-07-25 16:00:00 · 205 阅读 · 0 评论 -
GEE案例——Sentinel-2影像的物候监测分析
谷歌地球引擎(Google Earth Engine)极大地改变了地球观测数据的处理方式,可以比以往任何时候都更快、更高效地对广阔区域进行分析。谷歌地球引擎自推出以来,迅速扩大的社区已经实现了许多功能,但迄今为止,还没有一个功能专注于利用高分辨率数据计算山区的物候指标。这项工作旨在通过开发一种开源谷歌地球引擎算法来填补这一空白,该算法可利用 Landsat 系列和 Sentinel-2 的高分辨率免费卫星数据绘制全球山区的物候指标(PMs),如季节开始、季节结束和季节长度,并检测季节高峰。原创 2024-07-23 18:30:00 · 329 阅读 · 0 评论 -
GEE案例分析——如何利用Sentinel-1数据进行大型船只监测(目标提取)和可视化分析
利用Sentinel-1数据进行海上船只的监测可以通过以下步骤进行:1. 数据获取:从Sentinel-1卫星获取雷达成像数据。Sentinel-1卫星以C波段为基础,能够在云层覆盖和夜晚等恶劣条件下获得高质量的图像。2. 数据预处理:对获取的Sentinel-1数据进行预处理,包括去除噪声、校正数据、去除地表干扰等。这样可以提高数据的质量和可用性。3. 雷达成像解释:利用预处理的Sentinel-1数据进行雷达成像解释。这可以通过分析数据中的回波信号来确定海上船只的位置和特征。原创 2024-07-22 15:00:00 · 163 阅读 · 0 评论 -
GEE案例:Landsat系列影像遥感水覆盖评估的简单填云方法
水文变化的实证归因在确定基线先验条件方面提出了一个独特的数据可用性挑战,因为我们无法追溯到过去收集必要的数据。虽然全球遥感数据可以缓解这一挑战,但大多数卫星任务都太新,无法捕捉到很久以前发生的变化,因此无法为充分的统计推断提供足够的观测数据。在这种情况下,大地遥感卫星任务所提供的长达 40 年的连续全球高分辨率监测是无与伦比的信息来源。然而,由于云层遮挡和图像质量不一致使得光学图像的自动判读变得复杂,因此构建一个跨大地遥感卫星任务的土地覆被观测时间序列仍然是一项重大挑战。原创 2024-07-02 10:00:00 · 319 阅读 · 0 评论 -
GEE案例分析——利用全球地表水(JRC/GSW1_4/YearlyHistory)数据实现全球任何区域的逐像素新增水体的监测
要利用全球地表水数据集(JRC/GSW1_4/YearlyHistory)计算新增水域面积,可以按照以下步骤进行:1. 下载和准备数据集:从相关数据源(如JRC网站)下载全球地表水数据集(JRC/GSW1_4/YearlyHistory)的相关文件。确保你有数据集的文件和相关元数据。2. 数据预处理:根据你的分析需求,选择适当的时间范围和地理区域,将数据集进行筛选和裁剪,以获取你需要的数据。确保你的数据集与你要分析的区域和时间范围相匹配。原创 2024-06-26 10:30:00 · 898 阅读 · 0 评论 -
GEE案例——利用MODIS数据(NDVI)计算中国大陆2000-2023年的MK、Sens趋势性分析和Z值统计以及方差分析
利用MODIS数据(NDVI)计算2000-2023年中国大陆的MK、Sens趋势性分析和Z值统计以及方差分析。原创 2024-06-09 11:30:00 · 588 阅读 · 0 评论 -
GEE案例——归一化差异水体指数丰水期、枯水期的水域面积和水深分析(青海湖为例)
水深反演是指利用遥感技术从航空或卫星平台上获取的数据来推断水体的深度信息。这种技术在海洋学、湖泊和河流的科学研究与管理中非常重要。以下是几种常用的水深反演方法:1. **光学遥感反演**:- 基于水体颜色和透明度的变化与水深的关系,使用光学遥感影像(如Landsat、Sentinel等)进行水深估算。- 通常适用于清澈的浅水环境,因为水体的光学特性会随着深度的增加而变化。2. **多光谱和高光谱遥感**:- 利用水体对不同波长光的吸收和散射特性,通过分析多光谱或高光谱数据来估算水深。原创 2024-06-04 18:00:00 · 458 阅读 · 0 评论 -
GEE案例分析——利用Sentinel-1数据和SDWI 指数提取水域面积并下载(逐月巢湖水域提取)
要使用Sentinel-1数据提取水域面积并进行下载,可以按照以下处理过程进行操作:1. 获取Sentinel-1数据:可以通过Copernicus Open Access Hub或Sentinel Data Hub等数据提供商获取Sentinel-1数据。这些数据提供商通常需要用户进行注册和登录。2. 数据预处理:从Sentinel-1数据中提取水域面积之前,需要进行一些数据预处理。首先,将SAR图像校正为地表反射率或等效散射横截面积(sigma0)。这可以通过应用辐射定标和地平校正实现。原创 2024-05-30 15:00:00 · 1316 阅读 · 0 评论 -
GEE案例:利用GEELandsat图像进行物候学辅助监督水稻测绘:1990-2020 年在中国黑龙江省进行的试验(监测多年水稻种植空间重心分布)
精确的水稻空间分布图在粮食安全和市场稳定方面发挥着至关重要的作用。横跨数十年的陆地卫星图像可用于长期水稻测绘。然而,由于观测数据稀少、天气污染频繁、训练样本不足等诸多因素,利用陆地卫星系列图像实现一致的水稻测绘仍具有挑战性。为了应对这些挑战,本研究在谷歌地球引擎(GEE)上提出了一个灵活的表观辅助监督水稻(PSPR)绘图框架。这是通过利用物候学方法的自动化、训练数据的生成和纯化以及机器学习方法的全季节分类能力来实现的。原创 2024-05-17 19:00:00 · 285 阅读 · 0 评论 -
GEE案例分析——Sentinel-1数据的地形校正和斑点滤波Lee-sigma
Lee-Sigma滤波是一种用于处理合成孔径雷达(SAR)图像中斑点噪声的算法。它基于Lee滤波器的原理,并引入了Sigma滤波器的概念,以改进对噪声的抑制效果,同时尽量保持图像的细节。下面是Lee-Sigma滤波的基本原理和步骤:1. **基本原理**:Lee滤波器是一种自适应的统计滤波器,它利用图像中每个像素点周围邻域像素的统计信息来估计该像素点的噪声,并对其进行滤波。Lee滤波器通过计算每个像素点周围邻域窗口内的像素值的均值和方差,来估计该像素点的噪声水平。原创 2024-05-14 19:30:00 · 766 阅读 · 2 评论 -
GEE案例分析——利用双向反射分布函数(BRDF)Sentinel-2数据进行地形校正
双向反射分布函数(Bidirectional Reflectance Distribution Function,简称BRDF)是遥感和计算机图形学中的一个重要概念,用于描述地表或任何表面对入射光的反射特性。BRDF 是一个定义良好的物理量,它量化了表面反射光的强度如何依赖于入射光的方向和观察者(或传感器)的观察方向。原创 2024-05-14 19:00:00 · 395 阅读 · 0 评论 -
GEE案例分析——基于照明条件(Illumination Condition, IC)函数的Landsat C01单景影像的地形校正
地形校正是遥感和地理信息系统(GIS)领域中的一个术语,指的是对遥感数据进行的一种处理过程,目的是消除由于地形引起的误差,以便更准确地表示地表特征。这种校正是必要的,因为遥感数据(如卫星或航空摄影)通常是在不同的角度和高度上获取的,而地球表面是不规则的,这会导致数据中的畸变和误差。以下是地形校正的一些具体解释:1. **原理**:地形校正的基本思想是利用已知的地形信息(如数字高程模型,DEM)来调整原始遥感图像,以模拟如果从正上方垂直拍摄时的图像。原创 2024-05-16 15:00:00 · 69 阅读 · 0 评论 -
GEE案例分析——利用多时 Sentinel-1/2 和 Landsat-8/9 遥感数据在GEE中使用机器学习方法进行作物类时序分类
准确绘制作物类型图对于确保粮食安全至关重要。遥感(RS)卫星数据空间覆盖面广,时间频率高,是这一领域前景广阔的工具。然而,由于作物的类内和类间变异性很高,利用 RS 数据进行准确的作物类型分类方法的需求仍在不断增长。为此,本研究提出了一种新颖的并行级联集合结构(Pa-PCA-Ca),在谷歌地球引擎(GEE)中包含七个目标类别。Pa 部分由五个并行分支组成,每个分支利用多时 Sentinel-1/2 和 Landsat-8/9 卫星图像以及机器学习(ML)模型为不同的目标类别生成概率图(PM)。原创 2024-05-13 17:30:00 · 457 阅读 · 0 评论 -
GEE案例——广东省梅州市梅县区松口镇的梅江横山水灾监测(利用sentinel-1和大津法计算洪水时序面积)
2024年4月5日晚,广东省气象部门发布消息称,4月5日0时到20时,广东中北部出现了暴雨到大暴雨,其中从化吕田累计雨量最大达到225.7毫米。累计降水量达到大暴雨的地方还包括惠州龙门县永汉镇205.2毫米、清远佛冈县水头镇188.6毫米、韶关新丰县梅坑镇174.5毫米、河源东源县新回龙镇166.1毫米。2024年4月7日13时19分起,据市气象台监测,广州市达到启动气象灾害(暴雨)Ⅲ级应急响应标准。市气象灾害应急指挥部决定将广州市气象灾害(暴雨)Ⅳ级应急响应升级为Ⅲ级应急响应。原创 2024-05-12 07:00:00 · 815 阅读 · 0 评论 -
GEE案例分析——2019年3月30日,四川省凉山州木里县雅砻江镇立尔村火灾面积分析(Sentinel-2和NBR)
2019年3月30日18时许,四川省凉山州木里县雅砻江镇立尔村发生森林火灾,着火点在海拔3800米左右,地形复杂、坡陡谷深,交通、通讯不便。1212据凉山州人民政府新闻办公室消息,火场在雅砻江边上,距木里县车程6到7个小时,火场平均海拔4000米,多个火点均位于悬崖上。森林过火面积约为20公顷(0.2平方公里)。原创 2024-05-06 15:43:18 · 483 阅读 · 0 评论 -
GEE案例——美国夏威夷火灾森林面积损毁程度分析
本次案例的主要目的是通过查看两期影像间的差异来识别火灾的影像范围,所以这里用到了高清的sentinel-2影像,同时应用到了sentinel-2的QA高质量的去云后的影像进行分析。原创 2024-04-25 21:00:00 · 171 阅读 · 0 评论 -
GEE案例——1990-2023年计算某个区域的NDVI时序变化轨迹(以徐州市为例)
我们在长时间序列的分析中,往往会根据影像时序的长短来进行分析,这里我们以NDVI指数进行长时序分析,来实现NDVI1990-2023年长时序的监测。原创 2024-04-28 16:00:00 · 448 阅读 · 0 评论 -
GEE案例——利用谷歌地球引擎的深度学习方法绘制哨兵 1 号地表水地图
卫星遥感在测绘地表水的位置和范围方面发挥着重要作用。绘制地表水地图有多种方法,但深度学习方法并不常见,因为它们 "数据饥渴",需要大量计算资源。不过,随着各种卫星传感器的出现和云计算的快速发展,遥感科学界正在采用现代深度学习方法。基于云计算的谷歌人工智能平台和谷歌地球引擎的新整合使用户能够大规模部署计算。在本文中,我们研究了两种自动数据标注方法:1. 联合研究中心(JRC)地表水地图;2. Edge-Otsu 动态阈值方法。原创 2024-04-16 11:15:00 · 448 阅读 · 0 评论