<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_33339770的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/qq_33339770</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; qq_33339770]]></copyright><item><title><![CDATA[WPS在参考文献尾注后插入分页符]]></title><link>https://blog.csdn.net/qq_33339770/article/details/148037034</link><guid>https://blog.csdn.net/qq_33339770/article/details/148037034</guid><author>qq_33339770</author><pubDate>Sun, 18 May 2025 02:34:35 +0800</pubDate><description><![CDATA[1、检查尾注前的内容，删掉多余的“下一页分节符”，保证所有引用了尾注的内容页全都没有“下一页分节符”。4、在尾注内容上右键“脚注与尾注”，将尾注位置改成“节的结尾”，点“应用”，一切就都好起来啦。3、将含尾注的页（不含标题“参考文献”四字）视为一节，尾注可位于“节的结尾”位置。4、前一节后插入新的节，由于尾注只位于前一节的结尾，不影响新的节。3、把尾注内容之后的致谢页的内容粘贴到“下一页分节符”的下一行。1、WPS尾注的固定位置：“节的结尾”or“文档结尾”。]]></description><category></category></item><item><title><![CDATA[python图片匀色算法（直方图匹配）]]></title><link>https://blog.csdn.net/qq_33339770/article/details/128117963</link><guid>https://blog.csdn.net/qq_33339770/article/details/128117963</guid><author>qq_33339770</author><pubDate>Wed, 30 Nov 2022 16:42:46 +0800</pubDate><description><![CDATA[直方图匹配算法-python]]></description><category></category></item><item><title><![CDATA[Python+Numpy+CV2/GDAL实现对图像的Wallis匀色]]></title><link>https://blog.csdn.net/qq_33339770/article/details/127938687</link><guid>https://blog.csdn.net/qq_33339770/article/details/127938687</guid><author>qq_33339770</author><pubDate>Sat, 19 Nov 2022 17:14:57 +0800</pubDate><description><![CDATA[python+numpy+cv+gdal实现Wallis匀色]]></description><category></category></item><item><title><![CDATA[Python调用C++/CUDA]]></title><link>https://blog.csdn.net/qq_33339770/article/details/125896282</link><guid>https://blog.csdn.net/qq_33339770/article/details/125896282</guid><author>qq_33339770</author><pubDate>Wed, 20 Jul 2022 17:38:25 +0800</pubDate><description><![CDATA[CUDA核函数的python调用]]></description><category></category></item><item><title><![CDATA[Python调用C++（实战篇）]]></title><link>https://blog.csdn.net/qq_33339770/article/details/125798782</link><guid>https://blog.csdn.net/qq_33339770/article/details/125798782</guid><author>qq_33339770</author><pubDate>Fri, 15 Jul 2022 14:05:33 +0800</pubDate><description><![CDATA[Python调用C++（实战篇）]]></description><category></category></item><item><title><![CDATA[Python调用C++（环境配置篇）]]></title><link>https://blog.csdn.net/qq_33339770/article/details/125797425</link><guid>https://blog.csdn.net/qq_33339770/article/details/125797425</guid><author>qq_33339770</author><pubDate>Fri, 15 Jul 2022 10:09:28 +0800</pubDate><description><![CDATA[python调用C++的环境配置]]></description><category></category></item><item><title><![CDATA[读论文《Learning to Measure Changes: Fully Convolutional Siamese Metric Networks for Scene Change Detec》]]></title><link>https://blog.csdn.net/qq_33339770/article/details/125661391</link><guid>https://blog.csdn.net/qq_33339770/article/details/125661391</guid><author>qq_33339770</author><pubDate>Thu, 07 Jul 2022 16:29:45 +0800</pubDate><description><![CDATA[CosimNet：直接量测变化的场景变化检测模型]]></description><category></category></item><item><title><![CDATA[读论文《SNUNet-CD: A Densely Connected Siamese Network for Change Detection of VHR Images》]]></title><link>https://blog.csdn.net/qq_33339770/article/details/125280959</link><guid>https://blog.csdn.net/qq_33339770/article/details/125280959</guid><author>qq_33339770</author><pubDate>Tue, 14 Jun 2022 16:57:54 +0800</pubDate><description><![CDATA[本文提出了一个用于变化监测的稠密连接孪生网络，命名为SNUNet-CD（联合孪生网络与Nested-UNet）。SNUNet-CD通过编码器与解码器之间紧密的信息传输减少了深层网络训练中位置信息的丢失，同时还提出了一种集成通道注意力机制（ECAM）进行深层监督。通过ECAM可将不同语义级别的最具代表性的特征进行细化，并用于最终的分类。实验结果表明，本文所用方法极大地改进了许多评估标准，与其他先进的变化检测算法相比，本文所用方法在精度和计算量上有更好的权衡。...]]></description><category></category></item><item><title><![CDATA[Python计算图像纹理-灰度共生矩阵]]></title><link>https://blog.csdn.net/qq_33339770/article/details/124986175</link><guid>https://blog.csdn.net/qq_33339770/article/details/124986175</guid><author>qq_33339770</author><pubDate>Thu, 26 May 2022 15:51:11 +0800</pubDate><description><![CDATA[基于Python探究灰度共生矩阵(GLCM)那点事儿 - 知乎一、什么是灰度共生矩阵？ 灰度共生矩阵（Gray-level co-occurrence matrix；GLCM）和相关的纹理特征计算是图像的一种分析技术。给定一个图像，该图像由各自具有一定强度（特定灰度级）的像素组成，GLCM矩阵在图像…https://zhuanlan.zhihu.com/p/367213524

GitHub - 1044197988/Python-Image-feature-extraction: Python实现提取图.]]></description><category></category></item><item><title><![CDATA[python ASF API下载Sentine-1数据]]></title><link>https://blog.csdn.net/qq_33339770/article/details/117658790</link><guid>https://blog.csdn.net/qq_33339770/article/details/117658790</guid><author>qq_33339770</author><pubDate>Tue, 19 Oct 2021 11:09:45 +0800</pubDate><description><![CDATA[说明：后面再补说明
import os,sys
from selenium import webdriver
import time
import base64
import pandas as pd
import geopandas as gpd
from urllib.request import build_opener, Request
from urllib.request import HTTPHandler, HTTPSHandler, HTTPCookieProcessor
from htt]]></description><category></category></item><item><title><![CDATA[基于RTX30显卡的ArcGIS Pro2.8深度学习环境配置]]></title><link>https://blog.csdn.net/qq_33339770/article/details/120738282</link><guid>https://blog.csdn.net/qq_33339770/article/details/120738282</guid><author>qq_33339770</author><pubDate>Thu, 14 Oct 2021 19:10:14 +0800</pubDate><description><![CDATA[问题描述
基于不明原因，ArcGIS Pro2.8并不支持RTX30显卡，在深度学习模型训练中会出现模型精度极低，loss等值为nan的情况，具体可看ESRI讨论贴：https://github.com/Esri/deep-learning-frameworks/issues/17

帖中总结出的问题具体如下：

解决思路
进入正题，配置argis pro2.8深度学习环境以支持RTX30显卡的思路是：
1、安装CUDA11和对应cudnn；
2、arcgis pro2.8深度学习环境库包替换。
1、]]></description><category></category></item><item><title><![CDATA[python LAADS+Selenium下载MODIS数据]]></title><link>https://blog.csdn.net/qq_33339770/article/details/117653274</link><guid>https://blog.csdn.net/qq_33339770/article/details/117653274</guid><author>qq_33339770</author><pubDate>Mon, 07 Jun 2021 11:27:31 +0800</pubDate><description><![CDATA[说明：
1、NASA数据的存放地址参照下图，各类数据存放在不同的网站，MODIS的L1级数据存放在LAADS网站上，此次从此网站进行数据查询和下载，需要在Earthdata网站进行注册并登陆，登陆之后在profile拿到token。

图片链接：https://earthdata.nasa.gov/eosdis/daacs
2、LAADS数据查询需要在网页上选择各项参数，然后显示数据列表，数据列表可下载为csv或者json文件。具体查询可以直接到网站进行操作体验：https://ladsweb.modaps]]></description><category></category></item><item><title><![CDATA[python landsatxplore下载Landsat8和Sentinel-2数据]]></title><link>https://blog.csdn.net/qq_33339770/article/details/117652626</link><guid>https://blog.csdn.net/qq_33339770/article/details/117652626</guid><author>qq_33339770</author><pubDate>Mon, 07 Jun 2021 10:52:24 +0800</pubDate><description><![CDATA[说明：
1、通过landsatxplore进行query和download，需要在earthexplore网站注册
2、查询需要landsat8和sentinel-2的轨道文件，轨道文件与查询范围相交查询影像，landsat8的轨道文件网上较多，sentinel-2的轨道文件在另一篇博客中有提供下载地址（下载为kml，可转为shapefile文件）
3、参数：数据集名称（按规定填）、开始时间+结束时间（年-月-日格式）、云量、查询范围（shapefile文件，只查询第一个面要素）、存储文件夹（自定义，会在文]]></description><category></category></item><item><title><![CDATA[哨兵二号轨道数据下载]]></title><link>https://blog.csdn.net/qq_33339770/article/details/117258911</link><guid>https://blog.csdn.net/qq_33339770/article/details/117258911</guid><author>qq_33339770</author><pubDate>Tue, 25 May 2021 16:26:42 +0800</pubDate><description><![CDATA[哨兵二号轨道数据下载
https://sentinels.copernicus.eu/web/sentinel/user-guides/sentinel-2-msi/naming-convention


]]></description><category></category></item><item><title><![CDATA[ArcGIS Pro发布服务]]></title><link>https://blog.csdn.net/qq_33339770/article/details/115009232</link><guid>https://blog.csdn.net/qq_33339770/article/details/115009232</guid><author>qq_33339770</author><pubDate>Fri, 19 Mar 2021 16:18:48 +0800</pubDate><description><![CDATA[ArcGIS Pro发布服务
向联合服务器发布服务，enterprise环境即server与portal进行联合托管。
在arcgis pro版arcpy中，将原来arcmap版arcpy的arcpy.mapping模块迁移至arcpy.mp。
1、使用arcpy.mp.arcgisproject()函数引用 ArcGIS pro工程 (.aprx) 。
2、根据需要是否要进行注册数据，若要注册可以使用AddDataStoreItem()将文件夹或数据库注册到 GIS Server 站点中，在注册之前也可以]]></description><category></category></item><item><title><![CDATA[python读取Himawari8数据]]></title><link>https://blog.csdn.net/qq_33339770/article/details/106426115</link><guid>https://blog.csdn.net/qq_33339770/article/details/106426115</guid><author>qq_33339770</author><pubDate>Fri, 29 May 2020 15:26:27 +0800</pubDate><description><![CDATA[中间把
def read_hsd(inputfile):
    resolution = int(inputfile[-12:-10])
    if resolution == 10:
        rows = 1100
        cols = 11000
    elif resolution == 20:
        rows = 550
        cols = 5500
    else:
        rows = 2200
        cols = 22000
   ]]></description><category></category></item><item><title><![CDATA[IDL MODIS 生成查找表]]></title><link>https://blog.csdn.net/qq_33339770/article/details/106425801</link><guid>https://blog.csdn.net/qq_33339770/article/details/106425801</guid><author>qq_33339770</author><pubDate>Fri, 29 May 2020 15:05:48 +0800</pubDate><description><![CDATA[author:PQ
PRO MODIS_LUT;,month,day,iwave,idatm,iaer,lutpath,lutname
  igeom=0;自定义几何条件
  phi0=0;卫星方位角
  month=10;月份
  day=27;；日期
  idatm=2;：大气模式中纬度夏季
  iaer=1;：气溶胶模式大陆型
  v=0;；能见度
  xps=-0.4;；目标物高度
  xpp=-1000;；星测
  iwave=44;：自定义1输入波段范围和反射相函数42为modis的red
  ]]></description><category></category></item><item><title><![CDATA[批量裁剪栅格 python gdal]]></title><link>https://blog.csdn.net/qq_33339770/article/details/106424980</link><guid>https://blog.csdn.net/qq_33339770/article/details/106424980</guid><author>qq_33339770</author><pubDate>Fri, 29 May 2020 14:44:57 +0800</pubDate><description><![CDATA[arcpy裁剪的缺点：
1.arcpy不支持中文
2.arcpy裁剪会对影像重采样，裁剪前的原图像元不对应，有偏移.
代码功能：
以一个shp裁剪多个栅格
输入：
1.shp全路径和为栅格命名的依据字段
2.栅格文件所在文件夹和栅格名称的后缀（.tif/.dat）
3.裁剪后的输出路径（文件夹）
输出：
在输出文件夹下以原栅格名称+‘_’+命名字段内容+‘_clip.tif’保存裁剪后的图像
import ogr
import os
import numpy
from tqdm import tqdm
im]]></description><category></category></item><item><title><![CDATA[IDL 6S查找表]]></title><link>https://blog.csdn.net/qq_33339770/article/details/106361649</link><guid>https://blog.csdn.net/qq_33339770/article/details/106361649</guid><author>qq_33339770</author><pubDate>Tue, 26 May 2020 18:01:11 +0800</pubDate><description><![CDATA[http://blog.sina.com.cn/s/blog_764b1e9d0102ymln.html







]]></description><category></category></item><item><title><![CDATA[6S参数]]></title><link>https://blog.csdn.net/qq_33339770/article/details/106354384</link><guid>https://blog.csdn.net/qq_33339770/article/details/106354384</guid><author>qq_33339770</author><pubDate>Tue, 26 May 2020 13:40:11 +0800</pubDate><description><![CDATA[PRO temp
  COMPILE_OPT idl2
  ;几何条件
  Parameterxml='***********.xml'
  SOZ=90-float(getGF1PMS_Parameters(filename=Parameterxml,nodeName2='SolarZenith'))
  SOA=float(getGF1PMS_Parameters(filename=Parameterxml,nodeName2='SolarAzimuth'))
  SAZ=90-float(getGF1]]></description><category></category></item></channel></rss>