- 博客(52)
- 收藏
- 关注
RSS订阅原创 Linux内存管理——Swap
一个磁盘区域，作为内存使用。当系统内存不足时，会将一些很久不使用的数据转移到swap space中。优点：扩展了内存空间缺点：用磁盘做内存，读写效率降低。
2024-05-09 17:31:43
378
原创 解决Linux环境下gdal报错：ERROR 4: `/xxx.hdf‘ not recognized as a supported file format.
题外话：我发现linux系统和Windows系统下面，库的版本是有差异的。比如我的本机Windows上装的是gdal3.2.3和numpy1.19.1，linux服务器上装的却是gdal3.0.2和numpy1.21.5。这个是很常见的回复，网上许多回答都说低版本的 gdal 不支持 hdf5，让你重装高版本的gdal。我之前用pip安装了whl，暴力装上了，但用的时候就会有问题。安装了不冲突的gdal之后，就成功打开文件啦~一开始我是抱着试试的心态，用conda，不用pip，重新安装了一下我的gdal。
2024-01-30 11:28:51
623
原创 python netCDF4
NetCDF 即 network Common Data Form（网络通用数据格式），是一种面向数组型并适于网络共享的数据的描述和编码标准。文件的后缀是。nc 在气象领域应用很广，因为它可以存储不同波段的长时间观测结果。NetCDF 文件中的数据以数组形式存储。例如，某个位置处随时间变化的温度以一维数组的形式存储。某个区域内在指定时间的温度以二维数组的形式存储。来源：【知乎netCDF4 是一个专门处理 nc数据的 python库。
2024-01-12 17:07:57
1017
原创 欧空局温室气体数据集 简介及下载
欧空局的温室气体数据是 GHG-CCI+ 项目的卫星衍生产品。GHG-CCI 中的 GHG 指 GreenHouse Gases，温室气体；CCI 指的是 ESA Climate Change Initiative，欧空局气候变化倡议。
2024-01-11 16:42:32
1009
原创 欧盟全球大气排放数据库（EDGAR）
(2) 运输业（航空、公路、海运）Aviation climbing&descent、Aviation cruise、Aviation landing&takeoff、Aviation supersonic、Road transportation、Railways, pipelines, off-road transport、Shipping、(9) 垃圾处理：Solid waste landfills、Solid waste incineration、Waste water handling、
2024-01-10 20:58:14
2074
2
原创 MODIS ET 蒸散发数据
MODIS ET 即系列产品，属于MODIS的产品。，也就是结尾是.061的数据集。在 Collection 6.1 中，MOD16主要有 2 种数据集：①合成产品 MOD16合成产品 MOD16/MOD16A3GF。现在这两种数据集都以科学数据文件的格式存储储存。HDFEOS2是HDF4的一种扩展，在原有的基础上添加了地理参考、地图投影等其他关键元数据信息。产品名称中的，采用Mu et al., 2011的方法，使用。
2024-01-02 04:10:16
1328
2
原创 Sentinel-2 命名规则（Naming Convention）
比如下面这个例子：第一次生产的时候，左下角缺了一块，所以估计后面第二次生产是为了补全之前的缺失。下述命名规则是2019年12月6日颁布的，自此之后的L1C级别产品都按照这个规则命名（其他级别的产品官网没说）。Product Discriminator：15个字符，用于区分从相同数据中衍生出的不同的最终用户产品。个人理解是这串字符应该是表示产品生产时间，至于为啥同一个数据要多次生产，原因很多，官网也没法总结。下载下来的文件是个zip，解压后是个与zip同名的 '.SAFE' 文件。
2023-10-13 15:24:40
443
原创 Python OGR 矢量操作
矢量数据的读取顺序：文件(datasource) → 图层(layer) → 特征(feature)、字段(field)
2023-08-22 21:32:07
384
原创 2021 RSE《A systematic method for spatio-temporal phenology estimation of paddy rice》
广东、Sentinel-1 预处理、水稻提取、移栽期识别
2023-05-23 15:53:14
202
1
原创 MOD09A1、MYD09A1 文件说明
文件全称为 MODIS Terra/Aqua Surface ReflectanceL3 Global。文件名称的示例为 “MOD09A1.A2000337.h11v05.005.2006342055602.hdf”。下载下来的 hdf 包括个子数据集，一个 tile 包括 2400*2400 个像元。各数据集的性质如下表所示。Science Data Sets (13 个 hdf 层）0.000116位 有符号整数（度）
2023-05-08 16:22:54
3583
原创 记录踩的坑：python gdal 重采样+坐标系转换
源数据：1/0 二值数据，30m 分辨率，WGS_1984_UTM_Zone_53N 坐标系，东北区域。目标：将源数据制成与 MODIS tile 的坐标系（Sinusoidal）、分辨率（463.3127165m）都一致的tif。。
2023-04-19 21:55:50
1007
原创 2020 RSE《Mapping cropping intensity in China using time series Landsat & Sentinel-2 images and GEE》
作物密度。融合 Landsat 和 Sentinel-2 数据。
2023-04-14 17:47:34
524
1
原创 2021 RSE《An automated rice mapping method based on flooding signals in SAR time series》
中国饥饿问题仍在，水稻是中国最重要的粮食作物。洪水特征导致水消费、温室气体排放。近十年遥感在农业监测上的进步巨大。两种主要的遥感数据源：微波和光学。光学易受天气影响。SAR优势。Sentinel。基于SAR进行水稻制图的研究。常用方法：基于阈值的决策树。以往方法的缺陷：① 使用整个水稻生长季的特征，可能会稀释水稻特殊的洪水信号。② 迁移性较差。③ 语义分割的缺点。本文所提出的方法的目标：① 在作物系统和土地类型不同的区域，达到相对较高的精度。② 该方法在一定程度上能够抵抗SAR数据噪声的影响。
2023-04-13 23:37:20
317
原创 pyModis —— 下载、处理、分析 MODIS 的 python库
pyModis 的 module 包括：downmodisClasses。
2023-04-10 00:10:31
650
原创 dtw-package（使用R语言应用DTW）
dtw-package 是 R语言对动态时间规整(DTW)算法的封装。DTW 计算了将 一个时序(query) 与 另一个时序(reference)的整个或部分序列 进行匹配时 时间轴上的扭曲。该算法会输出：① 两个序列经过匹配后的剩余累积距离(remaining、② 点与点之间的对应关系，即 匹配函数(在 dtw-package 中：dtw() 函数是整个包的主要入口，dtwDist() 用于在一个时序集合上迭代 dtw，plot.dtw() 是 DTW 对象的绘图方法；
2023-04-07 15:58:35
818
原创 MODIS Surface Reflectance products（表面反射率产品）
Product Granule ID 例子：MOD09.A2011026.0035.005.2011027195038.hdf。
2023-04-06 22:35:31
7018
原创 MODIS 及其 数据、产品
MODIS 是美国宇航局研制的一种大型空间，全称为 MoDerate Resolution Imaging Spectroradiometer。它搭载在两颗卫星上：Terra（EOS AM-1）和 Aqua（EOS PM-1）。
2023-04-06 12:11:40
2626
原创 2023 RS《Optimization of Characteristic Phenological Periods for Winter Wheat Extraction Using RS》
及时、精确地获取冬小麦种植区域的重要性。遥感是一种主要手段。应用广泛的作物种植信息：光谱特征、时间特征、空间特征。大多机器学习方法只使用单幅影像，有局限。冬小麦与其他不过冬的作物相比，时序变化更加明显。简介 DTW。研究区域的重要性。现有研究的不足。
2023-04-03 22:39:03
95
原创 2022 RS《Wetland Vegetation Classification through Multi-Dimensional Feature Time Series Using MDDTW》
基于 Mahalanobis distance 的 metric learning 的目的是：给定一个训练样本及 X，获取一个正半定对称矩阵(positive semi-definite symmetric matrix) M，从而建立样本的特征向量之间的关系。这样的话，训练样本之间的相似关系会被保留，相同样本的距离更近，不同类型的距离很远。对于本实验构建的多维特征时序，如果使用欧氏距离，每个特征(植被指数)的权重相同，且会忽略特征之间的关系。原本的 DTW 中，在计算两个点之间的距离时，使用欧氏距离。
2023-04-03 21:37:34
238
原创 2022 ISPRS《Effects of Landsat image acquisition date on winter wheat classification in North China》
多时相遥感影像的合成数据，可用于在区域和全球尺度上进行农作物用地制图。MODIS 数据时间分辨率高，在农作物制图中应用广泛；但它空间分辨率低。空间分辨率更高的 Landsat 5、Landsat 7 等数据，由于数据缺失或 SLC-off gaps 等问题，无法获取完整的观测数据。Landsat 8 时间分辨率为16天。在生长期内通常可用。已经成功用于一系列区域制图。时间序列延长，分类精度不会按比例提高。其会引发过拟合问题。因此，很有必要探索获取日期（时序长度）对分类精度的影响。
2023-04-03 16:41:58
84
原创 2021 RS《Comparison of Winter Wheat Mapping from Different Similarity Measurement》
现存困难：传统的表格式不能反映空间分布。遥感数据与地面采样数据的结合可能存在不一致的问题。需要发展遥感制图技术，以保证遥感获取的分布信息与统计数据的面积信息之间高度一致。基于进行作物面积空间化和作物分布提取的缺陷。为了提高精度，需要强化基于遥感时间序列数据的作物分布提取技术。
2023-04-03 11:48:48
129
1
原创 1997《CCSM: cross correlogram spectral matching》
交叉相关图：计算每个像元的光谱在不同波段上，测试光谱与参考光谱之间的相关性。
2023-04-02 21:28:37
212
1
原创 2020 RS《Mapping Winter Wheat in North China Using Sentinel 2 Based on Phenology-Time Weighted DTW》
增大 2 个重要时段的权重、减小其他时段的影响。重要时段指：冬季之前上升、heading 之后下降。
2023-03-31 14:15:50
218
原创 2019 RS《Object-Based Time-Constrained Dynamic TimeWarping Classification of Crops Using Sentinel-2》
比较了 应用了15、30、45、60 天的时间限制后，multiple single-band 和 multi-band的 DTW 的分类表现。首先将影像分割成 objects，然后对每个 object 利用 DTW 进行分类。
2023-03-30 17:21:16
56
原创 2019年《A time-series classification approach based on change detection for rapid land cover mapping》
先利用 Prophet 判断时序的断点，再利用 DTW 对子时序进行分类。
2023-03-30 15:58:10
152
原创 2017年《An Open-Boundary Locally Weighted Dynamic TimeWarping Method for Cropland Mapping》
open-boundary DTW + weight
2023-03-30 11:34:14
46
原创 2017年《Using MODIS and DTW to combine multi-year Landsat to derive annual phenology curves》
1、为每年的 MODIS EVI 时序 单独拟合 一个 double logistic curve。2、选择一个 target 年，其他年份的 MODIS 物候都 warp 到该年份。最佳 warping path 的角标( i , j ) 们 为Q 的每个DOY 在 T的phenological DOY，所有的角标构成规则集。3、将 Landsat 的 chronological 时序 转换成phenological 时序。经曲线拟合获得 target 年的 Landsat 物候曲线。
2023-03-30 11:03:39
143
原创 1978年《Dynamic Programming Algorithm Optimization for Spoken Word Recognition》
动态时间规整（DTW）的发明
2023-03-29 16:28:00
229
原创 2001年《Derivative Dynamic Time Warping》Eamonn J K & Michael J P
导数 DTW：改变 DTW 距离中所用的特征，将 原始数据(Y值) 改为 一阶导数。
2023-03-29 11:13:24
505
原创 2011年《Weighted dynamic time warping for time series classification》
时间序列的分类、聚类 有许多应用，研究者们开发了许多算法。基于 DTW 的最近邻分类器 凭借其 非线性匹配能力 脱颖而出。然后简介了一下DTW及其应用领域。提出 DTW 的缺点：不考虑参考点和待测点之间的相位差异，对每个点赋予相同的权重。这可能会导致一些错误分类（misclassification）。尤其当是精确识别的主要因素时，两个序列之间的近邻点（neighboring points）会比其他点更重要。因此，实际应用中，应当考虑 点与点之间的。
2023-03-28 16:39:57
338
原创 2016年《A Time-Weighted Dynamic Time Warping Method for Land-Use and Land-Cover Mapping》：TWDTW
TWDTW：使用 pattern 的长度 作为时间限制条件，将其加入 代价函数。
2023-03-27 18:01:31
584
1
原创 2016《Mapping Rice Cropping Systems Using an NDVI Time-Series Similarity Measurement Base on DTW》
越南（Vietnam）全国，水稻种植系统制图，MODIS NDVI序列，DTW。
2023-03-26 22:25:05
139
原创 DTW：Dynamic Time Warping，动态时间规整
DTW 起源于语音识别领域，目的是衡量两个长度不同的序列的相似性（similarity）。DTW 的计算步骤为：① 计算两个序列中各点之间的距离矩阵 M ；② 寻找一条从矩阵的左上角到右下角的格点值之和最小的路径。
2023-03-25 16:24:42
459
原创 2012年《Satellite Image Time Series Analysis Under Time Warping》：动态时间规整（DTW）在遥感中的应用
《Satellite Image Time Series Analysis Under Time Warping》，2012年。背景：应用遥感影像时序的问题、时间维度的使用方式、时序数据的相似性度量。原始DTW的介绍。将DTW应用于遥感所需的改动。DTW在遥感中的应用实例。
2023-03-24 16:23:24
719
原创 卫星轨道知识总结
宇宙速度：卫星运行速度是第一宇宙速度。卫星轨道参数：长轴、短轴、交点角 Ω 、近地点幅角 ω 、轨道倾角 i、近地点时刻 tp卫星轨道高度：轨道越高，速度越小。典型的卫星轨道：地球同步轨道、地球静止轨道SAR卫星 的 升降轨 和 左右视：降轨左视与实际一致， 降轨右视左右颠倒， 升轨右视上下颠倒，升轨左视中心倒置。
2023-03-20 21:14:43
3120
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人