GEE/PIE遥感大数据处理与典型案例丨数据整合Reduce、云端数据可视化、数据导入导出及资产管理、机器学习算法等

目录

​专题一:初识GEE和PIE遥感云平台

专题二:GEE和PIE影像大数据处理基础

专题三:数据整合Reduce

专题四:云端数据可视化

专题五:数据导入导出及资产管理

专题六:机器学习算法

专题七:专题练习与回顾

更多应用


随着航空、航天、近地空间等多个遥感平台的不断发展,近年来遥感技术突飞猛进。由此,遥感数据的空间、时间、光谱分辨率不断提高,数据量也大幅增长,使其越来越具有大数据特征。对于相关研究而言,遥感大数据的出现为其提供了前所未有的机遇,但同时也提出了巨大的挑战。传统的工作站和服务器已经无法满足大区域、多尺度海量遥感数据处理的需要。

为解决这一问题,国内外涌现了许多全球尺度地球科学数据(尤其是卫星遥感数据)在线可视化计算和分析云平台如谷歌Earth Engine(GEE)和航天宏图的PIE Engine等。其中,Earth Engine最为强大,能够存取和同步遥感领域目前常用的MODIS、Landsat和Sentinel等卫星图像和NCEP等气象再分析数据集,同时依托全球上百万台超级服务器,提供足够的运算能力对这些数据进行处理。目前,Earth Engine上包含超过900个公共数据集,每月新增约2 PB数据,总容量超过80PB。作为国内最先进的遥感云平台,PIE Engine近年来发展发非常迅速,拥有丰富的国产卫星数据,以及中国区域的其它重要开源数据,在数据安全性和访问便利性方面具有独到的优势。与传统的处理影像工具(例如ENVI)相比,遥感云平台一方面提供了丰富的计算资源;另一方面,其巨大的云存储能力节省了科研人员大量的数据下载和预处理时间。

如今,GEE/PIE等遥感云平台凭借其强大的功能正受到越来越多国内外科技工作者的关注,应用范围也在不断扩大。本课程致力于帮助科研工作者掌握GEE和PIE的实际应用能力,以JavaScript编程语言为基础,结合实例讲解遥感云的基本概念知识、影像大数据分析、经典应用案例等方面的进阶技能。为了提高教学质量,本课程将融合最先进的ChatGPT等AI自然语言模型辅助教学,协助学员解答疑惑、提供针对性建议和指导,不仅让学员更深入地掌握课程内容,还为今后自助学习提供高效的个性化的学习体验。

​专题一:初识GEE和PIE遥感云平台

(1)GEE和PIE平台及典型应用案例介绍
(2)JavaScript基础,包括变量,运算符,数组,判断及循环语句等
(3)遥感云重要概念与典型数据分析流程
(4)遥感云基本对象及平台上手
影像与影像集
几何体、要素与要素集
日期、字符、数字
数组、列表、字典
影像/影像集、要素/要素集数据查询、时空过滤、可视化、属性查看等主要对象最常用API介绍

专题二:GEE和PIE影像大数据处理基础

(1)关键知识点讲解
影像数学运算、关系/条件/布尔运算、形态滤波、纹理特征提取等
影像掩码,裁剪和镶嵌
集合对象的循环迭代(map/iterate)
集合对象联合(Join)
影像面向对象分析
(2)主要功能串讲与演练
Landsat/Sentinel-2影像批量去云
Landsat/Sentinel-2传感器归一化、植被指数计算等
时间序列光学影像的平滑与空间插值

专题三:数据整合Reduce

(1)关键知识点讲解
影像与影像集整合,如指定时窗的年度影像合成
影像区域统计与领域统计,分类后处理
要素集属性列统计 
栅格与矢量的相互转换
分组整合与区域统计
影像集、影像和要素集的线性回归分析
(2)主要功能串讲与演练
研究区可用Landsat影像的数量和无云观测数量的统计分析
中国区域年度NDVI植被数合成及年度最绿的DOY时间查找
国家尺度30年尺度的降雨量时空变化趋势分析

专题四:云端数据可视化

(1)关键知识点讲解
要素与要素集属性制图(条形图、直方图、堆积柱形图、散点图等)
影像制图(区域统计、分类图、直方图、散点图、线型图,饼图等)
影像集制图(样点时间序列图、区域统计时间序列图等)
数组与链表制图(散点图、样线图等)
图形风格和属性设置
(2)主要功能串讲与演练
基于MODIS时间序列影像的不同地表植被物候分析与制图
基于Hansen产品的年度森林时空变化分析与专题图绘制

专题五:数据导入导出及资产管理

(1)关键知识点讲解
不同矢量数据上传个人资产
影像数据上传个人资产、属性设置等
影像批量导出(Asset和Driver)
矢量数据导出(Asset和Driver)
空间统计分析结果导出
(2)主要功能串讲与演练
PIE平台国产卫星数据下载
影像合成批量导出及下载
地面样地对应遥感指标数据导出

专题六:机器学习算法

(1)关键知识点讲解
样本抽样(随机抽样、分层随机抽样)
监督分类算法(随机森林、CART、贝叶斯、SVM、决策树等)
非监督分类算法(wekaKMeans、wekaLVQ等)
分类精度评估
(2)主要功能串讲与演练
联合光学与雷达时间序列影像的森林动态监测
水体自动提取与洪涝监测

专题七:专题练习与回顾

(1)GEE土地利用分类综合案例,实现主要功能串讲,包括地面样本准备、多源遥感影像预处理、算法开发、分类后处理、精度评估和空间统计分析与制图等环节
(2)经典PIE案例代码讲解与学习
夜间灯光指数提取
长时间尺度植被覆盖度反演
水域动态监测
农作物种植面积提取
荒漠化程度提取
(3)人口密度动态变化分析学员征集案例讲解与答疑
GEE与PIE平台切换、代码优化、常见错误与调试总结


更多应用

GEE入门学习,遥感云大数据分析、管理与可视化以及在林业应用丨灾害、水体与湿地领域应用丨GPT模型应用_WangYan2022的博客-CSDN博客近年来遥感技术得到了突飞猛进的发展,航天、航空、临近空间等多遥感平台不断增加,数据的空间、时间、光谱分辨率不断提高,数据量猛增,遥感数据已经越来越具有大数据特征。遥感大数据的出现为相关研究提供了前所未有的机遇,同时如何处理好这些数据也提出了巨大的挑战。传统的工作站和服务器已经无法胜任大区域、多尺度海量遥感数据处理的需要。https://blog.csdn.net/WangYan2022/article/details/131678440?spm=1001.2014.3001.5502【高分论文密码】大尺度空间模拟预测和数字制图技术和不确定性分析_WangYan2022的博客-CSDN博客结合经典的例子讲解R语言在空间数据处理、管理以及可视化的操作,从空间数据计量、大尺度时间序列分析与突变检测、空间数据插值、空间数据建模、机器学习空间预测、多种机器学习集成技术、空间升、降尺度技术、空间模拟偏差订正技术、数据可视化、知识图谱等方面让您全方位掌握R语言大尺度空间数据分析模拟预测及可视化技术。https://blog.csdn.net/WangYan2022/article/details/130800531?spm=1001.2014.3001.5502最新基于Citespace、vosviewer、R语言文献计量学可视化分析技术及全流程文献可视化SCI论文高效写作方法_WangYan2022的博客-CSDN博客通过文献计量学讲解、高效选题、数据库检索数据下载、软件使用等八个专题详细讲解,让学员系统全面的掌握文献计量学的基本理论和知识;熟练掌握Citespace和vosviewer及R语言文献可视化分析技术;最终实现从主题确定、数据分析绘图、文章框架与写作,全流程掌握一篇文献信息可视化分析报告(论文)的思路逻辑与技术方法。https://blog.csdn.net/WangYan2022/article/details/131889523?spm=1001.2014.3001.5502

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/89890.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Linux常用命令——dhcpd命令

在线Linux命令查询工具 dhcpd 运行DHCP服务器。 语法 dhcpd [选项] [网络接口]选项 -p <端口> 指定dhcpd监听的端口 -f 作为前台进程运行dhcpd -d 启用调试模式 -q 在启动时不显示版权信息 -t 简单地测试配置文件的语法是否正确的&#xff0c;但不会尝试执行任何网络…

人工智能大模型加速数据库存储模型发展 行列混合存储下的破局

数据存储模型 ​专栏内容&#xff1a; postgresql内核源码分析手写数据库toadb并发编程toadb开源库 个人主页&#xff1a;我的主页 座右铭&#xff1a;天行健&#xff0c;君子以自强不息&#xff1b;地势坤&#xff0c;君子以厚德载物. 概述 在数据库的发展过程中&#xff0c;关…

基于STM32的天然气煤气检测报警仿真设计(仿真+程序+讲解)

基于STM32的天然气煤气检测报警仿真设计 演示视频1.主要功能2.仿真3. 程序4. 资料清单&下载链接 仿真图proteus 8.9 程序编译器&#xff1a;keil 5 编程语言&#xff1a;C语言 设计编号&#xff1a;C0081 演示视频 基于STM32的天然气煤气可燃气体检测报警仿真设计 1.主要…

【C++入门到精通】C++入门 —— 继承(基类、派生类和多态性)

阅读导航 前言一、继承的概念及定义1. 继承的概念2.继承的定义⭕定义格式⭕继承关系和访问限定符⭕继承基类成员访问方式的变化 二、基类和派生类对象赋值转换三、继承中的作用域四、派生类的默认成员函数五、继承与友元六、继承与静态成员七、复杂的菱形继承及菱形虚拟继承⭕单…

解决 go mod tidy 加载模块超时

如果go mod tidy 加载模块超时 解决方法 修改GOPROXY: 查看go环境相关信息&#xff1a; go envgo env -w GOPROXYhttps://goproxy.cn

若依Cloud集成Flowable6.7.2

项目简介 基于若依Cloud的Jove-Fast微服务项目&#xff0c;集成工作流flowable(接上篇文章) 若依Cloud集成积木报表 项目地址&#xff1a;https://gitee.com/wxjstudy/jove-fast 后端 新建模块 目录结构如下: 引入依赖 前提:引入依赖之前先配置好maven的setting.xml &…

jmeter递增压测线程组配置

jmeter递增压测线程组配置 新建线程组线程组参数详解及填写其他指标设置 新建线程组 操作位置如图&#xff1a; 线程组参数详解及填写 其他指标设置 其他指标设置可参考另一篇文章&#xff1a; 链接: jmeter 在linux服务器中执行性能测试、监听服务器资源指标

skywalking服务部署

一、前言 Apache SkyWalking 是一个开源的分布式跟踪、监控和诊断系统&#xff0c;旨在帮助用户监控和诊断分布式应用程序、微服务架构和云原生应用的性能和健康状况。它提供了可视化的分析工具&#xff0c;帮助开发人员和运维团队深入了解应用程序的性能、调用链和异常情况 …

基于YOLOv8模型和DarkFace数据集的黑夜人脸检测系统(PyTorch+Pyside6+YOLOv8模型)

摘要&#xff1a;基于YOLOv8模型和DarkFace数据集的黑夜人脸检测系统可用于日常生活中检测与定位黑夜下的人脸&#xff0c;利用深度学习算法可实现图片、视频、摄像头等方式的目标检测&#xff0c;另外本系统还支持图片、视频等格式的结果可视化与结果导出。本系统采用YOLOv8目…

词向量及文本向量

文章目录 引言1. 文本向量化2. one-hot编码3. 词向量-word2vec3.1 词向量-基于语言模型 4 词向量 - word2vec基于窗口4.1 词向量-如何训练 5. Huffman树6. 负采样-negative sampling7. Glove基于共现矩阵7.1 Glove词向量7.2 Glove对比word2vec 8. 词向量训练总结9. 词向量应用9…

《剑指Offer》模块4 栈和队列

栈和队列 1. 用两个栈实现队列 原题链接 补充&#xff1a;copy(a,b) 把a赋值给b class MyQueue { public:/** Initialize your data structure here. */stack<int> stk, cache;MyQueue() {}/** Push element x to the back of queue. */void push(int x) {stk.push(x)…

UWB高精度人员定位系统源码,微服务+java+ spring boot+ vue+ mysql技术开发

工业物联网感知预警体系&#xff0c;大中小企业工业数字化转型需求的工业互联网平台 工厂人员定位系统是指能够对工厂中的人员、车辆、设备等进行定位&#xff0c;实现对人员和车辆的实时监控与调度的系统&#xff0c;是智慧工厂建设中必不可少的一环。由于工厂的工作环境比较…

基于微信小程序的餐厅预订系统的设计与实现(论文+源码)_kaic

摘 要 随着消费升级&#xff0c;越来越多的年轻人已经开始不再看重餐饮等行业的服务&#xff0c;而是追求一种轻松自在的用餐、购物环境。因此&#xff0c;无人餐厅、无人便利店、无人超市等一些科技消费场所应势而生。餐饮企业用工荒已成为不争的事实。服务员行业的低保障、低…

癌症预测新利器:弹性逻辑回归让健康更可控!

一、引言 癌症是全球范围内健康领域的重大挑战&#xff0c;早期预测和诊断对于提高治疗效果和生存率至关重要。在过去的几十年里&#xff0c;随着医学和数据科学的快速发展&#xff0c;基于机器学习和统计方法的癌症风险预测成为研究的热点。其中&#xff0c;弹性逻辑回归作为一…

注解和class对象和mysql

注解 override 通常是用在方法上的注解表示该方法是有重写的 interface 表示一个注解类 比如 public interface override{} 这就表示是override是一个注解类 target 修饰注解的注解表示元注解 deprecated 修饰某个元素表示该元素已经过时了 1.不代表该元素不能用了&…

【中危】Apache XML Graphics Batik<1.17 存在SSRF漏洞 (CVE-2022-44729)

zhi.oscs1024.com​​​​​ 漏洞类型SSRF发现时间2023-08-23漏洞等级中危MPS编号MPS-2022-63578CVE编号CVE-2022-44729漏洞影响广度极小 漏洞危害 OSCS 描述Apache XML Graphics Batik 是一个开源的、用于处理可缩放矢量图形(SVG)格式图像的工具库。 受影响版本中&#xff0…

足球- EDA的历史数据分析并可视化

足球- EDA的历史数据分析并可视化 背景数据介绍探索数据时需要遵循的一些方向:数据处理导入库数据探索 数据可视化赛事分析主客场比分相关性分析时间序列分析 总结 背景 该数据集包括从1872年第一场正式比赛到2023年的44&#xff0c;341场国际足球比赛的结果。比赛范围从FIFA世…

机器学习实战之模型的解释性:Scikit-Learn的SHAP和LIME库

概要 机器学习模型的“黑箱”困境 机器学习模型的崛起让我们惊叹不已&#xff01;不论是预测房价、识别图片中的猫狗&#xff0c;还是推荐给你喜欢的音乐&#xff0c;这些模型都表现得非常出色。但是&#xff0c;有没有想过&#xff0c;这些模型到底是如何做出这些决策的呢&a…

打破数据孤岛!时序数据库 TDengine 与创意物联感知平台完成兼容性互认

新型物联网实现良好建设的第一要务就是打破信息孤岛&#xff0c;将数据汇聚在平台统一处理&#xff0c;实现数据共享&#xff0c;放大物联终端的行业价值&#xff0c;实现系统开放性&#xff0c;以此营造丰富的行业应用环境。在此背景下&#xff0c;物联感知平台应运而生&#…

联合注入步骤

使用场景&#xff1a; 有回显&#xff0c;可以看到某些字段的回显信息 像下面的有具体的回显信息 一、判断注入位点 在原始的id&#xff08;参数&#xff09;的输入后面添加额外的条件 如果and 11 有结果&#xff0c;and10没有结果输出&#xff0c; 就说明我们添加的额外条件…