​​​​第一部分基础实践一平台及基础开发平台·GEE平台及典型应用案例介绍；·GEE开发环境及常用数据资源介绍；·ChatGPT、文心一言等GPT模型介绍·JavaScript基础简介；·GEE遥感云重要概念与典型数据分析流程；GEE基本对象介绍、矢量和栅格对象可视化、属性查看，API查询、基本调试等平台上手。二GEE基础知识与ChatGPT等AI模型交互·影像基本运算与操作：数学运算、关系/条件/布尔运算、形态滤波、纹理特征提取；影像掩码、裁剪和镶嵌等；·要素基本运算与操作：几何缓冲区，交、并、差运算等；·集合对象操作：循环迭代（map/iterate）、合并Merge、联合（Join）；·

Python遥感开发之FY3D-NVI的批量处理0FY遥感数据1批量提取数据2批量拼接TIF数据3批量HAM转WGS投影（重要）4批量掩膜裁剪介绍FY数据的格式，以及FY数据的批量提取数据、批量拼接数据、批量投影转换、批量掩膜裁剪等操作。本博客代码参考《Hammer坐标系转换到WGS1984,以处理FY3D/MERSINVI数据为例。FY3D/MERSINVI空间分辨率250m,全球10°×10°分幅》，非常感谢博主公开代码！！！0FY遥感数据本博客以《MERSI-II植被指数旬产品(1000M)》数据处理为例子，“FY3D_MERSI_00A0_L3_NVI_MLT_HAM_20191130

前言作为当前先进的深度学习目标检测算法YOLOv8，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv8的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。由于出到YOLOv8，YOLOv7、YOLOv5算法2020年至今已经涌现出大量改进论文，这个不论对于搞科研的同学或者已经工作的朋友来说，研究的价值和新颖度都不太够了，为与时俱进，以后改进算法以YOLOv7为基础，此前YOLOv5改进方法在YOLOv7同样适用，所以继续YOLO

遥感图像目标检测遥感图像特殊性一、目标检测研究综述1.介绍2.传统目标检测3.基于深度学习目标检测R-CNN系列为代表的两阶段算法YOLO、SSD为代表的一阶段算法二、多尺度目标检测研究综述1.基于图像金字塔的多尺度目标检测基于尺度生成网络的图像金字塔基于尺度归一化的图像金字塔基于注意力机制的图像金字塔2.基于网络内特征金字塔的多尺度目标检测基于跨层连接构建特征金字塔基于并行支路构建特征金字塔3.多尺度目标检测的其他策略锚点交并比阈值动态卷积边界框损失函数解耦分类与定位小目标特征重建数据增强三、其他目标检测任务四、评估目标探测器的有效性遥感图像特殊性尺度多样性：航空遥感图像可从几百米到近万米的

GoogleEarthEngine（GEE） 是一个基于Google云服务基础设施的遥感大数据分析平台，它结合Google强大的云计算能力与NASA、ESA、NOAA等机构的空间数据，用于在全球尺度解决一些非常重要的社会问题：森林退化、粮食安全、灾害预警、水资源管理、气候监测以及环境保护等。GEE官方宣传视频（版权归Google所有）Spacefan的视频 · 303 播放发展背景2008年，手握40多年LandSat数据的美国地质调查局（USGS）逐步将自1972年以来的所有LandSat存档数据免费向公众开放，成为开放遥感数据的急先锋。随后ESA哥白尼计划下的Sentinel-1/2/3/

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。  以EarthEngine（GEE）、PIE-Engine为代表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应用越来越广泛。GEE平台存储和同步遥感领域目前常用的MODIS、Landsat和Sentinel等卫星影像、气候与天气、地球物理等方面的数据集

遥感监测草原产草量的方法1.1生态系统净初级生产力模型VPM（VegetationPhotosynthesisModel）是基于卫星遥感数据和通量观测数据发展起来的光能利用率模型。其理论基础是Monteith(1972,1977)提出的光能利用率理论以及后来Field(1991)提出的资源平衡理论。自2004年第一次在美国缅因州Howland常绿针叶林通量站点验证了VPM模型的结构与理论后，该模型陆续在美国、中国、非洲等不同区域的森林、草地、农田等典型生态系统上开展了模型的发展与验证研究工作。目前VPM模型能够模拟常绿针叶林、落叶阔叶林、热带常绿森林、混交林、温带草原、多熟制农田、高寒草甸、高

期刊简介：【出版社】Elsevier【影响因子】IF（2022）：3.0-4.0【期刊分区】JCR2区，中科院4区【检索情况】SCIE在检，正刊【参考周期】期刊部系统内提交，预计3个月左右录用，走完期刊部校对流程即上线【征稿领域】大数据与智能技术的结合研究，如遥感技术、图像处理技术、物联网（IoT）技术、传感器网络的结合研究应用于农业更多领域参考：8月SCI/SSCI/EI刊源表已更新！

  本文介绍基于ArcMap软件，利用时间滑块功能，对大量多时相栅格遥感影像数据进行动态显示，并生成视频或动图的方法。  首先，我们需要在ArcMap软件中新建一个镶嵌数据集，并将全部的多时像遥感影像数据放入该镶嵌数据集中。这一步骤在我们前期的文章ArcMap镶嵌数据集的创建、数据导入与数据范围修改方法中已经有了详细的介绍，本文就不再赘述。  完成上述步骤后，我们在刚刚建立好的镶嵌数据集处右键，选择“Open”→“AttributeTable”，从而打开镶嵌数据集的属性表。  在属性表中我们可以看到，每一个栅格遥感影像都对应属性表的一行；我这里一共向镶嵌数据集中导入了5景遥感影像，因此属性表就

  本文对目前国内外的高光谱遥感卫星加以汇总，并对主要卫星进行参数介绍与对比。目录1引言2全球主要星载高光谱数据介绍2.1EOSAM-1MODIS2.2MightySat-2.1FTHSI2.3EO-1Hyperion2.4PROBA-1CHRIS2.5ADEOS-2GLI2.6环境一号HJ-1A卫星2.7珠海一号OHS高光谱卫星2.8高分五号可见短波红外高光谱相机2.9ISSDESIS2.10HysISHysIS2.11PRISMAPRISMA3高光谱卫星纵向对比4高光谱卫星横向对比参考文献1引言  上一篇文章ENVI、ERDAS计算Landsat7地表温度：单窗算法实现详细介绍了基于Lan