目录基于深度学习的目标检测网络剪枝及FPGA部署 基于深度学习的目标检测网络和神经网络剪枝概述
本篇主要介绍如何对影像数据进行分类解译，及过程教学，示例数据下载链接：数据下载链接更多GIS遥感教程，来源于地理遥感生态网。一、背景介绍 土地是人类赖以生存与发展的重要资源和物质保障，在“人口－资源－环境－发展（PRED）”复合系统中，土地资源处于基础地位。随着现代社会人口的不断增长以及工业化、城市化进程的加速，人类对土地资源的开发利用强度不断增大，对土地资源的不合理利用，导致了严重的水土流失和生态环境恶化，人类面临的土地利用问题较历史上任何时候都更为突出。土地利用现状分析是在土地利用现状调查的基础上进行的。通过对土地资源的数量与质量、结构与分布以及土地利用现状与开发潜力等方面的
本篇主要介绍如何对影像数据进行分类解译，及过程教学，示例数据下载链接：数据下载链接更多GIS遥感教程，来源于地理遥感生态网。一、背景介绍 土地是人类赖以生存与发展的重要资源和物质保障，在“人口－资源－环境－发展（PRED）”复合系统中，土地资源处于基础地位。随着现代社会人口的不断增长以及工业化、城市化进程的加速，人类对土地资源的开发利用强度不断增大，对土地资源的不合理利用，导致了严重的水土流失和生态环境恶化，人类面临的土地利用问题较历史上任何时候都更为突出。土地利用现状分析是在土地利用现状调查的基础上进行的。通过对土地资源的数量与质量、结构与分布以及土地利用现状与开发潜力等方面的
遥感计算云服务（PIE-EngineStudio）学习内容提示：嗨喽，大家好，我是学地理的小胖砸！本文的相关图片来自个人界面截图和相关的大赛官网资料，公开获取，相关的培训资料是大赛的学习辅导资料截图，支持的朋友欢迎注册使用航天宏图旗下相关产品，欢迎大家交流相关的学习心得和问题。具体内容可以登录查看（https://engine.piesat.cn/engine-studio/）一、遥感计算云服务PIE-EngineStudio是构建在云计算之上的地理空间数据分析和计算平台。通过结合海量卫星遥感影像以及地理要素数据，用户基于平台可以在任意尺度上研究算法模型并采取交互式编程验证，实现快速探索地表特
本期干货来介绍一下遥感领域非常重要的一个概念——光谱响应函数。 人眼内部存在三种视锥细胞（L、M、S），对不同波段的光有不同的敏感度，三种视锥细胞信号的复合构成了我们眼中五彩斑斓的世界。如下图所示，以菠菜（Spinach）为例的绿色植被虽然在红波段反射最强烈，但人眼的视锥细胞对近红外的光并不敏感，反射较强的绿光波段在视锥细胞的敏感波段内，因此菠菜在人眼中呈现绿色。来源：https://medium.com/hipster-color-science/a-beginners-guide-to-colorimetry-401f1830b65a 卫星传感器的光谱响应函数也是类似。
1.使用数据IndiansPines高光谱数据，使用SVM分类方法（选取10%样本量）计算得到的结果。参考数据：分类数据：
作者|伍杏玲出品|CSDN据中国地理信息产业发展报告公布的数据，截至2020年末，行业从业单位13.8万家，从业人数336.6万，到2021年末，从业单位增加到16.4万家，从业人数增加到398万，产业规模越来越大，但人均产值却越来越低，产业亟待升级优化。由ChatGPT引发的AI大模型带来了新机遇。5月17日，第十二届全球地理信息开发者大会（WGDC2023），北京数慧时空信息技术有限公司（以下简称：数慧时空）发布自然资源多模态大模型“长城”和基于该大模型自主研发的智能遥感云平台DIEY产品，用技术为地理信息产业升级加码助力。一、自然资源多模态大模型“长城”，源自20年积累数慧时空创立于20
在新一轮互联网信息技术大发展的现今，无人机、大数据、人工智能、物联网等新兴技术在各行各业都处于大爆发的前夜。为了将人工智能方法引入农业生产领域。首先在种植、养护等生产作业环节，逐步摆脱人力依赖；在施肥灌溉环节构建智慧节能系统；在产量预测和商品定价生产管理环节提高效能。这些智慧农业迫切需要实现的目标，首先要解决的问题就是多源数据的获取与快速分析。遥感技术作为一种空间大数据手段，能够从多时、多维、多地等角度，获取大量的农情数据。数据具有面状、实时、非接触、无伤检测等显著优势，是智慧农业必须采用的重要技术之一.本次重点为掌握无人机遥感数据预处理的全链条理论与实践流程、典型农林植被性状的估算理论与实践
1.BOLETIMDECIENCIASGEODESICAS《大地测量科学通报》http://ojs.c3sl.ufpr.br/ojs2/index.php/bcgSemiannual （注：2008年开始被SCI收录）ISSN:1413-4853UNIV FEDERALPARANA,CENTROPOLITECNICO,UFPRCENTROPOLITECNICO,CURSOPOS-GRADUACAO CIENCIASGEODESICAS,JARDIMAMERICASCAIXAPOSTAL19001,CURITIBAPR,BRAZIL, CEP81531-980AP1. ScienceCi
本文介绍基于Python中ArcPy模块，对大量栅格遥感影像文件批量进行相减做差的方法。 首先，我们来明确一下本文的具体需求。现有一个存储有多张.tif格式遥感影像的文件夹，其中每一个遥感影像的文件名中都包含有该图像的成像年份，且每一个遥感影像的空间范围、像元大小等都是一致的，可以直接进行栅格相减；且文件夹内除了.tif格式的遥感影像文件外，还具有其它格式的文件；如下图所示。 我们希望，对于同一年成像的两景遥感影像分别进行做差处理。例如，将上图中的2001.tif文件减去2001_N.tif文件，将2005.tif文件减去2005_N.tif文件，以此类推。 明确了需求后，我们就可以
