夜间灯光数据处理通常包括以下步骤：原始数据读取：将夜间灯光数据从NPP或VIIRS卫星获取。数据预处理：清除数据中的噪声等。灯光数据网格化：将原始数据转换为网格数据，以便于后续分析。灯光强度统计：对网格数据中的灯光强度进行统计。地理信息标记：为每个网格标记地理位置信息，以便于地理空间分析。可视化：将处理后的数据可视化，以便于更直观的理解和分析。数据预处理包含以下： 1.重投影：兰伯特等面积投影坐标
“本节通过folium模块来绘制全国PM2.5热力分布图，并生成对应的html文件。”今天的遥感之美—歌曲《欧若拉》中的阿拉斯加。阿拉斯加州位于北美大陆西北端，东与加拿大接壤，另三面环北冰洋、白令海和北太平洋。俯瞰神秘北极圈，阿拉斯加的山巅，谁的脸出现海角的天边（盗用歌词捂脸）。哥伦比亚冰川位于美国阿拉斯加州，从海拔3,050米的冰原开始下降，沿着楚加奇山脉的侧翼下降，进入一个狭窄的入口，通往
本文观察了SRCNN存在的处理速度上的限制，在SRCNN的基础上提出了一种高效的网络结构FSRCNN，新的网络结构能够提升40倍速，同时还保证了图像的恢复质量，且可以用于实时视频的超分辨。
本文基于SRCNN提出了一种紧凑的沙漏型结构FSRCNN来加速SRCNN，能够达到40倍的速度以及更好的图像恢复效果。 SR算法大部分都是基于图像块来学习LR图
一、Modis数据资源总体介绍1999年2月18日，美国成功地发射了地球观测系统（EOS）的第一颗先进的极地轨道环境遥感卫星Terra。它的主要目标是实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测，获取有关海洋、陆地、冰雪圈和太阳动力系统等信息，进行土地利用和土地覆盖研究、气候季节和年际变化研究、自然灾害监测和分析研究、长期气候变率的变化以及大气臭氧变化研究等，进而实现对大气
https://zhuanlan.zhihu.com/p/348214785GITHUB：wangguanan/light-reidPAPER: https://arxiv.org/abs/2008.06826Author HomePage：https://wangguanan.github.io/本文提出了基于 Pytorch 的轻量化行人重识别（person re-identification
最近老师让看一下关于GEE的东西，实现大面积的反演、计算地表温度等，也算熟悉一下。参考网上很多大佬的文章，按照自己的思路和想法算出了RSEI，参考的文章都有列出来。 目录所用数据集影像数据矢量数据地表气温数据RSEI计算流程图四个指数的计算Wet、NDVI、NDBSI的计算LST的计算对水体进行掩膜归一化主成分分析出图代码参考链接 所用数据集影像数据影像数据是：LANDSAT/LC08/C02/T
转载
2024-08-11 10:03:35
793阅读
集总质量参数，微梁结构如果一个运动构件上的各点总是具有相同或近似相同的运动状态（速度），那么这种构件本身就是集总参数构件，其集总等效质量就是运动部件的总质量。为面积,为密度，为厚度微悬臂梁对常见微悬臂梁而言 设其总长为，x方向线密度，各点运动速度为，观察点距离根部的距离为 由能量守恒定律可知，在观察点处的集总参数等效质量弹性系统如果一个弹性系统的等效集总质量为M，弹性系数为k，则固有频率为在材料力
Python+GEE遥感开发之计算遥感生态指数RSEI0 使用的遥感数据1 植被指数的计算（NDVI）2 湿度指数的计算（WET）2.1 MOD09A1计算WET（GEE代码）2.2 Landsat8计算Wet（Python代码）3 温度指数的计算（LST）3.1 MOD11A1获取LST（GEE代码）3.2 Landsat获取LST（Python代码）4 干度指数的计算（NDBISI）4.1
转载
2024-07-04 11:07:13
956阅读
最近更新一些机器学习中的基础知识，今天要讲的是主成分分析的原理。 Principal component analysis（PCA）主成分分析大致干了这么一件事，通过一组基，能将高维的数据投影到低维，并希望投影到低维的数据能够尽可能的被分开。如上图所示，蓝色的点代表二维的样本数据，此时期望学到一组基将其投影到深蓝色实线上。那么，该怎么实现呢？首先我们定义样本构成的矩阵为
Colinux，不是虚拟机，胜似虚拟机
排版走样了，
点击下载Doc/pdf版本。我似乎已经更喜欢使用word写东西，感觉更正式，缺点是发布为web版本时格式乱糟糟的。
Colinux，不是虚拟机，胜似虚拟机
一些使用记录
潘孙友 2010.12.25 于遵义 目录
一、Colinux长什么
冯·诺依曼结构（也称普林斯顿结构） 数学家冯·诺依曼提出了计算机制造的三个基本原则，即采用二进制逻辑、程序存储执行以及计算机由五个部分组成（运算器、控制器、存储器、输入设备、输出设备），这套理论被称为冯·诺依曼体系结构。特点： “程序存储，共享数据，顺序执行”，需要 CPU 从存储器取出指令和数据进行相应的计算。 主要特点有： （1）将软件和硬件完全分离； （2）单处理机结构，机器以运算器为中
目录前言指数使用前需知遥感指数植被指数归一化植被指数NDVI归一化差值山地植被指数NDMVI增强型植被指数EVI比值植被指数SR/植被指数RVI差值植被指数DVI调节土壤的植被指数SAVI垂直植被指数PVI绿光归一化差值植被指数GNDVI大气阻抗植被指数ARVI植被指数总结水体指数归一化水体指数NDWI改进的归一化水体指数MNDWI增强型水体指数EWI新型水体指数NWI 混合水体指数CI
目录RSEI原理湿度指标（Wet）绿度指标（NDVI）热度指标（LST）干度指标（NDBSI）Landsat-8波段归一化（normalization）主成分分析( PCA ) PCA-->RSEIWet、NDVI、LST、NDBSI、PCA、RSEI之间的关系代码运行结果感谢RSEI原理RSEI是一个完全基于遥感技术，以自然因子为主的遥感生态指数(RSEI)
转载
2024-05-27 13:09:53
1683阅读
一、HAFAILOVER，Oracle RAC的高可用性的技术基础是Failover，就是指集群中的热河一个节点的故障都不会影响到用户的使用，连接到故障节点的用户会被自己主动转移到健康节点，从用户高手而言感觉不到这样的切换，这个功能在Oracle中被称作Failover（故障转移）。Oracle RAC的Failover能够细分为3中，各自是：（1） Client-Side
android Button组件的属性和方法 一、相关int resi...
原创
2023-06-13 22:24:55
142阅读
1. **模型结构和功能**：- TCN是一种基于卷积的网络，擅长处理序列数据，通过扩张卷积（dilated convolutions）和残差连接（resi
开启类） R-CNN SPP-net 空间金字池化（resi
原创
2022-12-10 11:15:11
171阅读
在使用tensorflow对图片进行预处理的时候，我使用了tf.image.resi
原创
2022-10-31 16:31:13
484阅读
论文地址：https://arxiv.org/abs/1712.04143网站：https://sites.google.com/view/resi
原创
2023-06-25 09:16:11
682阅读
1. 数据元data element（数据元素），单个数据单元，是数据的基本单位。参阅data field（数据字段）。2. 元数据首先，我们举个例子来看看什么叫做“元”，在后现代主义文学中有一种小说叫作“元小说”，也就是“关于小说的小说”。传统小说就是围绕着主人公描述一系列发生的事件。而元小说则更关心作者是如何写这本小说的，例如写作的背景，用了什么样的写作手法，在创作过程中发生了什么事情。那么举
转载
2023-12-22 19:00:22
274阅读
