前言: 本篇文章的出发点是因为之前接触过相关研究,困囧于该系列资料匮乏,想做一个系列.个人道行太浅,不足之处还请见谅.愿与诸君共勉. 数据准备: MODIS数据产品MOD13Q1—以2010年河南省3.4.5三个月为例: 一.MRT单次数据操作 (1).进入GUI界面操作 1.将所需处理的一个.hdf原始数据加载进来 2.通过左右选项选择所需波段(MOD13Q1已将NDVI提供,只需保留选择就行) (若用的数据比如MOD12Q1计算NDVI,则Modis算法如公式:NDVI=(Band2-Ban

栅格数据获取像元值, 使用ISurface.GetElevation(IPoint pnt),功能是实现了,获取的 不是像元值,是插值结果.而由于栅格数据是离散的值,每个栅格值代表了特殊的含义,插值之后的结果超出了原有的值域范围,比如原有栅格值 是13,14,20,不能插值,而插值之后却 出现了18,完全超出了后续的解析计算的范围,导致了异常. 查阅之后,发现像元值的查询使用如下代码实现 pRaster.GetPixelValue(0, pRaster.ToPixelRow(pPt.Y), pR

很多时候,我们需要得到矢量数据区域所对应栅格数据的像元统计值(求平均.求和等),然后将获得的统计值赋给矢量图层的属性表,在ArcGIS中操作如下:(PS:第一次写技术文章,望大家多多体谅与支持,么么哒)   1.栅格统计:统计栅格数据,按照需要(求和.求平均)用所需要的矢量数据(矢量目标图层)进行统计,(注:考虑到统计分析较为常见,第一步前期并未实例截图).   2.栅格转矢量:将统计出栅格图层转换为矢量点图层:Raster to Point:              3.矢量点图层赋值:将第

项目方说性能达到百万TPS,如何测试它的可信度? 应用系统性能提升的关键在于运维端的接入管理模型(AAA,认证 Authentication.授权 Authorization.计费 Accounting)及业务端的并发(Concurrency)/ 吞吐量 (Throughput) 模型.区块链是典型的“运维友好型”系统,天然的自我治理能力极大程度上优化了接入管理模型,但现有区块链系统的并发 / 吞吐量模型指标却饱受诟病.无论是 BTC 的 7tps,还是 ETH 的 40tps 在传统业务系统动

最近的一个项目需要在电子海图中下载已知水深点,导出点的地理坐标(经纬度).然后在arcgis中打开这些地理坐标输出为shp,利用GDAL读取不同波段的点对应的像元值,从而构建水深和像元值的对应关系. 其实想要根据经纬度得到像元值有两种方法. 1.通过arcpy选择点输出像元值,这个方法简单快捷,依赖于arcgis. 2.通过GDAL读取经纬度(度分秒),转换成小数形式.使用GDAL的CoordinateTransformation方法将经纬度转换成投影坐标,再转换成行列坐标,最后读取像元值.这里

1.MODIS数据的特点 (1)全球免费:NASA对MODIS数据实行全球免费接收的政策(TERRA卫星除MODIS外的其他传感器获取的数据均采取公开有偿接收和有偿使用的政策),这样的数据接收和使用政策对于目前我国大多数科学家来说是不可多得的.廉价并且实用的数据资源:     (2)光谱范围广:MODIS数据涉及波段范围广(共有36个波段,光谱范围从0.4um-14.4um),数据分辨率比NOAA-AVHRR有较大的进展(辐射分辨率达12bits,其中两个通道的空间分辨率达250m,5个通道为5

时间序列S-G滤波之Python 根据上上篇博文(MODIS系列之NDVI(MOD13Q1)五:NDVI处理流程)做出的NDVI.我们求NDVI时间序列图,但该NDVI时序图为地表各土地类型综合的NDVI时序图.(详情同样参考该系列五博文的文底) 建议:大家应该也能发现从网上粘贴的代码,大部分在各自实际运行中会出现报错,不能运行.这其中有代码本身的错误,但也不乏运行环境的欠缺.误操作.电脑自身特点等原因.本博客的所有代码都经过实际运行再上传,哪怕比较熟悉的代码,再上传前都会尽可能实际运行.目的便

前言:(个人建议) 1.进行数据处理工作,由于通常数据量比较大.所以在个人电脑中,要将基础数据.不断增长的过程数据.结果数据等分门别类,使得简单易找. 2.将重要数据备份,因为在数据处理过程中,由于出错使重要数据损失,勿让重要数据成绝版.所以生成或保存压缩文件是很好的选择. 3.当数据量大,需要进行批量处理时.模板文档或代码要杜绝出现细节错误.容易一锅端,费时间且低效率. 处理工具:ArcMap 处理数据:MOD13Q1的NDVI成品(.tif)文件 研究区矢量文件(以河南省省界为例) 处理流程

研究通常会涉及到多源数据,需要进行基于像元的运算,在此之前需要对数据进行地理配准.空间配准.重采样等操作.那么当不同来源,不同分辨率的数据重采样为同一空间分辨率之后,各个像元不一一对应,有偏移该怎么办呢? 在ArcGIS进行重采样操作时(resample 或者project raster)可以通过设置Environment --> Processing Extent --> Snap Raster 为参考栅格数据,解决这一问题.详见我的这一篇博客和知乎文章 但面对大批量数据的时候,我们希望通过

转发自我的知乎文章 我们通常要进行基于像元的运算,往往我们的研究中涉及到多源数据,因此就需要对数据进行地理配准.空间配准.重采样等操作. 一开始,我认为相同的地理椭球与投影坐标系下,不同来源,不同分辨率的数据重采样为同一空间分辨率之后,各个像元会一一对应.然而有的时候却会遇到重采样之后的像元大小虽然一样,但像元之间会错位,并不完全匹配. 具体的原因我不太清楚,我猜测可能是重采样算法内部的格网生成机制.原始数据分辨率与目标分辨率的匹配(比如1000米重采样成500米,因为除得尽,直接分成四个就行,

参考文章:http://blog.csdn.net/hua_007/article/details/45368607 使用OpenCV进行人脸识别时,使用 casecade.detectMultiScale 函数,可输出每个检测框的置信度 代码段: const int numReserve = 4; std::vector<  int > rejLevel; std::vector<double>   levelW; cascade.detectMultiScale( smallI

MRT(MODIS Reprojection Tool)简介: MODIS的全称为中分辨率成像光谱仪(Moderate-Resolution Imaging Spectroradiometer),是搭载在Terra和Aqua卫星上的一个重要的传感器.MRT是一种针对MODIS数据的处理工具.它可以帮助用户把MODIS影像重新投影到更为标准的地图投影,而且可以选择影像中的空间子集和波段子集进行投影转换,输出格式为raw binary,GeoTIFF和HDF-EOS.MRT可在多种系统平台上进行运行

这一篇我们来介绍下MODIS数据的下载方式.当然这边主要是介绍国外网站的下载方式,国内网站的普遍是在地理空间数据云和遥感集市下载.国外网站(NASA官网)下载方式主要介绍两种.本篇主要针对第一种方式,基于完整的一景影像下载的过程(FTP工具).FTP下载工具以及完整影像下载的方法NASA官方遥感影像数据下载网址(里面不止有MODIS,还有ENVISAT,NPP-VIIRS等):官网 https://ladsweb.modaps.eosdis.nasa.gov/ 选择DATA DISCOVERY的

引言: 写MODIS数据处理这个系列文章的初衷,主要是为了分享本人处理MODIS数据方面的一些经验.鉴于网上对这方面系统性的总结还比较少,我搜集资料时也是走了许多的弯路,因此希望通过此文让初学者能够更快的入门,把时间多花费在数据分析方法的创新上,而不是在机械式的处理数据上.本系列包括的MODIS数据处理例子包括:MOD16全球蒸散发数据集以及MOD13植被指数数据集.如果你是一名遥感方面的初学者,想要利用ArcGIS处理MODIS数据,相信看完这系列文章,能够帮助你熟悉这整个数据处理流程以及Ar

数据融合(data fusion)原理与方法 数据融合(data fusion)最早被应用于军事领域.     现在数据融合的主要应用领域有:多源影像复合.机器人和智能仪器系统.战场和无人驾驶飞机.图像分析与理解.目标检测与跟踪.自动目标识别等等.在遥感中,数据融合属于一种属性融合,它是将同一地区的多源遥感影像数据加以智能化合成,产生比单一信息源更精确.更完全.更可靠的估计和判断......一. 数据融合基本涵义      数据融合(data fusion)最早被应用于军事领域.     现在数

看完SQL Server 2014 Q/A答疑集锦:想不升级都难! 转载自:http://mp.weixin.qq.com/s/5rZCgnMKmJqeC7hbe4CZ_g 本期嘉宾为微软技术中心技术架构师韩凯(社区ID:Chris_Han0015),主要负责大数据和云计算领域.在美国取得系统工程硕士学位后,服务于华尔街主要银行与金融机构.从事流程再造与创新与商务智能方案设计实施. IT名人堂栏目对微软技术中心技术架构师韩凯进行了独家访谈,揭秘了SQL Server 2014不可不知的那些事儿.

作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 加密和解密是自古就有技术了.经常看到侦探电影的桥段,勇敢又机智的主角,拿着一长串毫无意义的数字苦恼,忽然灵光一闪,翻出一本厚书,将第一个数字对应页码数,第二个数字对应行数,第三个数字对应那一行的某个词.数字变成了一串非常有意义的话: Eat the beancurd with the peanut. Taste like the ham. 主角喜极而泣…… 这种加密方法是将原来的

前面的话 HTTP的主要不足包括通信使用明文(不加密),内容可能会被窃听:不验证通信方的身份,有可能遭遇伪装:无法证明报文的完整性,有可能被篡改 基本认证和摘要认证能够使得用户识别后较安全的访问服务器,但在实际环境中,它们并不足以保护那些重要的事务处理.这时,就需要一种更复杂.更安全的技术,通过数字密码来保护HTTP事务免受窃听和篡改的侵害.本文将详细介绍安全HTTP HTTPS介绍 人们会用Web事务来处理一些很重要的事情.如果没有强有力的安全保证,人们就无法安心地进行网络购物或使用银行业务.

粒子滤波确实是一个挺复杂的东西,从接触粒子滤波到现在半个多月,博主哦勒哇看了N多篇文章,查略了嗨多资料,很多内容都是看了又看,细细斟酌.今日,便在这里验证一下自己的修炼成果,请各位英雄好汉多多指教. 讲粒子滤波之前,还得先讲一个叫”贝叶斯滤波”的东西,因为粒子滤波是建立在贝叶斯滤波的基础上的哩.说太多抽象的东西也很难懂,以目标跟踪为例,直接来看这东西是怎么回事吧: 1. 首先咋们建立一个动态系统,用来描述跟踪目标在连续时间序列上的变换情况.简单一点,我们就使用目标的位置(i,j)作为这个动态系统

微信JS-SDK开发过程中,使用getLocation获取坐标位置,如何将微信获取的坐标直接应用到百度地图中,显示以下效果: 说明:红色图标是从微信转换过来的位置,蓝色图标是周边位置.首先从微信开发流程讲解. 1.微信JS-SDK开发文档 首先进入官网的帮助文档:https://mp.weixin.qq.com/wiki?t=resource/res_main&id=mp1421141115&token=&lang=zh_CN 可对文档进行详细的研读,要获取位置信息,分以下步骤: