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

最大合成法(MVC)能够在Envi中的Band Math中进行,式子是B1>B2,可是无法批量化.本文实如今ArcGIS中利用Python代码批量进行,例如以下: 用到的Modis NDVI数据是在MRT中进行拼接与转投影后的月数据,一个月有两期,数据格式是.tif,文件名称的格式如:20040101.1_km_16_days_NDVI.tif.20040102.1_km_16_days_NDVI.tif代表2004年1月份的两期数据.本次处理的为2004-2013年的10年的数据. Pytho

1.EXEALL.m function EXEALL(FilePath, FileName)%执行所有流程% FilePath: 文件夹所在路径% FileName: 文件夹名称 FullPath = [FilePath , FileName , '\' , FileName , '.txt']; allPixelPath = [FilePath , FileName , '\', FileName , '.allpixel.csv']; TestdataPath = [FilePath , F

前言 做任何事情都不是想象中的那么简单.好久没有更新技术博客了,跟最近瞎忙有很大关系,虽说是瞎忙也抽空研究了些技术. 主要是前端渲染,像原生的WebGL和Cesium.WebGL写了几篇博客,自我感觉还可以.Cesium是一个封装好的WEB端3D Earth框架,有了WebGL的基础之后切换到Cesium按理说一切应该是顺理成章,简单的测试了几个功能之后发现确实非常好,简单的几行代码就可以实现Google Earth的功能,当然Google Earth重要的绝对不是他的渲染框架. 前期做了很多G

目录 1. 专栏简介 2. 专栏地址 3. 专栏目录 1. 专栏简介 Python语言是目前很火热的语言,极大的促进了人工智能发展.你知道在ArcGIS中也会有python的身影吗?事实上,在ArcGIS中使用Python会起到事半功倍的效果,大大提高工作效率,本专栏讲解在ArcGIS中使用Python进行制图.地理处理.空间分析等批处理操作. 2. 专栏地址 「 刘一哥与GIS的故事 」之<ArcGIS遇上Python> 3. 专栏目录 [ArcGIS遇上Python]从入门到精通系列之第一

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

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

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

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

一.基础概念 NDVI(Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数),植被覆盖指数.也称为生物量指标变化,可使植被从水和土的图像范围中分类出来. 应用于检测植被生长状态.植被覆盖度和消除部分辐射误差等. 1.NDVI 能够部分消除与太阳高度角.卫星观测角.地形.云影等与大气条件有关的辐射变化的影响: 2.NDVI 结果被限定在[-1,1]之间,避免了数据过大或过小给使用带来的不便: 3.NDVI 是植被生长状态及植被覆盖度的

最近在处理遥感影像的时候遇见了MODIS影像数据,从中MOD13中提取NDVI是相当的重要.在一番的百度之中找到了处理modis影像的神器------MRT 接下来我来说明一下MRT的具体安装,如果之前没有接触过这个软件的话学学是相当的必要的. 第一步:就是MRT的下载,网络上很多,大多数能用.我使用的的是:http://pc6.com//softview/SoftView_96098.html. 第二步:进行解压,MRT使用的前提是必须有Java的jre包,如果之前开发过Android或者安装

1.准备工作 如果想要ENVI友好一点,请下载ENVI5.3,并且安装China satellites 补丁(参考博客:ENVI扩展工具:中国国产卫星支持工具) App Store for ENVI下载地址:http://blog.sina.com.cn/s/blog_764b1e9d0102xl5j.html China satellites :https://pan.baidu.com/s/1miL3euk 密码:obyz 1)  将下载的 Zip 文件解压到 ENVI 安装路径下(覆盖同名

https://lpdaac.usgs.gov/node/838 Description The MOD13A1 Version 6 product provides a Vegetation Index (VI) value at a per pixel basis. There are two primary vegetation layers. The algorithm for this product chooses the best available pixel value fro

note: Some articles are very good in http://www.electronics-tutorials.ws/,I share them in the Cnblog so that Chinese hardware engineers can enjoy and learn. ComeFrom:http://www.electronics-tutorials.ws/filter/filter_4.html   The cut-off frequency or

ilocker:关注 Android 安全(新手) QQ: 2597294287 LLVM 的 IR (Intermediate Representation) 是其设计中的最重要的部分.优化器在进行代码优化时所进行的分析和转换都是针对 IR 的. 在设计 IR 时,考虑到了很多明确的目标,包括:支持轻量级的运行时优化.交叉函数/过程间优化.整体程序分析和侵入式调整转换等等. 原文:including supporting lightweight runtime optimizations, c

1 is submerged in background clutter 淹没在背景杂波中 2 performe poorly for the dim small targets in sever clutter. 3 cloud edges 云层边缘 respectively 分别地 各自地 anti-nosie capability 抗噪能力 4 infrared search and track (IRST) system 红外搜索与跟踪系统  IR count measures(IRCM

IR的评价指标-MAP,NDCG和MRR   MAP(Mean Average Precision): 单个主题的平均准确率是每篇相关文档检索出后的准确率的平均值.主集合的平均准确率(MAP)是每个主题的平均准确率的平均值.MAP 是反映系统在全部相关文档上性能的单值指标.系统检索出来的相关文档越靠前(rank 越高),MAP就可能越高.如果系统没有返回相关文档,则准确率默认为0.例如:假设有两个主题,主题1有4个相关网页,主题2有5个相关网页.某系统对于主题1检索出4个相关网页,其rank分别

SampleModel  取样模型Databuffer 数据缓冲区 Raster 光栅Sample 样本band  带 SampleModel是java awt中的一个抽象类,它定义了一个接口,用于提取一幅图像中的像素(pixel)的样本(Sample).一幅图像包含了许多数据,而所有的数据是以像素为基本单位来表达的(像素的集合),其中每个像素又由若干样本来构成.样本(Sample),是指对一幅图像取样得到的属于某个带的单体数据,而带(band),是一副图像中的特定类型的样本的全体. 例如,1个