遥感

维维180-3121-14552 小时前
智慧农业·生态·遥感·环境科学·农业模型·气候变化
基于R语言APSIM模型高级应用及批量模拟随着数字农业和智慧农业的发展,基于过程的农业生产系统模型在模拟作物对气候变化的响应与适应、农田管理优化、作物品种和株型筛选、农田固碳和温室气体排放等领域扮演着越来越重要的作用。APSIM (Agricultural Production Systems sIMulator)模型是世界知名的作物生长模拟模型之一。APSIM 模型有 Classic 和 Next Generation 两个系列模型,能模拟几十种农作物、牧草和树木的土壤-植物-大气过程,被广泛应用于精细农业、水肥管理、气候变化、粮食安全、土壤碳
xiao5kou4chang6kai43 小时前
遥感·gee·林业
基于Landsat等多源时序数据的遥感分类、监测与可视化综合实践随着航空、航天、近地空间遥感平台的持续发展,遥感技术近年来取得显著进步。遥感数据的空间、时间、光谱分辨率及数据量均大幅提升,呈现出大数据特征。2025年7月,Google DeepMind发布了革命性的AlphaEarth Foundations模型及Satellite Embedding数据集,标志着遥感数据分析进入AI驱动的新时代。这为相关研究带来了新机遇,但同时也带来巨大挑战。传统的工作站和服务器已无法满足大区域、多尺度海量遥感数据处理需求。
qy-ll12 天前
图像处理·深度学习·学习·计算机视觉·论文学习·遥感
最新MMO-IG生成图像论文学习(25/11/19)MMO-IG生成在遥感图像领域,多类别多尺度目标图像(含多类别多尺度目标 MMOs 的图像) 指的是图像中同时包含多种不同类型的目标,且这些目标在尺寸规模上存在显著差异,同时需符合遥感场景下目标的空间分布特性,是遥感图像目标检测(RSIOD)任务的核心研究对象之一。
MapGIS技术支持12 天前
分类·遥感·制图·桌面·地物分类·mapgis
MapGIS遥感地物分类实战:(四)分类后处理在完成地物的逐像元分类后,分类结果易受噪声、影像质量、算法特性等多种因素的干扰,往往会出现孤点、细碎图斑等问题。这些问题会显著降低分类结果的准确性和实用性,因此对分类结果进行后处理十分必要。 常见的分类后处理方法包括滤波、聚类、形态学处理等。这些方法能够有效剔除不合理的像元,让分类结果更加平滑、连续。此外,根据实际需求,有时还需将处理后的结果转换为矢量格式。 为确保分类结果的可靠性,还需要开展精度评价工作。通过混淆矩阵、Kappa系数等指标量化分类结果的准确性,从而为后续的分析与应用提供科学依据。本文将详
热爱生活的五柒15 天前
人工智能·目标检测·计算机视觉·遥感·sm3det
多模态遥感目标检测模型SM3Det:一站式多模态遥感目标检测!开启遥感检测新任务SM3Det 是一种面向遥感场景的 多模态三分支多尺度融合目标检测框架,分别对光学、SAR与地理先验进行特征编码并在检测头前实现跨模态融合以提升检测精度与稳健性。
qy-ll21 天前
人工智能·深度学习·计算机视觉·gan·遥感·栅格化
遥感论文学习整体框架:基于扩散模型(DDPM)的端到端架构,通过迭代推理逐步优化变化检测图,结合曼巴(Mamba)架构与注意力机制,平衡长距离依赖捕捉与计算效率。啥是曼巴架构
刘一说24 天前
前端·遥感
在 Web 地图上可视化遥感数据:以芜湖市为例关键词:遥感可视化、Leaflet、GeoJSON、WebGIS、GitHub Pages 适用场景:科研展示、智慧城市、环境监测、教学演示
喆星时瑜24 天前
遥感·ndvi·gee
苏州市 NDVI 数据(GEE处理_2020–2024年逐年_10m_高精度 SCL掩膜)——免费下载基于 Google Earth Engine (GEE) 平台,面向需要获取 苏州市年度 NDVI(归一化植被指数)数据 的用户。数据覆盖 2020–2024 年,分辨率高达 10 米,并经过 SCL(场景分类)掩膜处理,保证高精度和可靠性。教程不仅提供 逐年 NDVI 合成方法,还附带完整 GEE 代码示例,用户可直接运行生成数据。所有生成的数据可 免费导出至 Google Drive,便于进一步分析和应用。
搞科研的小刘选手1 个月前
遥感·地理信息·测绘·地理信息系统·卫星导航·测量与测绘·地图制图
【罗马第三大学主办 | 可线上参会】第四届地理信息与遥感技术国际学术会议(GIRST 2025)第四届地理信息与遥感技术国际学术会议(GIRST 2025)2025 4th International Conference on Geographic Information and Remote Sensing Technology
青春不败 177-3266-05202 个月前
人工智能·python·无人机·生态学·遥感·多光谱遥感
AI+Python驱动的无人机生态三维建模与碳储、生物量、LULC估算技术随着生态学、林学、地理信息科学等多个学科对“结构—功能”一体化研究的共同推进,无人机多光谱与结构光摄影测量(SfM)技术已经从早期实验室验证阶段,走向区域尺度精细生态监测与资源清查的主流工具。
梦想的初衷~2 个月前
python·无人机·遥感·多光谱
Python驱动的无人机多光谱-点云融合技术在生态三维建模与碳储量、生物量、LULC估算中的全流程实战无人机多光谱与摄影测量(SfM)技术已成为生态监测的重要工具,能够精确获取植被三维结构和生物物理参数。然而,这项技术的广泛应用仍面临挑战:数据采集缺乏统一标准,处理流程复杂,导致研究成果的可比性和可重复性不足。
维维180-3121-14552 个月前
数据挖掘·数据分析·生态·遥感·碳汇
生态碳汇涡度相关监测与通量数据分析基于MATLAB语言、以实践案例为主,提供所有代码、原理与操作结合1、以涡度通量塔的高频观测数据为例,基于MATLAB开展上机操作:
青春不败 177-3266-05202 个月前
人工智能·pytorch·深度学习·目标检测·生态学·遥感
基于PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化实践技术应用遥感影像不断被更深入的应用于矿产勘探、精准农业、城市规划、林业测量、军事目标识别和灾害评估中。一:深度卷积网络知识
维维180-3121-14552 个月前
无人机·遥感·高光谱·激光雷达·卫星
卫星-无人机-地面”遥感数据快速使用及地物含量计算的实现方法实践在与上千学员交流过程中,发现科研、生产和应用多源遥感数据时,能快速上手,发挥数据的时效性,尽快出创新性成果,是目前的学员最迫切的需求。特别是按照“遥感数据获取-处理-分析-计算-制图”全流程的答疑解惑,是对学员最具有实际帮助意义的课程内容。针对这一情况,特设计了本课程。
青春不败 177-3266-05202 个月前
生态学·遥感·水文水资源·环境科学·地球科学·卫星·农业科学
“卫星-无人机-地面”遥感数据快速使用及地物含量计算的实现方法第一部分:天基遥感之星垂平野阔,月涌大江流1. 目前市面上的卫星遥感数据产品及获取途径2. 这样来选购卫星数据
青春不败 177-3266-05203 个月前
生态学·遥感·环境科学·数字制图·空间模拟
【高分论文密码】大尺度空间模拟与不确定性分析及数字制图技术应用大尺度模拟技术能够从不同的时空尺度揭示农业生态环境领域的内在机理和时空变化规律,为复杂过程模型的模拟提供技术基础。
SageFlower4 个月前
遥感
快速找到两个 Word 文档之间文字的区别要快速找到两个 Word 文档之间文字的区别,可以使用 Microsoft Word 自带的“比较(Compare)”功能,步骤如下:
AI_RSER4 个月前
开发语言·python·3d·信息可视化·遥感·gee
第一篇:【Python-geemap教程(三)上】3D地形渲染与Landsat NDVI计算在前两篇内容中,我们完成了基于 Miniconda 搭建 geemap + Google Earth Engine (GEE) 的开发环境,并介绍了基础数据加载与可视化方法。从本文开始,我们将深入实战,分两篇讲解如何通过 Python+geemap 实现多维地理数据可视化:
我不爱机器学习4 个月前
遥感
CFIHL: 水培生菜的多种叶绿素 a 荧光瞬态图像数据集文章:CFIHL: a variety of chlorophyll a fluorescence transient image datasets of hydroponic lettuce doi:https://doi.org/10.3389/fpls.2024.1414324
AI_RSER5 个月前
机器学习·信息可视化·分类·sentinel·可视化·遥感·gee
基于GEE与哨兵2号的土地覆盖分类方法及实现利用遥感技术进行土地覆盖分类是地表变化监测的基础工作。Google Earth Engine(GEE)平台凭借其海量数据存储与并行计算能力,显著降低了长时间序列、大区域土地分类的技术门槛。本文基于哨兵2号遥感数据,介绍利用GEE实现土地覆盖分类的完整流程,包括数据预处理、特征构建、分类器训练及精度验证等关键环节。