- 介绍 geemap是一个 Python 包，用于与Google Earth Engine (GEE)进行交互式地图绘制，GEE 是一个云计算平台，具有数 PB的卫星图像和地理空间数据集目录。在过去的几年中，GEE 在地理空间社区中变得非常流行，它在本地、区域和全球范围内为众多环境应用提供了支持。GEE 提供 ... 介绍 geemap是一个 Python 包，用于与Google Earth Engine (GEE)进行交互式地图绘制，GEE 是一个云计算平台，具有数 PB的卫星图像和地理空间数据集目录。在过去的几年中，GEE 在地理空间社区中变得非常流行，它在本地、区域和全球范围内为众多环境应用提供了支持。GEE 提供 ...
- 包导入 Python API 包称为ee. 必须为每个新的 Python 会话和脚本导入和初始化它： import ee 向 Earth Engine 服务器进行身份验证： ee.Authenticate() 您获取身份验证凭据的方式可能因您的环境而异。有关Colab 和Conda 中身份验证的更... 包导入 Python API 包称为ee. 必须为每个新的 Python 会话和脚本导入和初始化它： import ee 向 Earth Engine 服务器进行身份验证： ee.Authenticate() 您获取身份验证凭据的方式可能因您的环境而异。有关Colab 和Conda 中身份验证的更...
- 1、定义方法 关键字 def 是方法定义的标志。接下来紧跟方法名和被圆括号所包围的参数列表。方法的主 体语句将在下一行开始并且必须缩进。 方法主体的首句可选择性地是一句字符，用来说明方法的主要功能 例如： """print a finabo series up to n.""" 2、默认参数值 默认值仅被设置一次，这与... 1、定义方法 关键字 def 是方法定义的标志。接下来紧跟方法名和被圆括号所包围的参数列表。方法的主 体语句将在下一行开始并且必须缩进。 方法主体的首句可选择性地是一句字符，用来说明方法的主要功能 例如： """print a finabo series up to n.""" 2、默认参数值 默认值仅被设置一次，这与...
- 直方图匹配是一种快速简便的方法来“校准”一个图像以匹配另一个。用数学术语来说，它是转换一幅图像的过程，以便每个波段中值的累积分布函数 (CDF) 与另一幅图像中波段的 CDF 匹配。 为了说明这是什么样子以及它是如何工作的，我将把高分辨率（0.8m/像素）SkySat 图像与大约在同一时间拍摄的 Landsat 8 校... 直方图匹配是一种快速简便的方法来“校准”一个图像以匹配另一个。用数学术语来说，它是转换一幅图像的过程，以便每个波段中值的累积分布函数 (CDF) 与另一幅图像中波段的 CDF 匹配。 为了说明这是什么样子以及它是如何工作的，我将把高分辨率（0.8m/像素）SkySat 图像与大约在同一时间拍摄的 Landsat 8 校...
- 先前的数据可视化表明，内华达山脉生态区的干旱与植被压力和死亡率之间存在关系。 本节将着眼于预测未来气候将如何变化，这可以让我们了解对干旱条件的预期，并推测其对植被的影响。 我们将查看历史和预测的温度和降水。预测数据由 NEX-DCP30 表示，历史观测由 PRISM 表示。 未来气候 NEX-DCP30 数据包含使用多种温室气体... 先前的数据可视化表明，内华达山脉生态区的干旱与植被压力和死亡率之间存在关系。 本节将着眼于预测未来气候将如何变化，这可以让我们了解对干旱条件的预期，并推测其对植被的影响。 我们将查看历史和预测的温度和降水。预测数据由 NEX-DCP30 表示，历史观测由 PRISM 表示。 未来气候 NEX-DCP30 数据包含使用多种温室气体...
- LT-GEE 的结果包括（图 5.1）： 每个像素时间序列的观测年份；二维谱-时间空间中的 x 轴值；（默认） 每个像素时间序列的观测源值；二维谱时间空间中的 y 轴值；（默认） 拟合到每个像素时间序列顶点之间的线段 (FTV) 的观测值的源值；二维谱时间空间中的 y 轴值；（默认） FTV 值的均方根误差 (RMSE)，相... LT-GEE 的结果包括（图 5.1）： 每个像素时间序列的观测年份；二维谱-时间空间中的 x 轴值；（默认） 每个像素时间序列的观测源值；二维谱时间空间中的 y 轴值；（默认） 拟合到每个像素时间序列顶点之间的线段 (FTV) 的观测值的源值；二维谱时间空间中的 y 轴值；（默认） FTV 值的均方根误差 (RMSE)，相...
- 我将教你一种编程语言：Octave语言。你能够用它来非常迅速地实现这门课中我们已经学过的，或者将要学的机器学习算法。 过去我一直尝试用不同的编程语言来教授机器学习，包括C++、Java、Python、Numpy和Octave。我发现当使用像Octave这样的高级语言时，学生能够更快更好地学习并掌握这些算法。事实上，在硅谷，我经常看到进... 我将教你一种编程语言：Octave语言。你能够用它来非常迅速地实现这门课中我们已经学过的，或者将要学的机器学习算法。 过去我一直尝试用不同的编程语言来教授机器学习，包括C++、Java、Python、Numpy和Octave。我发现当使用像Octave这样的高级语言时，学生能够更快更好地学习并掌握这些算法。事实上，在硅谷，我经常看到进...
- 在上一篇文章中，我们将数据导出到 Google Cloud Storage。在这篇文章中将读取数据并使用数据运行模型。有很多使用 colab 的例子。在这里，我们专注于在您的 PC 或服务器上训练您的模型。 从 gcp 存储桶下载数据。 使用 gsutil 将文件复制到您电脑上选择的文件夹中 gsutil -m cp -r gs... 在上一篇文章中，我们将数据导出到 Google Cloud Storage。在这篇文章中将读取数据并使用数据运行模型。有很多使用 colab 的例子。在这里，我们专注于在您的 PC 或服务器上训练您的模型。 从 gcp 存储桶下载数据。 使用 gsutil 将文件复制到您电脑上选择的文件夹中 gsutil -m cp -r gs...
- 前两篇网站我简单介绍了python环境的安装和基本的变量及运算。到目前为止，我们没办法用python做任何事，所以这篇文章我会介绍python的判断和循环语句，据说顺序、判断、循环可以解决计算机中的任... 前两篇网站我简单介绍了python环境的安装和基本的变量及运算。到目前为止，我们没办法用python做任何事，所以这篇文章我会介绍python的判断和循环语句，据说顺序、判断、循环可以解决计算机中的任...
- 通常我们希望 70% 的数据用于训练，20% 用于测试，10% 用于验证。下面你可以在 python 中找到一个示例来批量导出样本。我们更喜欢将 Python api 用于这些目的，因为我们只能为每个任务导出有限数量的点，而 Python 使我们能够自动执行此过程。 import eefrom time import sleepimp... 通常我们希望 70% 的数据用于训练，20% 用于测试，10% 用于验证。下面你可以在 python 中找到一个示例来批量导出样本。我们更喜欢将 Python api 用于这些目的，因为我们只能为每个任务导出有限数量的点，而 Python 使我们能够自动执行此过程。 import eefrom time import sleepimp...
- 在学习Python基础的时候，在创建某一个shownametest()函数，解析器会报错 TypeError: shownametest() takes 0 positional arguments but 1 was given &n... 在学习Python基础的时候，在创建某一个shownametest()函数，解析器会报错 TypeError: shownametest() takes 0 positional arguments but 1 was given &n...
- 在 Python 中可视化来自栅格数字高程模型的高程等高线 数字高程模型 (DEM) 是二维数组格式的数据，其中每个像元都有相应的高程值。因此，有时证明使用等高线等机制可视化这些高程模型是有用的。幸运的是，这在 Python 中使用 GDAL 和 Matplotlib 等包很容易实现。 目标 读入 DEM 数据 使用 Mat... 在 Python 中可视化来自栅格数字高程模型的高程等高线 数字高程模型 (DEM) 是二维数组格式的数据，其中每个像元都有相应的高程值。因此，有时证明使用等高线等机制可视化这些高程模型是有用的。幸运的是，这在 Python 中使用 GDAL 和 Matplotlib 等包很容易实现。 目标 读入 DEM 数据 使用 Mat...
- import numpy as npimport matplotlib.pyplot as pltdef sigmoid(x): y=1/(1+np.exp(-x)) #dy=y*(1-y) return y def plot_sigmoid(): # param:起点，终点，间距 x = np.ara... import numpy as npimport matplotlib.pyplot as pltdef sigmoid(x): y=1/(1+np.exp(-x)) #dy=y*(1-y) return y def plot_sigmoid(): # param:起点，终点，间距 x = np.ara...
- 在本节中，我们将把干旱严重程度的时间序列视为日历热图和条形图。 导入数据 将网格化的帕尔默干旱严重程度指数 (PDSI) 数据加载为ee.ImageCollection. 将 EPA 3 级生态区边界加载为ee.FeatureCollection并对其进行过滤以仅包括内华达山脉区域，该区域定义了感兴趣的区域 (AOI)。 #加... 在本节中，我们将把干旱严重程度的时间序列视为日历热图和条形图。 导入数据 将网格化的帕尔默干旱严重程度指数 (PDSI) 数据加载为ee.ImageCollection. 将 EPA 3 级生态区边界加载为ee.FeatureCollection并对其进行过滤以仅包括内华达山脉区域，该区域定义了感兴趣的区域 (AOI)。 #加...
- LT-GEE 指南 俄勒冈州立大学eMapR 实验室的Justin Braaten撰写的文档、应用程序和 API ，由Robert Kennedy 博士指导 非常感谢杨志强 (OSU) 和 Google Earth Engine 的工程师。没有您的帮助，这是不可能的！ 这项工作得到了美国森林服务景观变... LT-GEE 指南 俄勒冈州立大学eMapR 实验室的Justin Braaten撰写的文档、应用程序和 API ，由Robert Kennedy 博士指导 非常感谢杨志强 (OSU) 和 Google Earth Engine 的工程师。没有您的帮助，这是不可能的！ 这项工作得到了美国森林服务景观变...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签