GEE-PIE遥感大数据处理与典型案例教程

详情点击链接:GEE-PIE遥感大数据处理与典型案例教程

一:GEE和PIE遥感云平台
1.GEE和PIE平台及典型应用案例
2.JavaScript基础,包括变量,运算符,数组,判断及循环语句等
3.遥感云重要概念与典型数据分析流程
4.遥感云基本对象及平台上手
4.1 影像与影像集
4.2 几何体、要素与要素集
4.3 日期、字符、数字
4.4 数组、列表、字典
4.5 影像/影像集、要素/要素集数据查询、时空过滤、可视化、属性查看等主要对象最常用API

二:GEE和PIE影像大数据处理基础

1.1. 关键知识点
1.1.1 影像数学运算、关系/条件/布尔运算、形态滤波、纹理特征提取等
1.1.2 影像掩码,裁剪和镶嵌
1.1.3 集合对象的循环迭代(map/iterate)
1.1.4 集合对象联合(Join)
1.1.5 影像面向对象分析

2.2. 主要功能
2.2.1 Landsat/Sentinel-2影像批量去云
2.2.2 Landsat/Sentinel-2传感器归一化、植被指数计算等

2.2.3 时间序列光学影像的平滑与空间插值

三:数据整合Reduce

1.关键知识点
1.1 影像与影像集整合,如指定时窗的年度影像合成
1.2 影像区域统计与领域统计,分类后处理
1.3 要素集属性列统计
1.4 栅格与矢量的相互转换
1.5 分组整合与区域统计
1.6 影像集、影像和要素集的线性回归分析

2.主要功能
2.1 研究区可用Landsat影像的数量和无云观测数量的统计分析
2.2 中国区域年度NDVI植被数合成及年度最绿的DOY时间查找

2.3 国家尺度30年尺度的降雨量时空变化趋势分析

四:云端数据可视化

1.关键知识点
1.1 要素与要素集属性制图(条形图、直方图、堆积柱形图、散点图等)
1.2 影像制图(区域统计、分类图、直方图、散点图、线型图,饼图等)
1.3 影像集制图(样点时间序列图、区域统计时间序列图等)
1.4 数组与链表制图(散点图、样线图等)
1.5 图形风格和属性设置

2.主要功能
2.1 基于MODIS时间序列影像的不同地表植被物候分析与制图

2.2 基于Hansen产品的年度森林时空变化分析与专题图绘制

五:数据导入导出及资产管理

1.关键知识点
1.1 不同矢量数据上传个人资产
1.2 影像数据上传个人资产、属性设置等
1.3 影像批量导出(Asset和Driver)
1.4 矢量数据导出(Asset和Driver)
1.5 空间统计分析结果导出

2.主要功能
2.1 PIE平台国产卫星数据下载
2.2 影像合成批量导出及下载

2.3 地面样地对应遥感指标数据导出

六:机器学习算法

1.关键知识点
1.1 样本抽样(随机抽样、分层随机抽样)
1.2 监督分类算法(随机森林、CART、贝叶斯、SVM、决策树等)
1.3 非监督分类算法(wekaKMeans、wekaLVQ等)
1.4 分类精度评估

2.主要功能
2.1 联合光学与雷达时间序列影像的森林动态监测

2.2 水体自动提取与洪涝监测

七:

1.GEE土地利用分类综合案例,实现主要功能,包括地面样本准备、多源遥感影像预处理、算法开发、分类后处理、精度评估和空间统计分析与制图等环节

2.经典PIE案例代码
2.1 夜间灯光指数提取
2.2 长时间尺度植被覆盖度反演
2.3 水域动态监测
2.4 农作物种植面积提取
2.5 荒漠化程度提取

3.人口密度动态变化分析

3.1 GEE与PIE平台切换、代码优化、常见错误与调试总结

GEE-PIE遥感大数据处理与典型案例教程_第1张图片

GEE-PIE遥感大数据处理与典型案例教程_第2张图片

GEE-PIE遥感大数据处理与典型案例教程_第3张图片

GEE-PIE遥感大数据处理与典型案例教程_第4张图片

GEE-PIE遥感大数据处理与典型案例教程_第5张图片

你可能感兴趣的:(生态学,遥感,人工智能,信息可视化,GEE遥感云,遥感,机器学习,PIE,土地利用,生态学)