GEE/PIE 遥感大数据处理与典型案例

查看原文>>>【399三天】GEE/PIE遥感大数据处理与典型案例实践

随着航空、航天、近地空间等多个遥感平台的不断发展,近年来遥感技术突飞猛进。由此,遥感数据的空间、时间、光谱分辨率不断提高,数据量也大幅增长,使其越来越具有大数据特征。对于相关研究而言,遥感大数据的出现为其提供了前所未有的机遇,但同时也提出了巨大的挑战。传统的工作站和服务器已经无法满足大区域、多尺度海量遥感数据处理的需要。

为解决这一问题,国内外涌现了许多全球尺度地球科学数据(尤其是卫星遥感数据)在线可视化计算和分析云平台如谷歌Earth Engine(GEE)和航天宏图的PIE Engine等。其中,Earth Engine最为强大,能够存取和同步遥感领域目前常用的MODIS、Landsat和Sentinel等卫星图像和NCEP等气象再分析数据集,同时依托全球上百万台超级服务器,提供足够的运算能力对这些数据进行处理。目前,Earth Engine上包含超过900个公共数据集,每月新增约2 PB数据,总容量超过80PB。作为国内最先进的遥感云平台,PIE Engine近年来发展发非常迅速,拥有丰富的国产卫星数据,以及中国区域的其它重要开源数据,在数据安全性和访问便利性方面具有独到的优势。与传统的处理影像工具(例如ENVI)相比,遥感云平台一方面提供了丰富的计算资源;另一方面,其巨大的云存储能力节省了科研人员大量的数据下载和预处理时间。

如今,GEE/PIE等遥感云平台凭借其强大的功能正受到越来越多国内外科技工作者的关注,应用范围也在不断扩大。本文致力于帮助科研工作者掌握GEE和PIE的实际应用能力,以JavaScript编程语言为基础,结合实例讲解遥感云的基本概念知识、影像大数据分析、经典应用案例等方面的进阶技能。为了提高教学质量,将融合最先进的ChatGPT等AI自然语言模型,协助解答疑惑、提供针对性建议和指导,不仅让大家更深入地掌握课程内容,还为今后自助学习提供高效的个性化的学习体验。

【内容简述】:

专题一 、初识 GEE 和 PIE 遥感云平台

1. GEE 和 PIE 平台及典型应用案例介绍
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
影像与影像集
几何体、要素与要素集
日期、字符、数字
数组、列表、字典
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 介绍

专题二 、GEE 和 PIE 影像大数据处理基础

1. 关键知识点讲解
 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
 影像掩码,裁剪和镶嵌
 集合对象的循环迭代(map/iterate)
 集合对象联合(Join)
 影像面向对象分析

2. 主要功能串讲与演练
 Landsat/Sentinel-2 影像批量去云
 Landsat/Sentinel-2 传感器归一化、植被指数计算等
 时间序列光学影像的平滑与空间插值

专题三 、数据整合 Reduce

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

2. 主要功能串讲与演练
 研究区可用 Landsat 影像的数量和无云观测数量的统计分析
 中国区域年度 NDVI 植被数合成及年度最绿的 DOY 时间查找
 国家尺度 30 年尺度的降雨量时空变化趋势分析

专题四 、云端数据可视化

1. 关键知识点讲解
 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)
 影像制图(区域统计、分类图、直方图、散点图、线型图,饼图等)
 影像集制图(样点时间序列图、区域统计时间序列图等)
 数组与链表制图(散点图、样线图等)
 图形风格和属性设置

2. 主要功能串讲与演练
 基于 MODIS 时间序列影像的不同地表植被物候分析与制图
 基于 Hansen 产品的年度森林时空变化分析与专题图绘制

专题五 、数据导入导出及资产管理

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

2. 主要功能串讲与演练
 PIE 平台国产卫星数据下载
 影像合成批量导出及下载
 地面样地对应遥感指标数据导出

专题六 、机器学习算法

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

2. 主要功能串讲与演练
 联合光学与雷达时间序列影像的森林动态监测
 水体自动提取与洪涝监测

专题七 、专题练习与回顾

1. GEE 土地利用分类综合案例,实现主要功能串讲,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 案例代码讲解与学习
 夜间灯光指数提取
 长时间尺度植被覆盖度反演
 水域动态监测
 农作物种植面积提取
 荒漠化程度提取

3. 人口密度动态变化分析学员征集案例讲解与答疑
 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_第1张图片

GEE/PIE 遥感大数据处理与典型案例_第2张图片

GEE/PIE 遥感大数据处理与典型案例_第3张图片

GEE/PIE 遥感大数据处理与典型案例_第4张图片

【其它相关推荐】:

GPT模型支持下的Python-GEE遥感云大数据分析、管理与可视化技术及多领域案例实践应用

遥感云大数据在灾害、水体与湿地领域典型案例实践及GPT模型应用

基于最新导则下生态环评报告编制技术暨报告篇、制图篇、指数篇、综合应用篇系统性实践技能提升

ArcGIS Pro实践技术应用——暨基础入门、制图、空间分析、影像分析、三维建模、空间统计分析与模、python融合、案例应用全流程科研能力提升

Python高光谱遥感数据处理与高光谱遥感机器学习方法深度应用

Python支持下最新Noah-MP陆面模式站点、区域模拟及可视化分析技术应用

双碳目标下 DNDC 模型建模方法及在土壤碳储量、温室气体排放、农田减排、土地变化、气候变化中的实践技术应用

双碳目标下基于“遥感+”融合技术在碳储量、碳收支、碳循环等多领域监测与模拟实践应用

你可能感兴趣的:(农林生态遥感,环境科学,测绘遥感,Earth,Engine,GEE,PIE,Engine,遥感数据,GEE遥感)