原始数据集详情简介：提供高分辨率亚米卫星图像，重点是农村地区。由于土地覆盖类型的多样性和注释的高密度，该数据集很具挑战性。该数据集共包含1146幅卫星图像，大小为2448×2448像素，分为训练/验证/测试集，每组图像为803/171/172幅（对应70%/15%/15%）。KeyValue卫星类型DigitalGlobe’s卫星覆盖区域未知场景重点是农村地区分辨率50cm数量训练集803幅、验证

原始数据集详情简介：遥感数据为GF1-WFV拍摄的山东滨州附近地区的影像，预处理过程为正射校正、配准、裁剪。

原始数据集详情iSAID是第一个用于航空图像分割的基准数据集。这个大规模且注释密集的数据集包含2806张高分辨率图像中15个类别的655451个对象实例。iSAID的显著特征如下：（a）具有高空间分辨率的大量图像，（b）15个重要且常见的类别，（c）每个类别有大量实例，（d）每个图像有大量标记实例，这可能有助于学习上下文信息，（e）巨大的对象尺度变化，包含小、中、大对象，通常在同一幅图像中，（f）

GID数据集：大规模高分卫星土地覆盖数据集原始数据集详情简介：GID是基于我国Gaofen-2卫星数据而构建的大规模高分辨率遥感图像土地覆盖数据集。

原始数据集详情Vaihingen是一个相对较小的村庄，有许多独立的建筑和小的多层建筑。KeyValue卫星类型未知覆盖区域一个相对较小的村庄，有许多独立的建筑和小的多层建筑-Vaihingen场景城市分辨率5cm数量38张单张尺寸6000*6000原始影像位深8位标签图片位深8位原始影像通道数三通道标签图片通道数三通道官网https://www.isprs.org/education/benchm

原始数据集详情KeyValue卫星类型未知覆盖区域一个典型的历史城市，有着大的建筑群、狭窄的街道和密集的聚落结构-Potsdam场景城市分辨率5cm数量38张单张尺寸6000*6000原始影像位深8位标签图片位深8位原始影像通道数三通道标签图片通道数三通道官网https://www.isprs.org/education/benchmarks/UrbanSemLab/Default.aspx标签类

原始数据集详情简介：细粒度语义分割赛道依据现有的遥感地物分类要求，结合现有的地物分类实际需求，参照地理国情监测、“三调”等既有地物分类标准，依据遥感地物“所见即所得”原则，设计地物要素分类体系，共涉及二级子类

1.6日,我国在太原卫星发射中心用长征六号运载火箭成功将阿根廷10颗遥感卫星和全球首颗6G试验卫星“电子科技大学号”等3颗卫星送入预定轨道2.深圳“哨鸟虚拟电子鼓”研发成功，并在各大平台开始出售成品，具有游戏可玩性

植被覆盖度的计算可以使用多种方法，包括遥感技术和现场调查等。以下是一种常用的计算植被覆盖度的方法：1.遥感

基于此，中科星图与郑州中心展开紧密合作，依托郑州中心构建了星图地球超算数据工场，打通了空天信息行业与算力基础设施，盘活了存量资源，保证了数据处理的安全性和高效性，有效促进了卫星遥感数据在千行百业的高效应用

2019年第49届IPCC全会明确增加了基于卫星遥感的排放清单校验方法。随着碳中和目标以及全球碳盘点的现实压力，基于遥感技术的碳监测成为了领域热点。

目前，无人机技术的快速发展带来了遥感图像处理领域的革命性改变。然而，由于无人机在飞行时可能会出现旋转的情况，因此对于旋转目标的检测也成为了一个重要的问题。

文章目录0前言1课题背景2实现效果3Yolov5算法4数据处理和训练5最后0前言优质竞赛项目系列，今天要分享的是**深度学习卫星遥感图像检测与识别**该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！

2023年12月18日23时59分，甘肃临夏州积石山县发生6.2级地震，青海省部分地区有明显震感，海东市民和县、化隆县、循化县出现不同程度人员伤亡和房屋受损情况。地震发生后，高分青海中心在国家航天局对地观测与数据中心的大力支持与紧急协调下，第一时间接收灾区GF1B、吉林一号、北京三号等震前震后民商卫星影像数据，持续开展震区卫星影像数据与技术支撑工作。图1青海省民和县、循化县重点受灾区灾后卫星影像图

引文格式：邱玉宝,郭华东,除多,等.青藏高原MODIS逐日无云积雪面积数据集[J/OL].中国科学数据,2016,1(1).(2021-11-07).DOI:10.11922/csdata.170.2016.0003

2017年英国报道：英国科学家通过卫星遥感图像在南极冰层下发现91座火山，加上之前发现的，南极洲的火山总共138座，这些火山从罗斯冰架一直延伸至南极半岛，长达3500千米，形成了全世界最大的火山群——南极洲火山群

与昂贵、不易获取的高光谱、高空间分辨率卫星数据相比，中等分辨率的多光谱卫星数据可以免费下载获取，例如：landsat数据、哨兵-2号数据、Aster数据、Modis数据等，这些海量的长时间对地观测数据，

基于K-means与CNN的遥感影像分类一、引言1.研究背景航天遥感技术是一种通过卫星对地观测获取遥感图像信息数据的技术，这些图像数据在各领域都发挥着不可或缺的作用。

随着小卫星星座的普及，对地观测已具备多次以上的全球覆盖能力，遥感影像也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。未来10年全球每天获取的观测

欢迎订阅支持，正在不断更新中~一.基于卷积神经网络的遥感图像地物分类随着人工智能技术的迅猛发展，卷积神经网络（ConvolutionalN

（这期不包含学校老师等事业编岗位）一、GIS数据采集和处理GIS数据采集和处理在这里分为一个大类，包含前期测绘外业的实地采集，后续的数据加工和数据矢量化以及通过遥感技术，获取地面地图数据等，都属于数据获取和处理的范畴

产品概述遥感式路面传感器采用多光谱遥感技术非接触准确检测出道路表面结冰、积雪和积水的厚度。设备安装不需要封闭道路、不需要切割路面，安装工作既**又方便。维护量少，是道路气象系统组成中一项理想选择。

引言本人研究的方向是遥感，研究了2年也搞没清楚普通图像和遥感影像的区别，只知道到了多了地理坐标信息，但是经纬度信息映射到每个图像像素点的底层逻辑我还不太理解。

专题名称：黑河生态水文遥感试验专题数据专题摘要：黑河流域生态—水文过程综合遥感观测联合试验”(以下简称“黑河生态水文遥感试验”)，是围绕黑河流域生态—水文集成研究中的核心科学目标，以黑河流域已建立的观测系统以及

专题名称：黑河综合遥感联合试验专题数据专题摘要：“黑河综合遥感联合试验”是由中国科学院西部行动计划项目“黑河流域遥感—地面观测同步试验与综合模拟平台建设”和国家重点基础研究发展计划项目“陆表生态环境要素主被动遥感协同反演理论与方法

  本文介绍批量下载大量多时相的遥感影像文件后，基于Python语言与每一景遥感影像文件的文件名，对这些已下载的影像文件加以缺失情况的核对，并自动统计、列出未下载影像所对应的时相的方法。  

飞渡科技以实景三维数据为基础，基于大数据、高分遥感、数据分析以及数据融合等前沿技术，打造从感知、连接、到场景触达的实时数字孪生体，为高速公路管理者提供更智能、高效、安全的综合管控方案。

许多MODIS数据产品都组织在基于正弦投影的瓦片网格中。您可以在这里找到一个在线计算器，它将从图块转换为纬度和经度坐标。本教程将演示如何在Python中执行此转换。

1.基于Python的批量简单栅格计算.importarcpyarcpy.env.workspace="I:\\MODIS\\EVI\\test"rasterlist=arcpy.ListRasters

今天我们分享一个深度学习遥感相关的网站：「satellite-image-deep-learning」。这是一个github库，里面含有大量应用于卫星和航空图像的深度学习资源。

高景一号卫星是未来商业遥感卫星系统首发星。全色分辨率0.5米，多光谱分辨率2米，通俗地讲，0.5米级分辨率，可以在太空分辨出地面上普通轿车和旅行车的区别。

同时收集来自全球的卫星遥感、地形地貌、气象预报等信息，再通过算

基于达摩院在深度学习、计算机视觉等方向上的技术积累，结合阿里云强大算力支撑，提供遥感、气象等多源对地观测数据的云计算分析服务，用数据感知地球世界，让AI助力科学研究。

一、平台简介什么是AIEarth地球科学云平台AIEarth地球科学云平台基于达摩院在深度学习、计算机视觉、地理空间分析等方向上的技术积累，结合阿里云强大算力支撑，提供无门槛、界面化的遥感、气象等多源对地观测数据云计算分析服务

首先我们登录平台后先进入下面的界面，然后就可以看到开发者模式：我们先来看一下开发者模式的主界面：这个界面内涵盖了很多内容：AIEarth开发者模式使用引导快速开始本节将主要介绍如何快速利用AIEPythonSDK进行编程和处理遥感数据

以ChatGPT、LLaMA、Gemini、DALL·E、Midjourney、StableDiffusion、星火大模型、文心一言、千问为代表AI大语言模型带来了新一波人工智能浪潮，可以面向科研选题、思维导图、数据清洗、统计分析、高级编程、代码调试、算法学习、论文检索、写作、翻译、润色、文献辅助阅读、文献信息提取、辅助论文审稿、新闻撰写、科技绘图、地学绘图（GIS地图绘制）、概念图生成、图像识别

以ChatGPT、LLaMA、Gemini、DALL·E、Midjourney、StableDiffusion、星火大模型、文心一言、千问为代表AI大语言模型带来了新一波人工智能浪潮，可以面向科研选题、思维导图、数据清洗、统计分析、高级编程、代码调试、算法学习、论文检索、写作、翻译、润色、文献辅助阅读、文献信息提取、辅助论文审稿、新闻撰写、科技绘图、地学绘图（GIS地图绘制）、概念图生成、图像识别

LST是遥感技术中一个重要的参数，可以通过卫星遥感等手段进行测量和监测。陆地表面温度对于许多领域具有重要意义，包括气象学、气候研究、环境监测等。

所以今天就和大家分享一下如何使用Python基于矢量范围批量下载高清遥感瓦片数据。1读取矢量边界这里我们使用osgeo中的osr、ogr库去读取矢量的地理范围。

在上一篇文章中，我们Fast.ai在卫星图像中检测云轮廓，检测物体轮廓被称为语义分割。虽然我们用几行代码就能达到96%的准确率，但该模型无法考虑数据集中提供的所有输入通道（红、绿、蓝和近红外）。问题在于，深度学习框架（如Keras、Fast.ai甚至PyTorch）中的大多数语义分割模型都是为处理RGB图像而设计的，并带有预先训练好的权重。除此之外，这些库中的视觉模块也仅限于RGB文件。这就是我们

姓名：韩宜真学号：17020120095转载自：https://mp.weixin.qq.com/s?__biz=MzI3NTM0MjI5Nw==&mid=2247483821&idx=1&sn=b867711dcd078e0cd14bb4933a749dd1&chksm=eb07771bdc70fe0de3da6d0c29f6d89d92bc9b2231781b304688991ea78a490

本文摘要：基于YOLOv8的遥感SAR舰船小目标，阐述了整个数据制作和训练可视化过程1.YOLOv8介绍UltralyticsYOLOv8是Ultralytics公司开发的YOLO目标检测和图像分割模型的最新版本

综述为了解决旋转目标检测问题，研究者们提出了多种方法和算法。以下是一些常见的旋转目标检测方法：基于滑动窗口的方法：在图像上以不同的尺度和角度滑动窗口，通过分类器判断窗口中是否存在目标。这种方法简单直观，但计算量大且效果依赖于窗口的尺度和角度设置。基于特征提取的方法：利用图像特征提取技术，如SIFT、HOG、CNN等，获取目标的特征表示，再通过分类器进行目标检测。这种方法能够较好地处理目标的旋转变化

测绘资质的专业类别十个专业分为大地测量、测绘航空摄影、摄影测量与遥感、工程测量、海洋测绘、界线与不动产测绘、地理信息系统工程、地图编制、导航电子地图制作、互联网地图服务。

最近处理遥感影像总是不时听到图片的波段错了，一开始不明就里，都是图片怎么就判断错了。1、图像RGB波段顺序判断后面和大家交流，基本上知道了一个判断标准。

一、本文介绍本文给大家带来的改进内容是LSKNet（LargeKernelSelection,LKSelection），其是一种专为遥感目标检测设计的网络架构，其核心思想是动态调整其大的空间感受野，以更好地捕捉遥感场景中不同对象的范围上下文

论文链接：https://arxiv.org/pdf/2312.02464v2.pdf代码链接：https://github.com/sstary/SSRS核心：利用SAM为遥感分割模型的训练提供额外的监督

在遥感数据中，它主要用于像素分类。

遥感影像原始数据中每个像元代表地面光谱反射率的相对大小，叫做DN值。如果要用于后续的反演或者生成一些反射率等产品时，必须要做辐射定标。

这里再为你分享长光的另一款重量级产品，即《吉林一号国产化全球遥感底图瓦片服务》，你可以把它简单地理解为是一套全球离线地图服务系统。为了行文方便，我们在本文暂且称之为“长光全球瓦片系统”。