文章目录一、简介二、描述三、波段四、示例代码参考资料一、简介数据名称全球10米土地覆盖产品(ESA-2020)时间范围2020年空间范围全球数据来源ESAWorldCoverproject2020代码片段varimages=pie.ImageCollection(“ESA/WORLD_COVER_2020”)二、描述全球10米土地覆盖产品(ESA)来源于欧空局，是基于哨兵一号、哨兵二号数据制作的2

，相较于去年又有了巨大的提升，因为专业的限制，所以整体的博客阅读量和点赞以及收藏都相对较少，过去一年产出的高质量文章超过300篇，共计307篇，这些文章大部分是关于GoogleEarthEngine、PIE-ENGINE

文章目录一、简介二、描述三、波段四、示例代码参考资料一、简介数据名称全球海面温度产品时间范围2002年-2018年空间范围全球数据来源毛克彪教授团队代码片段varimages=pie.lmageCollection(“CAAS/SSTG”)二、描述全球海面温度产品是2002-2019年的全球海面温度数据，以摄氏度为单位，时间分辨率为月，空间分辨率为0.041°。数据集是由2种红外辐射计（MODIS

文章目录一、简介二、描述三、波段四、示例代码参考资料一、简介数据名称全球2.5分分辨率累积降水量数据集时间范围1961年-2018年空间范围全球数据来源worldclim代码片段varimages=pie.lmageCollection(WORLDCLIME/GLOBAL_PREC_MONTH")二、描述全球2.5分分率果积降水量数据集包含7全范国内的年度果积降水量数据，每个像元大小2.5分（大约

文章目录一、简介二、描述三、波段四、示例代码参考资料一、简介数据名称全球人类足迹数据（WSF）时间范围2015年-2019年空间范围全球数据来源EOC代码片段varimages=pie.ImageCollection(“EOC/WSF”)二、描述全球人类足迹数据(WSF)是由德国航空航天中心(DLR)和地球观测中心(EOC)共同发布的，包括2015和2019两个版本，分别利用landsat-8/S

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学

目录前言操作步骤导入研究区域和影像样本点绘制SVM分类结束语前言之前跟大家介绍过，通过其他软件绘制样本，然后导入到PIE-Enginestudio平台上作为监督分类的训练样本，这次跟大家分享，直接在平台上进行样本的绘制。操作步骤导入研究区域和影像代码如下（示例）：//1、获取采样区域范围vargeometry=pie.FeatureCollection("NGCC/CHINA_CITY_BOUND

文章目录一、简介二、描述三、波段四、示例代码参考资料一、简介数据名称全球250米LAI产品时间范围2015年空间范围全球数据来源北京师范大学肖志强教授团队代码片段varimages=pie.ImageCollection(“BNU/LAI/GLOBAL-250”)二、描述全球250米叶面指数产品由北京师范大学的肖志强教授团队生产，提供了多分辨率卫星遥感（MUSES）250m分辨率全球LAI产品，利

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学

和曾经使用的国内的pie-engine差不多。主要数据类型包括：Im

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学

模型交互重要知识点微型案例串讲与GPT模型交互演示案例一、洪涝灾害监测案例二、洪水敏感性和风险模拟案例三、水体质量监测案例四、河道轮廓监测案例五、地下水变化监测案例六、红树林遥感制图以EarthEngine（GEE）、PIE-Engine

以EarthEngine（GEE）、PIE-Engine为代表全球尺度地球科学

文章目录0.前言1.代码示例1.1代码展示1.2运行结果2.轻轻松松换个区域监测3.结束语4.参考资料0.前言来看一下今天要实现的案例，湖南卫视芒果台的一档节目，其中的一段视频介绍了遥感在考古中作用。如果按照传统的方式的话，需要下载大量的影像、存储、以及数据预处理。然而，我们利用PIE-EngineStudio遥感计算服务平台，我们就能免去以上这些繁琐的操作，可以快速实现某个区域的动态监测，并且做

文章目录0.前言1.示例数据说明2.简单渲染2.1简介2.2示例代码说明3.唯一值渲染3.1简介3.2示例代码说明4.分级渲染4.1简介4.2示例代码说明5.插值渲染5.1简介5.2示例代码说明6.属性渲染6.1简介6.2示例代码说明7.拓展：mapbox-gl-style样式渲染7.1简介7.2示例代码说明结束语参考资料0.前言对数据的符号化分为矢量数据渲染和栅格数据渲染两大类。本节重点介绍矢量

01非本博客问题的一些探讨具体环境安装流程查看官网教程：PIE-Engine遥感与地理信息云服务平台(piesat.cn)若在python窗口都无法导入PIE，那么就是你PIE-E都没有成功pip安装到你的

01背景陆地生态系统碳循环是全球碳循环中的重要环节,在全球气候变化中扮演着重要角色[1]。陆地生态系统固碳是经济可行且环境友好的减缓大气CO2浓度升高的重要途径之一。因此，如何提高陆地生态系统碳储量及固碳能力，是近年来全球变化研究的一个热点方向[2]。研究表明,人类活动排放的CO2有一半以上被陆地和海洋生态系统吸收,但存在显著的不确定性,且年际差异巨大。全球生态系统碳源汇的时空不确定性主要来自陆地

PIE-Earth是航天宏图研发团队基于公司桌面端产品自主研发，该产品依托公司PIE-Engine平台丰富的遥感卫星数据资源，借助Webass

PIE-EngineAI是航天宏图公司发布的智能解译云服务软件，PIE-EngineAI面向国土、交通、电力、国防、气象等领域，针对遥感典型地物目标检测、要素分类、变化检测等应用智能化需求，以PyTorch、TensorFlow等主流深度学习框架为基础，提供样本样本标准化制作、环境部署、模型开发、模型训练、模型评估、模型部署等一站式全流程深度学习服务。PIE-EngineAI所提供的遥感数据智能化

PIE-Engine（PixelInformationExpertEngine，像素专家引擎），致力于加速我国遥感云计算平台发展进程，实现遥感数据按需获取、运算以及专题信息聚焦等服务，满足遥感数据获取能力飞速增长带来的应用需求

这个教程的目的主要是为了完成2000年-2020年的全国人口影像的展示，我们这里用到了for循环来遍历每一年的额一些基本情况和信息。整个的实验过程主矢量的加载，图层颜色的设定，for循环的使用以及ui控件的加载。我们可以先了解一下本期的函数：toString(timeZone)输出日期格式化的字符串。方法参数：-date(Date)Date实例。-timeZone(String)时区。返回值：St

借助国产遥感计算云服务平台PIE-Engine，利用MOD09A1这套数据获取长时序年平均NDVI，因为PIE才刚刚起步，所以找了好久都没有特别适合的代码，以下是我摸索的成果，希望帮助到有需要的人，如果发现问题

上一次我们通过对北京市影像集合完成了对其NDVI的计算，这次我们同样换一个for循环的形式来实现NDVI的计算，大家可以找找差异，以下是上一篇文章的链接：(931条消息)PIE-engine教程——影像集合的使用

本文已有外发版本，详情请戳链接：飞桨助力航天宏图PIE-Engine地球科学引擎构建本系列根据WAVESUMMIT2022深度学习开发者峰会「遥感分论坛」论坛嘉宾分享整理。

官网的教程太简单，在这里补充一下。一、核心内容说明1、绘制训练区说明：这里直接利用PEE自带的绘点工具即可，无需其他代码（1）绘制样本点绘制样本点的规则和ENVI一样，但在这里要注意一个图层只能绘制一种类型的样本（比如都是水体）（2）样本点转要素集别忘了点保存这里要说明一下，属性名称指的是这个地物的面积，种类，高度等（在本次说明中指得是roi样本点的种类），属性值指的是100㎡，第一种，10m等（

PIE-EngineAI介绍PIE-EngineAI是航天宏图自主研发的一站式遥感图像智能解译服务云平台。该平台结合空间信息技术和人工智能技术，将深度学习理论与遥感解译实践进行融合，全方位提升遥感数据智能化处理和解译分析能力。可为用户提供实时、精准、高效的遥感图像在线智能解译服务，包括遥感地物语义分割、目标检测、变化监测等应用方向。本文以0.3m分辨率影像光伏目标提取为例，介绍了如何将本地训练的U

PIE-Engine遥感云计算平台提供了长时间序列遥感影像的分析及可视化能力。以1985~2017年的北京建成区变化影像产品为例，我们通过PIE-Engi

一、图像分类含义图像分类是将图像中每个像元根据其在不同波段的光谱亮度、空间结构特征或者其他信息，按照某种规则或算法划分为不同的类别。基于光谱特征的遥感影像分类方法主要包括：非监督分类，见【PIE-EngineStudio学习笔记05】图像分类——非监督分类监督分类此章节重点讲解监督分类二、监督分类含义监督分类(supervised)，又称训练分类法，即用被确认类别的样本像元去识别其他未知类别像元的

PIE-Engine学习笔记04-上传本地数据和导出云端数据1、创建存储目录新建一个数据的存储位置新建文件目录窗口：2、上传本地数据2.1、上传本地矢量数据将矢量文件（xx.shp格式的）压缩成“ZIP

PIE中的数据集链接如下：PIE-Engine遥感与地理信息云服务平台(piesat.cn)高分影像：高分系列卫星是“高分专项”规划的高分

PIE-Engine是国内首个遥感云服务平台，是一个构建在云计算上的地理空间数据分析和计算平台。

PIE-Engine是基于容器云技术构建的面向地球科学领域的时空遥感云平台，其内部包含自动管理的弹性大数据环境，集成了多源遥感数据处理、分布式资源调度、实时计算、批量计算和深度学习框架等技术。

2021年9月下旬，Landsat9卫星发射，10月31日获取到第一景影像（FirstLight），这成为Landsat卫星成像50年的重要里程碑。作为新卫星，Landsat9联合Landsat8，可实现8天全球陆地和近岸重访，提供30米空间分辨率全球影像覆盖，继续帮助人们管理自然资源，了解气候变化带来的影响，更好地应对山体滑坡、野火等自然灾害。如何调用Landsat9数据？PIE-EngineS

小编导语：“非农化”“非粮化”现象关系国家粮食安全，国务院办公厅2020年9月印发《关于坚决制止耕地“非农化”行为的通知》，2020年11月印发《关于防止耕地“非粮化”稳定粮食生产的意见》，要求采取有力措施，强化监督管理，坚决制止耕地“非农化”、防止“非粮化”行为。（滑动至文末查看更多关于耕地保护“非农化”“非粮化”系列文章）从监测角度“非农化”“非粮化”关注耕地变化情况，长久以来耕地变化检测主要

1.PIEEngineStudio1.1功能开发（1）增加支持用户同时批量上传本地影像/矢量数据到个人资源目录功能。（2）增加了分页组件、选项卡组件、双滑块组件，进一步丰富组件功能。（3）增加可自定义设置图表中折线、直方图、点等颜色、宽度等样式，丰富了组件图表中样式设置功能。（4）增加支持散点图自定义数据拟合显示功能。（5）增加支持实现多种不同类型的图表在同一个图表中显示，比如折线图和直方图同时显

1.PIE-Engine介绍工业革命以来，人口增长、城市化、工业化带来的全球环境变化深刻影响着人类的福祉和生态安全，遥感技术由于具备长时间、大尺度、周期性、多样化监测地球表面的能力，已成为刻画全球和区域变化的重要手段。近几年来我国已发射多种不同系列的遥感卫星，形成了多分辨率、多类型、高覆盖度的海量遥感数据库，而如何从这些数据资源中挖掘出有效的信息，为我国经济发展、生态保护和国防建设做出应有贡献是目

前言农业是国民经济的基础，是人类社会的衣食之源、生存之本。遥感技术由于具有探测范围广、信息获取快、宏观性强等特点，已广泛应用于农作物分类识别和作物面积估算的研究中。传统的利用遥感手段进行农作物分类识别的方法，大多基于中低分辨率遥感影像（如Landsat、MODIS等）开展，但大量的混合像元会限制识别精度的提高。随着高分辨率的遥感影像不断免费开放，快速精准地获取作物信息为政府部门合理制定粮食政策、精

遥感影像大众获取困难、个人电脑算力受限以及遥感处理分析专业性强等因素，制约着遥感大众化应用和推广。针对以上难题，美国Google公司与卡内基美隆大学和美国地质调查局共同研发并发布了谷歌地球引擎GoogleEarthEngine，实现了全球范围内海量遥感数据的并行处理，为遥感大数据分析提供支撑。该平台的推出极大地提升了国外遥感大众化应用的水平，但是由于特定原因，目前国内科研人员无法直接使用Googl

PIE-Engine遥感云服务平台自2020年8月19日发布公测版本以来，在大家的关爱和建议下不断成长，平台的可用性和成熟度也逐步提高。

文章目录PIE-EngineStudio学习笔记01-简介和安装一、PIE-EngineStudio简介二、PIE-EngineJavaScript版本开发三、PIE-Enginepython版本开发1.Anaconda安装和Python3虚拟环境创建（1）Anaconda安装（2）Python3虚拟环境创建2.Pycharm下载安装与虚拟环境的配置（1）pycharm下载安装（2）配置pycha

平台简介PIE-Engine遥感云平台基于云计算、物联网、大数据和人工智能等技术研制，依托云平台基础环境，对PIE各产品及多项行业应用成果进行标准化集成和运行，构建覆盖时空数据“采、存、算、管、用”全流程的遥感应用服务平台

..目录一、平台介绍二、功能介绍1.遥感实时计算（PIEEgnineStudio）2.智慧地球（PIEEarth）3.遥感智能解译（PIEEngineAI）三、数据资源介绍四、应用商城介绍一、平台介绍PIE-Engine