category

遥感与空间数据

共 19 篇文章。
全部文章gamegolang客户端开发MinigameSaasrustPythonJavacgTypescriptengineCocosMmodatabase
遥感与空间数据

遥感与空间数据工程

遥感把卫星与航空传感器记录的地表辐射,还原成可计算、可分析的空间数据。本专题覆盖工程全链路:遥感系统组成与分辨率层级、卫星影像的波段与传感器、GDAL 栅格数据读写、坐标系统与投影变换、辐射定标与大气校正、云检测与云掩膜、植被指数与光谱指数计算、从随机森林到语义分割的影像分类、变化检测与影像时间序列、SAR 与 InSAR 形变监测、激光雷达点云处理,以及影像瓦片服务与发布管线。后续补充的 6 篇进阶内容进一步覆盖遥感目标检测、语义分割、时序分析、高光谱处理、卫星平台与任务规划,以及云原生遥感处理。

3 分钟阅读
遥感 地理空间
遥感与空间数据

变化检测与影像时间序列分析

本文讲解变化检测与影像时间序列分析的工程方法,覆盖代数差分、CVA、IR-MAD 等经典变化检测算法,以及 Landsat 与 Sentinel-2 时序的断点检测、谐波回归、BFAST 与 CCDC 方法。文章讨论配准误差、物候差异、云污染等干扰因素,并给出基于 xarray 与 NumPy 的时序处理代码、变化图斑后处理与阈值选取策略与常见陷阱。

13 分钟阅读
时序分析
遥感与空间数据

遥感影像分类:从随机森林到语义分割

本文梳理遥感影像分类从传统机器学习到深度语义分割的完整技术路线,对比随机森林、XGBoost 与 U-Net、DeepLab、SegFormer 等方法在光谱、纹理与空间上下文上的取舍。文章覆盖样本采集与标注、类别不平衡处理、数据增强、迁移学习、精度评价指标,并给出 PyTorch 训练与大幅影像滑窗推理的工程实现要点与常见陷阱。

14 分钟阅读
U-Net 语义分割