前言: 本篇文章的出发点是因为之前接触过相关研究,困囧于该系列资料匮乏,想做一个系列.个人道行太浅,不足之处还请见谅.愿与诸君共勉. 数据准备: MODIS数据产品MOD13Q1—以2010年河南省3.4.5三个月为例: 一.MRT单次数据操作 (1).进入GUI界面操作 1.将所需处理的一个.hdf原始数据加载进来 2.通过左右选项选择所需波段(MOD13Q1已将NDVI提供,只需保留选择就行) (若用的数据比如MOD12Q1计算NDVI,则Modis算法如公式:NDVI=(Band2-Ban

引言: 写MODIS数据处理这个系列文章的初衷,主要是为了分享本人处理MODIS数据方面的一些经验.鉴于网上对这方面系统性的总结还比较少,我搜集资料时也是走了许多的弯路,因此希望通过此文让初学者能够更快的入门,把时间多花费在数据分析方法的创新上,而不是在机械式的处理数据上.本系列包括的MODIS数据处理例子包括:MOD16全球蒸散发数据集以及MOD13植被指数数据集.如果你是一名遥感方面的初学者,想要利用ArcGIS处理MODIS数据,相信看完这系列文章,能够帮助你熟悉这整个数据处理流程以及Ar

1.MODIS数据的特点 (1)全球免费:NASA对MODIS数据实行全球免费接收的政策(TERRA卫星除MODIS外的其他传感器获取的数据均采取公开有偿接收和有偿使用的政策),这样的数据接收和使用政策对于目前我国大多数科学家来说是不可多得的.廉价并且实用的数据资源:     (2)光谱范围广:MODIS数据涉及波段范围广(共有36个波段,光谱范围从0.4um-14.4um),数据分辨率比NOAA-AVHRR有较大的进展(辐射分辨率达12bits,其中两个通道的空间分辨率达250m,5个通道为5

这一篇我们来介绍下MODIS数据的下载方式.当然这边主要是介绍国外网站的下载方式,国内网站的普遍是在地理空间数据云和遥感集市下载.国外网站(NASA官网)下载方式主要介绍两种.本篇主要针对第一种方式,基于完整的一景影像下载的过程(FTP工具).FTP下载工具以及完整影像下载的方法NASA官方遥感影像数据下载网址(里面不止有MODIS,还有ENVISAT,NPP-VIIRS等):官网 https://ladsweb.modaps.eosdis.nasa.gov/ 选择DATA DISCOVERY的

Modis数据下载方法 1.1打开网址 浏览器输入地址:https://ladsweb.nascom.nasa.gov/search 注:需要一定的等待时间,如果一直打不开,就需要FQ.(网址加载了google的api了,呵呵,可以百度下载一个叫psiphon3.exe的软件就可以访问了.) 1.2登陆 点击右上角的Profile的Login按钮进行登陆操作 1.3输入登录信息 用户名:Yutu_Rs_001密码:Yutu_Rs_001 进行登陆跳转至查询页面 ,这里建议各位自己注册账号,方便一

MODIS 数据产品预处理 1  MCTK重投影 第一步:安装ENVI的MCTK扩展工具 解压压缩包,将其中的mctk.sav与modis_products.scsv文件复制到如图所示,相应的ENVI安装路径中去. 第二步:打开ENVI5.3标准版如图所示 在右边的工具栏处打开最下方的Extensions工具扩展包.可以看到安装的处理工具如图所示.鼠标左键双击打开其中的mctk工具. 在MODIS Conversion Toolkit(MCTK)工具栏中,点击Input HDF按钮加载将要进行处

时间序列S-G滤波之Python 根据上上篇博文(MODIS系列之NDVI(MOD13Q1)五:NDVI处理流程)做出的NDVI.我们求NDVI时间序列图,但该NDVI时序图为地表各土地类型综合的NDVI时序图.(详情同样参考该系列五博文的文底) 建议:大家应该也能发现从网上粘贴的代码,大部分在各自实际运行中会出现报错,不能运行.这其中有代码本身的错误,但也不乏运行环境的欠缺.误操作.电脑自身特点等原因.本博客的所有代码都经过实际运行再上传,哪怕比较熟悉的代码,再上传前都会尽可能实际运行.目的便

前言:(个人建议) 1.进行数据处理工作,由于通常数据量比较大.所以在个人电脑中,要将基础数据.不断增长的过程数据.结果数据等分门别类,使得简单易找. 2.将重要数据备份,因为在数据处理过程中,由于出错使重要数据损失,勿让重要数据成绝版.所以生成或保存压缩文件是很好的选择. 3.当数据量大,需要进行批量处理时.模板文档或代码要杜绝出现细节错误.容易一锅端,费时间且低效率. 处理工具:ArcMap 处理数据:MOD13Q1的NDVI成品(.tif)文件 研究区矢量文件(以河南省省界为例) 处理流程

[源码下载] 背水一战 Windows 10 (20) - 绑定: DataContextChanged, UpdateSourceTrigger, 对绑定的数据做自定义转换 作者:webabcd 介绍背水一战 Windows 10 之 绑定 DataContextChanged - FrameworkElement 的 DataContext 发生变化时触发的事件 UpdateSourceTrigger - 数据更新的触发方式 对绑定的数据做自定义转换 示例1.演示 DataContextCh

介绍背水一战 Windows 10 之 绑定 DataContextChanged - FrameworkElement 的 DataContext 发生变化时触发的事件 UpdateSourceTrigger - 数据更新的触发方式 对绑定的数据做自定义转换 示例1.演示 DataContextChanged 的用法Bind/DataContextChanged.xaml <Page x:Class="Windows10.Bind.DataContextChanged" xml

现在很多同事,包括我,我表单的数据验证交给了javascript来做,那么新的问题来了,如果交给了javascript那么后台还有没有必要对数据做校验呢

问题:我们需要调用一个换算函数(例如sum().min().max()),但是首先需对数据做转换或者筛选处理 解决方案:非常优雅的方法---在函数参数中使用生成器表达式 例如: # 计算平方和 nums=[1,2,3,4,5] s1=sum((x*x for x in nums)) s2=sum(x*x for x in nums) #更优雅的用法 s3=sum([x*x for x in nums]) #不使用生成器表达式 print(s1) print(s2) print(s3) # 判断一

通过上一步,环境已搭建好了. 下面开始实战, 首先,编写链接mysql的函数conn_sql.py import pymysql def sql_conn(u,pwd,h,db): conn=pymysql.connect(user=u,passwd=pwd,host=h,db=db) #print("连接数据库"+db+"成功了!!") return conn 在编写,查询数据库的语句:sql.py import pymysql import conn_sql d

用$.getJSON() 和$.post()获取第三方数据做页面 首页 index.html 页面 需要jquery  和 template-web  js文件   可以直接在官网下载 中间导航条的固定 可以在导航添加一个动态class值   class值  的css样式  position  :fixed  : $(document).ready(function() { var $window = $(window), $mainMenuBar = $('#mainMenuBar'), $m

本人初次尝试用Python批量下载DACC的MODIS数据,记下步骤,提醒自己,数据还在下载,成功是否未知,等待结果中...... 若有大佬发现步骤有不对之处,望指出,不胜感激. 1.下载Python:https://www.python.org/downloads/ (1)在下面版本中任选一版本: (2)选择适合自己系统的软件下载 (3)下载完成之后,按照网上教程安装即可:https://jingyan.baidu.com/article/c45ad29c05c208051653e270.ht

使用FormData数据做图片上传: new FormData()       canvas实现图片压缩 ps: 千万要使用append不要用set   苹果ios有兼容问题导致数据获取不到,需要后台接口支持formData数据 Content-Type: multipart/form-data 正确的打开方式:formdata.append('file', file) 错误的打开方式:formData.set(name,value) //html代码 <div class="sendIm

处理三维数据做图表,比如返回的数据就是一个个list,list里面某几个数据同属于一个维度,项目中的实例效果如下: 上面的khfx会有多个,比如db1.db2.db3等,下面的那些数据也会变化,目前需求就是做的下面的实现单选,可以使用echarts的legend的selectedMode实现,然后上面的db那些就是可以复选,默认全显示,选择之后就取消该条数据显示.也就是说相当于需要2层图例组件同时控制下面series的显示. 大值考虑的是下面的用legend的图例,然后上面的图例就自己手写,然后

代码地址如下:http://www.demodashi.com/demo/11643.html 昨天LZ去面试,遇到一个大牛,被血虐一番,发现自己基础还是很薄弱,对java一些原理掌握的还是不够稳固,比如java反射注解,知道一点就是说不出来,很尴尬... 生命不止,学习不止啊 之前那个项目 QNews 用的是的第三方的数据平台,所以访问次数会有限制,这就很无奈... 我的博客地址 每天只能请求100次....但是LZ这个穷屌丝也买不起服务器,所以就上网查,有什么别的方法可以获取数据,意外之间发

前言 这篇文章时承继上一篇机器学习经典模型使用归一化的影响.这次又有了新的任务,通过将label错位来对未来数据做预测. 实验过程 使用不同的归一化方法,不同得模型将测试集label错位,计算出MSE的大小: 不断增大错位的数据的个数,并计算出MSE,并画图.通过比较MSE(均方误差,mean-square error)的大小来得出结论 过程及结果 数据处理(和上一篇的处理方式相同): test_sort_data = sort_data[:] test_sort_target = sort_t

1. random.shuffle(dataset) 对数据进行清洗操作 参数说明:dataset表示输入的数据 2.random.sample(dataset, 2) 从dataset数据集中选取2个数据 参数说明:dataset是数据, 2表示两个图片 3. random.choice(dataset) 从数据中随机抽取一个数据 参数说明: dataset 表示从数据中抽取一个数据 4. pickle.dump((v1,v2), f_path,pickle.HIGHEST_PROTOCOL)