这些技巧使得处理 Python 中的字典变得更加愉快和优雅。
1）使用 dict(key=value) 创建字典# 正常的方式创建字典，使用字典推导式的语法
normal_dict = {
'red': 'apple',
'orange': 'orange', # 注意颜色和水果名称相同，但这里用作键和值
'yellow': 'banana',
'green': 'grape'
}
# '更好'的方式创建同样的字典，使用dict()构造函数和关键字参数
better_dict = dict(
red='apple', # 键值对直接在函数调用中定义
orange='orange', # 注意这种方式避免了使用元组或列表
yellow='banana', # 直接键=值的形式
green='grape' # 不需要额外的括号或逗号分隔
)
# 打印两个字典以验证它们是否相同
print(normal_dict)
print(better_dict)
为什么后一种是 ...
虽然PDF文件对文本布局非常好，容易打印并阅读，但软件要将它们解析为纯文本并不容易，Python目前解析PDF的扩展包有很多。
通过查询资料，建议使用pdfplumber扩展包来解析PDF文档的文本和表格。本文介绍如何通过pdfplumber获取PDF的文本。
准备工作确保安装了以下库：
pdfplumber
若没安装，请在命令行使用以下语句进行安装：
pip install pdfplumber
pdfplumberpdfplumber中有两个基础类，PDF和Page。PDF用来处理整个文档，Page用来处理整个页面。
1.1 pdfplumber.PDF类
.metadata: 获取pdf基础信息，返回字典
pages 一个包含pdfplumber.Page实例的列表，每一个实例代表pdf每一页的信息。
1.2 pdfplumber.Page类pdfplumber核心功能，对PDF的大部分操作都是基于这个类，包括提取文本、表格、尺寸等。
pdfplumber的使用指南使用 pdfplumber 库解析 PDF 的分步指南。
步骤 1：安装 pdfplumber 库 首先， ...
在地理空间分析领域，温度植被干旱指数（TVDI）是一种广泛采用的遥感指标，用于评估区域干旱状态。它结合了地表温度（Land Surface Temperature, LST）和归一化植被指数（Normalized Difference Vegetation Index, NDVI）的信息，可以有效揭示土壤水分状况。本文将深入探讨如何使用Python中的GDAL、NumPy和Matplotlib库来处理地理空间数据，计算TVDI，并将其可视化。
准备工作确保安装了以下库：
GDAL：用于地理空间数据的操作和读取。
NumPy：用于高效数组处理和数学运算。
Matplotlib：用于数据可视化。
实现细节数据准备与读取首先，我们需要从TIFF文件中读取NDVI和LST数据。这可以通过GDAL的gdal.Open()函数完成，随后使用GetRasterBand().ReadAsArray()方法将波段数据转换为NumPy数组。
def get_data(file_ndvi, file_lst):
ndvi_tif = gdal.Open(file_ndvi, gdal.GA_Re ...
引言在遥感影像处理和分析中，色彩增强是一个常见的任务。通过色彩增强，我们可以更清晰地展示影像中的某些特征，如植被、水体等。本篇博客将介绍如何使用GDAL（地理空间数据抽象库）和Python进行影像植被色彩增强处理，并实现批量处理功能。
遥感影像自然真彩色合成可分为以下几种方法：1、直接用多光谱影像的红、绿、蓝通道合成，一般用于高分辨率影像；2、利用其它波段加权处理，重新生成红、绿、蓝波段，一般用于增强某种地物颜色层次，如植被、水体等；3、利用其它波段信息重新生成某一波段，一般用于缺少波段的传感器，如SPOT、Aster等。
目的这个操作的主要目的是为了影像在视觉上更好看。
植被色彩增强方法这里输入数据可以是原始的L1级数据，也可以是经过大气校正、几何RPC校正后的L2级数据。
输出数据为4波段的8bit的数据。
简单地说一下方法流程：
1.依次读取输入数据的第一、第三、第四波段，对这些波段数据进行线性拉伸，把数据拉伸到8bit。再保存为输出数据的第一、第三、第四波段。
2.读取输入数据的第二波段、第四波段，利用第二波段、第四波段计算NDVI。
3.对NDVI进行二维掩膜，NDVI大于0 ...
在本篇推文中，我们将深入探讨如何使用Python的PyQt5库和GDAL库构建一个图形用户界面（GUI）应用程序，该程序旨在对遥感影像进行色彩增强处理。此应用程序不仅能够处理单个图像文件，还能批量处理文件夹中的多个TIFF文件，同时允许用户自定义色彩增强的程度。
项目背景遥感影像的色彩增强是一种常见的图像预处理技术，用于提高图像的视觉效果，使得特定的地物特征更加突出，便于后续的分析和解读。本项目的目标是创建一个用户友好的界面，使得非专业用户也能轻松地对遥感影像进行色彩增强处理。
技术栈
Python: 编程语言。
PyQt5: 构建跨平台的GUI应用程序。
GDAL: 地理空间数据读取与处理库。
应用程序结构主窗口设计应用程序的主窗口包括以下几个组件：
输入文件/文件夹选择：允许用户选择待处理的单个图像文件或整个文件夹。
输出文件夹选择：指定处理后的文件保存位置。
增强值设置：用户可以自定义色彩增强的程度。
进度条：显示处理进度。
开始处理按钮：启动色彩增强过程。
后台处理逻辑后台处理逻辑主要包括以下步骤：
色彩增强算法：利用NDVI（归一化差值植被指数）和NDWI（归一化差值 ...
https://zhuanlan.zhihu.com/p/629483254
安装好QGIS后，使用pycharm作为开发项目的编辑平台。现在在pycharm中进行配置。
新建项目，如下图所示。
坑：
报错1：
用pyuic5将.ui文件转化为.py文件出现报错，如下：
最终解决办法是：.ui文件名不能有空格。路径名称当中的文件夹名称也不能有空格；比如你的.ui文件在 project program文件夹下面就不能实现转化，得把文件夹名称改为projectprogram
报错2：
不知道为什么由ui文件生成的py文件会带有C++的语法
报错3：
第一次运行python qt时显示：This application failed to start because no Qt platform plugin could beinitialized Reinstalling the application may fix this problemAvailable platform plugins are: direct2d, minimal, offscreen, window ...
在遥感技术的广阔领域中，Sentinel-2卫星以其独特的多波段和高分辨率成像能力脱颖而出，成为环境监测、农业评估、城市规划等多个领域的重要数据来源。然而，Sentinel-2影像的一个显著特点——其拥有三种不同的空间分辨率，使得其数据存储和处理方式与传统遥感影像存在显著差异。本文将深入探讨Sentinel-2影像的这一特殊之处，并解析其数据存储策略背后的考量。
Sentinel-2影像的多分辨率特性Sentinel-2卫星搭载了多光谱成像仪（MSI），能够捕获从可见光到短波红外（SWIR）的多个光谱波段。然而，与许多其他遥感卫星不同，Sentinel-2并非将所有波段数据以相同分辨率记录。如表所示，Sentinel-2的波段涵盖了从443.9nm的蓝色波段到2202.4nm的短波红外2波段，且其空间分辨率分为三种：10米、20米和60米。
10米分辨率波段：主要包括蓝色（B2）、绿色（B3）、红色（B4）和近红外（B8）波段，这些波段对于植被监测、水体识别和地表覆盖分类等应用至关重要。
20米分辨率波段：包括红边波段（B5、B6、B7、B9）和短波红外1波段（B11），这些波段在 ...
将shp文件转换为GeoPackage格式（.gpkg）的过程，可以使用QGIS软件来完成。以下是详细的步骤：
创建GeoPackage数据库文件：
打开QGIS软件。
在浏览面板的GeoPackage上右键，点击“创建数据库…”。
在新建窗口的数据库项输入.gpkg文件的保存路径，直接点击确定即可创建一个后缀为.gpkg的GeoPackage数据库文件。
把shp文件添加到图层面板：
打开资源管理器，在左侧选择“矢量”>“矢量数据集”。
浏览并打开shp文件（仅添加后缀为.shp的文件）。
点击“添加”，即可将shp文件添加到图层面板。
导出到GeoPackage数据库：
在想导出的shp图层上右击。
选择“导出”>“另存要素为…”。
在弹出的窗口中，选择格式为GeoPackage。
选择上面创建的后缀为.gpkg的文件。
填写图层名称，点击“OK”即可将shp文件导入到GeoPackage数据库。
python如何通过代码实现shp文件转换为gkpg文件呢？请看下面代码。
#!/usr/bin/env python
# -*- co ...
python
未读最近换了一台新电脑，需要重新安装python及python库。
这时候必须做的一件事情。
建议所有在国内的、使用python的人，都进行这个操作：给 pip 换国内源。
讲解pip 换国内源的必要性前，得了解一个概念：什么是pip源。
什么是pip源pip 是 Python 的包管理器，用于安装、升级和卸载 Python 软件包。在使用 pip 安装软件包时，它会从指定的源（repository 或 index）下载包的文件。这个源通常被称为“pip源”。
默认情况下，pip 使用 Python Package Index (PyPI) 作为源，这是 Python 社区维护的一个公开的软件包仓库，包含了大量可用的 Python 软件包。然而，由于网络问题，如速度慢、连接不稳定或者地域限制，用户可能无法高效地从 PyPI 下载包。
为了解决这些问题，可以使用“镜像源”（mirror sources）。镜像源是复制了 PyPI 数据的服务器，通常由不同的组织或个人维护，目的是提供更快的下载速度和更稳定的连接。
常见的镜像源包括：
豆瓣镜像：https://pypi.douban.com/ ...
