计算机显示图像主要以两种方式的数据类型：浮点型和整型。
浮点型：图像范围大小在0:1之间
整型：图像范围大小在0:255之间
其中，0:255的整型也称为8bit，8字节。一个字节代表01，8个字节也就是2的8次方，等于255。正常图像通常是8bit,即可直接在手机端或者PC端直接显示。
若R、G、B每种颜色使用一个字节（8bit）表示，每幅图像可以有1670万种颜色；
若R、G、B每种颜色使用两个字节（16bit）表示，每幅图像可以有10的12次方种颜色；
如果是灰度图像，每个象素用一个字节（8bit）表示，一幅图像可以有256级灰度；
若每个象素用两个字节（16bit）表示，一幅图像可以有65536级灰度。
理论上说，16bit的图像，灰度级数和颜色比8bit的好得多，但是，还得看你的印刷硬
件是否支持那么多灰度级数和颜色的印刷。如果在普通显示器上观看，两者并没有什么差别。
色彩深度（Depth of Color），色彩深度又叫色彩位数。视频画面中红、绿、蓝三个颜色
通道中每种颜色为N位，总的色彩位数则为3N，色彩深度也就是视频设备所能辨析的色彩
范围。目前有18bit、24bi ...
有时候，看地图会误判，地图上俄罗斯过大（6400公里），非洲过小（7200公里）。
这并不是地图画错了，而是地球为球形，投影成平面地图会失真，高纬度地区被拉长了。
1. 地理坐标系地理坐标系统（Geographic Coordinate System），是一种球面坐标，是使用三维球面来定义地球表面位置，以实现通过经纬度对地球表面点位引用的坐标系。表示单位为度；常规叫为东经、西经、南纬、北纬。目前国际上最通用的标准是WGS84坐标系，我国当前最新的标准是国家大地坐标系（CSCS2000）,CSCS2000与WGS84相差几厘米，对于一般的工程测量，可以认为两者是一致的。
2. 投影坐标系投影坐标系统（Projection Coordinate System），是一种平面坐标。利用一定数学法则把地球表面的经、纬线转换到平面上投影坐标系使用；基于X,Y值的坐标系统来描述地球上某个点所处的位置。这个坐标系是从地球的近似椭球体投影得到的;表示单位为米。
3. web墨卡托投影Web Mercator（墨卡托）是以整个世界范围，赤道作为标准纬线，本初子午线作为中央经线，两者交点为坐标原点，向 ...
SAR的一级数据的无物理意义的DN值，而二级数据则是带有坐标信息的后向散射系数信息（图像）
1.简介这是针对国产合成孔径雷达遥感影像预处理的算法。
2.特点1.分块实现sar预处理：1L数据到1LB级数据再到2级数据。内存少的电脑可以把分块大小调整小数值。
2.自动查到元数据相应的数值，自动生成2级产品
3.如何将1L的数据转化为2L的数据以GF3为例。
校准常数的获取
标定常数由角反射器和标定场已知雷达截面积的主动常数确定。公式如下
在上式:
P^I= I^2+Q^2对应于SAR复像中有源标量或角反射器的幂，I和Q分别对应1A类复像的实部和虚部
高分三号卫星的等效后向散射系数为:
1)分辨率1m~10m，成像边缘优于-19dB;
2)分辨率为25m~500m，成像中心优于-25dB，成像边缘优于-21dB。
因此，忽略噪声的影响，上式可简化为:
将每个参数替换为dB值，即
在产品元数据文件中，字段CalibrationConst对应于KdB。
4.校准常数的使用后向散射系数可按以下关系式计算:
I为1A级产品的实部，Q为1A级产品的虚部，QualifyValue为量化前场景图 ...
农业遥感
农业遥感的一个基础方向是农作物分类，农作物分类的基础在于要了解农作物的生长周期，打个比方就是：
1.植物越绿，NDVI值越高
2.植物不绿了，NDVI值变低
3.植物的生长期、 成熟期、收割期，即植物是什么时候绿，什么时候黄。
NDVI = （近红外-红）/（近红外+红）
上个式子重点观察分子，也就是 近红外-红，用近红外波段和红波段的值来判断植物是否绿油油。
背后的原理基于人眼对颜色的判别。首先说一个更基础的问题：正常的植物为什么是绿色的？那是因为植物会吸收蓝光和红光，对绿光不敏感，所以反射绿光，并且我们眼睛只对可见光敏感，看不见近红外波段之外的光。总之，正常植物大量反射近红外光，小量反射绿光，大量吸收蓝光和红光。
冬小麦的物候及分类策略冬小麦，和其他植物不一样的地方在于，它是10月播种，这时慢慢变绿但总体不绿；过冬是保持期；生长期是次年的3月到4月，这个阶段慢慢变绿，而且是很绿；收获期是次年的5月到6月，这阶段植被黄了，甚至是秃了。
总结起来就是：
1.如果该像素是冬小麦，那么10月的影像中它的NDVI很低，但不完全低
2.如果该像素是冬小麦，那么3、4月的影像中它的N ...
介绍
2017年，google earth engine 横空出世，颠覆了传统的遥感数据处理全流程，以一种全新的方式对地理大数据进行分析。第一次接触GEE，会惊讶于它的处理速度，能快速的展示出一个大地区的可视化结果，这是ENVI\arcgis无法做到的。
不可否认，很多领域是国外的技术领先。很多原本国外领先的技术，会被我们复刻，甚至超越。遥感云计算也不例外，国内跟上了GEE的脚步。2020年，航天宏图自研的PIE-engine开始内测，给他们点个赞好吗？PIE-engine大致上对GEE进行复刻。
云处理，天生和地理大数据切合，利用大规模大批量的数据进行算法验证，有着诸多优点，但是缺点也明显，缺少计算资源，也导致了其无法服务于大众，至少是现在还不能（大众不会为了这个买单）。
2022年，阿里自研的AI Earth地球科学云平台，开始内测，地址在里:https://engine-aiearth.aliyun.com/#/。目前已上线Landsat 5/7/8/9、Sentinel-1/2、MODIS、ALOS DSM等公开数据集。简单的瞄了一眼他们的官方教程，使用notebook（py ...
地物分类的概念将所有图像像素自动分类为不同的类型。
地球表面的地物类型，包括人造表面、农业区、森林、(半)自然区、湿地、水体。指地表覆盖物，例如植被、人造构筑物、水、裸露的土壤等等。
遥感影像分类基本分为非监督分类与监督分类两种。二者区别是，就是字面意思，一种是不需要样本，一种是需要制作样本。近年来AI大热，CNN之类的方法归为监督分类，这个后续再细说。
遥感影像分类方法大类
非监督分类
没有训练的分类器，直接基于数据本身纯基于多光谱数据集中光谱特性分布的统计参数示例:Isodata聚类，K-Means聚类，随机森林等等
监督分类
使用样本训练，对分类器进行训练例如:最大似然，最小距离，k近邻，人工神经网络，支持向量机等等
前些年计算机视觉火热，遥感开始了另一个大方向：AI与遥感。其实有些研究内容是可以的，地物分类是其中之一。在计算机做的是普通图片的分类，譬如行人检测、猫狗分类等等，而遥感影像则是对地球表面存在的类型做分类。遥感数据与普通图片的区别是波段维数的增加，在数据类型上并无其他的区别。现在的算法很多都是开源的，怎么做的落地好才是研究的重点（轻量化），例如在汽车上你 ...
定标常数的获取利用定标场已知雷达截面积的角反射器和有源定标器确定定标常数。
K = |P^I-P_NG_{img2}|/\sigma_c \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ (1)其中：
P^I= I^2+Q^2对应有源定标器或角反射器在SAR复图像的功率，I和Q分别对应1A级复图像的实部和虚部
P_N:回波噪声功率;G_{img2}：噪声的成像处理增益;sigma_c：点目标RCS;K:定标常数高分三号卫星等效后向散射系数指标为：
1）分辨率1m~10m，成像边缘优于-19dB；
2）分辨率25m~500m，成像中心优于-25dB，成像边缘优于-21dB。
因此忽略噪声的影响，上式可简化为：
K = P^I/\sigma_c \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ (2)将各个参数换成dB值，即
K_{dB} = 10log_{10}P^I-10log_{10}\sigma_c \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ ...
今天需要在ENVI显示一景Landsat 9 影像，猛地发现竟然不能在envi直接打开，网上一搜大概是要下载插件，于是乎就打开俺以前写的基础代码，修修改改实现了Landsat 9影像的所有文件合成为一个波段。把原始的L2级的Landsat 9 数据解压后，文件结构如下：
全部代码如下：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2022/10/9 14:46
# @File : combine_band.py
# l8影像的所有文件合成为一个波段
import os
from osgeo import gdal # 非常重要是库, 先了解它的接口，后面玩得六之后再用C++
class Landsat8Combine:
def __init__(self, targetPath, outPut):
self.targetPath = targetPath
self.outPut = outPut
self.l8_to_tif()
def typ ...
因为网上很多shp都是国外制作的，导致某些敏感地区缺失，比如藏南地区、台湾省等。调查发现高德提供中国地区的矢量数据，其完整性较好。这也就是有这篇记录文章的目的，使用python爬虫进行下载。在arcgis打开下载好的结果，如下：
除台湾省外，其他地区精确到市级，部分区域如下：
新手阶段的同学可以去我的个人公众号remote sensing回复：全国矢量数据，可以下载这个代码和全部的代码，只修改path和out_shp_path这两个参数就可以跑了，path对应的是你要保存的json文件路径，out_shp_path对应的是你要保存的shp文件路径。
也就是：
代码：
# -*- coding: utf-8 -*-
# @Time : 2021/6/25 10:59
import geopandas
import requests
import json
import os
province_list = ['西藏自治区', '新疆维吾尔自治区', '甘肃省', '青海省', '四川省', '云南省', '广西壮族自治区', '贵州省', '重庆市', '陕西省',
...
JavaScript
未读为何学习 JavaScript？JavaScript 是 web 开发者必学的三种语言之一：
HTML 定义网页的内容
CSS 规定网页的布局
JavaScript 对网页行为进行编程
为何学习 JavaScript？JavaScript 是 web 开发者必学的三种语言之一：
HTML 定义网页的内容
CSS 规定网页的布局
JavaScript 对网页行为进行编程
JavaScript 显示数据JavaScript 可以通过不同的方式来输出数据：
使用 window.alert() 弹出警告框。
使用 document.write() 方法将内容写到 HTML 文档中。
使用 innerHTML 写入到 HTML 元素。
使用 console.log() 写入到浏览器的控制台。
JavaScript 语句JavaScript 语句是发给浏览器的命令。
这些命令的作用是告诉浏览器要做的事情。
下面的 JavaScript 语句向 id=”demo” 的 HTML 元素输出文本 “你好 Dolly” ：
document.getElementById("demo").inn ...
