rust
未读使用方法[source.crates-io]
replace-with = 'mirror'
[source.mirror]
registry = "https://mirrors.tuna.tsinghua.edu.cn/git/crates.io-index.git"
注：$CARGO_HOME：在 Windows 系统默认为：%USERPROFILE%\.cargo，在类 Unix 系统默认为：$HOME/.cargo。
注：cargo 仍会尝试读取不带 .toml 扩展名的配置文件（即 $CARGO_HOME/config），但从 1.39 版本起，cargo 引入了对 .toml 扩展名的支持，并将其设为首选格式。请根据使用的 cargo 版本选择适当的配置文件名。
在 Linux 环境可以使用下面的命令完成：
mkdir -vp ${CARGO_HOME:-$HOME/.cargo}
cat << EOF | tee -a ${CARGO_HOME:-$HOME/.cargo}/config.toml
[source.crates-io]
replace-w ...
在坐着车，突然想到了一个AI模型训练的一个好的idea。
心情本来不是特别坏，也不是特别好，但是想出这个idea之后，灵感就迸发了，很多事情都想通了。
立刻打开微信我的文件，一个人自言自语开始语音转文字。司机时不时眼睛微斜用余光看看我的精神状态是否正常。
现在我的主业是做ai的，曾经的遥感预处理都与我无关。
我是半路做AI的，不妨碍我现在能做出效果很好的应用。
我是真有这个信心，你说AI难吗？也很难，但是很多人都把ai集成为一个工具了，比如yolo，比如sovits
相对来说，模型我都是用开源的，哪个效果好我就用哪一个，我会更花更多的时间在后面的细节处理，在实战中检验效果。
对于初学AI者来说，我觉得更好的理解模型的方式是研究一个很基础模型，然后用笔和纸把模型的结构一层一层的从白纸上面写出来，理解它们这个层层递进的一个处理关系。
以前我写过拆解模型的过程。
【深度学习】从LeNet学神经网络搭建
LeNet很简单，很容易去解析，套路都是惊人的相似的。
再进阶一点，可以按照GPT训练的模式，自己构建一个小的模型。当然，此时学习的是训练的手法，怎么蒸馏等等。
我现在电脑算力不行，等我的5 ...
安卓手机都有加速度计，就是手机横置时让屏幕翻转的那种传感器，它可以侦测到手机的移动。
如果系统发现，同一个地理区域的手机突然同时震动，就说明地震了。谷歌就会向该区域的用户推送地震警报。
该系统于2021年4月，首先在新西兰和希腊上线，已覆盖98个国家/地区。2023年11月的菲律宾6.7级地震，2023年11月的尼泊尔5.7级地震，它都发送了警报。
背景我开发了一款微信小程序，专注GPS坐标查询。功能包括地图点击获取经纬度、地名搜索定位、坐标格式转换（小数度/度分秒）、坐标分享及用户定位。
初期使用OpenStreetMap的Nominatim API进行地名搜索，但因国内访问不稳定，切换到高德地图地理编码API，提升了搜索效率。
实现要点1.地图交互使用微信小程序的 组件，支持点击获取GCJ02坐标，转换为WGS84显示，并添加标记点。
2.地名搜索通过高德地图API实现地名搜索，返回坐标，直接适配地图组件，响应快，覆盖广。
3.坐标格式转换支持小数度和度分秒格式，coord-convert.js 模块处理WGS84与GCJ02转换及格式切换。
/**
* 坐标转换工具类
* 移植自Python版本的coord_convert.py
*/
class CoordConverter {
constructor() {
this.x_pi = Math.PI * 3000.0 / 180.0;
this.a = 6378245.0; // 长半轴
this.ee = ...
今天微信小程序 《小白gps工具》已通过审核，终于可以上线使用。
作为第一个版本，小白gps工具主要提供查询位置信息、输入坐标反查地图。
我没有条件外出进行gps静态测量，所以本次以google maps的经纬度为基准，在google maps、小白gps工具 手动刺点。进行简单的坐标精度测试。
挑选具有明显特征的位置：厦门旁边的双鱼岛，具体位置如下：
放大后显示如下：
再放大如下：
图上红色框的位置在google maps的经纬度是 118°4′0.26″E，24°23′7.37″N、
现在，在微信小程序 小白gps工具 测试该点的经纬度是118°4’0.17”E, 24°23’7.50”N如下：
纬度误差是13″，经度误差是9″，这种误差在日常简单的使用是没有问题的。
出现误差是因为二者的刺点是我手动操作的。
以上结果能验证 小白gps工具的位定是准确的。
当然，你想要更精确的gps定位信息，那么你需要去干测量外业。这点不在我们的讨论范围之内。
小白gps工具还提供 坐标反查，输入坐标gps信息，自动在地图上标记对应的地点。
坐标的格式有两种，小数点格式和 ...
你是否曾经有过这样的经历：用着好好的谷歌地图，一到国内，发现自己的GPS定位和地图上的道路总有那么一点点偏移？或者在使用卫星图时，发现道路、建筑的标注和实际影像对不上号？
别担心，你的手机没坏，地图App也没有出bug。你所遇到的，是一个涉及技术、法规和数据的有趣问题——地图坐标系。
今天，我们就来深入浅出地聊一聊这个话题。
一、 三大“标准”：谁在定义我们脚下的坐标？要理解各大地图App，我们首先要认识三个核心的坐标系“标准”：
WGS-84坐标系 (世界标准)：这是我们最应该先认识的“老大哥”。它是由美国国防部制定的世界大地测量系统 (World Geodetic System 1984)。它的应用太广泛了，你手机里的GPS芯片接收卫星信号计算出的经纬度，就是基于这个标准。可以说，WGS-84是目前全球范围内的“事实标准”，代表着地球上一个点的“真实”坐标。
GCJ-02坐标系 (中国标准，又称“火星坐标系”)：出于国家地理信息安全的考虑，中国国家测绘局规定，所有在中国境内发布和使用的地图产品，都必须采用一套国家加密的坐标系统。GCJ-02就是这套官方系统，它是在WGS-84的 ...
最近我会做两个微信小程序，代码初步写完。
第一个小程序正在备案，估计过两天备案审核通过后就上线，第二个小程序还没申请。
第一个小程序是查询经纬度。
第二个小程序是台风轨迹可视化。
在这两个小程序上线的时候，我会好好写一下这些小程序是怎么实现的、以及花了多少钱。
实际上，今年下半年，我计划开发一款GPS记录软件，用于完整记录用户的移动轨迹。我已经调研过市场上的类似应用，例如iOS平台上有一款名为“迷雾世界”的App。
然而，现有的这些App存在一个显著缺点：一旦开启，它们会实时从手机读取GPS信息，这会导致严重的电量消耗。
我的思维往往跳跃性很强，有时做事显得不太靠谱。但在许多情况下，我都能精准抓住事物的核心矛盾。
当然，发现问题远比解决问题容易得多。
如果能从根本上解决核心矛盾，许多衍生问题将迎刃而解。
等到明年年初，我会入手一张RTX 5090显卡，认真投入AI相关的自媒体创作。
目前，我已积累了一些AI自媒体的技术经验，但这个公众号专注于遥感领域，因此我不会在这里展开讨论。
2025年7月初，我写了一篇文章，讨论了在当前的AI时代，我们是否还需要学习编程。
我的答案是肯定的。我们不能只依赖AI。我们要看得懂AI给我们的答案，起码，我们要知道自己期待的答案是什么。
2025年7月第二篇《输出是最好的学习》，属于劝学。我本身是一个懒人，持续学习只是为了让自己生活过得好一点点。
在我们这个行业，如果要涉及到编程，你是绕不开GDAL，我们有必要认真学习GDAL。
那么学习rasterio还是gdal呢？我给出了一些建议。
当然，你学到好也不一定能找到工作，因为遥感领域最大的难题是本科生毕业找工作的问题。
同时，高校也在与时俱进，设立新专业：时空信息工程。
因许久未更新公众号，近日从过往积累的代码库中整理并提炼出 SAR 去噪相关内容，于 2025 年 7 月 31 日正式发布。
7月共发表了9篇公众号文章，大部分的业余时间是在当一个赛博监工。
结合ai编程，我做几个有意思的东西。比如你看到的开头的视频就是全自动生成的（输入文字，输出视频）。
我以前说过不想做视频的原因是我不想用自己的声音。现在完全可以使用克隆声音的技术。
7月的总结到此结束，祝大家都生活顺利。
Shapefile修复工具 🗺️一个基于Web的Shapefile文件修复工具，专门用于检测和修复SHP文件中几何数据与属性数据不一致的问题。
这个项目展示了如何使用现代Web技术处理GIS数据格式，为GIS开发者和数据分析师提供了一个实用的在线工具。
📖 项目背景Shapefile是GIS领域最常用的矢量数据格式之一，由多个文件组成：
.shp - 存储几何数据
.dbf - 存储属性数据
.shx - 索引文件
.prj - 投影信息
在数据处理过程中，经常会出现几何数据与属性数据记录数不一致的问题，导致数据无法正常使用。
传统的解决方案需要使用专业的GIS软件或编写复杂的脚本，而这个工具提供了一个简单易用的Web界面来解决这个问题。
🌟 功能特点
🔍 智能检测：自动读取SHP和DBF文件头信息，精确计算记录数
🔧 自动修复：根据检测结果自动添加或删除记录以保持数据一致性
📁 多文件支持：支持.shp、.dbf、.shx、.prj文件的批量处理
🎨 现代化界面：响应式设计，支持拖拽上传，提供直观的用户体验
📊 实时反馈：详细的处理进度和结果展示，包 ...
rasterio是什么？GDAL (Geospatial Data Abstraction Library) 是地理空间数据处理领域的基石。它是一个用 C++ 编写的开源库
然而，GDAL 的强大也带来了它的“缺点”。它的官方 Python 绑定 (osgeo.gdal) 是从 C++ 代码自动生成的，这导致了它的 API 对于 Python 开发者来说不够友好。
Rasterio 的诞生就是为了解决 GDAL Python 绑定的这些痛点。它把自己定位为“GDAL for Python users”，它不是要取代 GDAL，而是架设在 GDAL 强大的能力之上，提供了一个更加现代、简洁和“Pythonic”的接口。
重要的一点是：Rasterio并没有重新发明轮子，它的核心功能依然依赖于GDAL。
我以前是通过学习rasterio的源代码，进而学习行业内的高手是怎么封装GDAL完成不同的功能。
这个过程的步骤是：
1.安装pycharm
2.安装rasterio
3.打开在pycharm打开某个rasterio的代码。
比如下面的是rasterio封装了matplotlib、nump ...
