python
未读我常常分不清楚python中的args和*kwargs的用法，所以才有这篇文章的编写的必要性。
args、*kwargs主要用于函数定义，可以将不确定个数的参数传递给一个函数。
在 Python 中，通过在函数定义中的参数名称的头部添加*和**（一个或两个星号），
可以在调用函数时指定任意数量的参数（可变长度参数）。
注意，参数的英文是argument。
*args一般的函数是确定参数的个数的。在这里，不确定个数的意思是，预先不知道使用者会传
递多少个参数。*args是代表一个非键值对的可变数量的参数列表给一个函数。
def test_args(*args):
if len(args) !=0:
for arg in args:
print('参数是：%s'%arg)
else:
print('这个函数没有输入参数')
test_args('1','2',3)
test_args()
test_args(‘1’,’2’,3)会返回：
参数是：1
参数是：2
参数是：3
test_args()会返回：
这个函数没有输 ...
为什么要监测珊瑚礁？原因有二：
1.研究珊瑚礁与气候的关系。因为珊瑚礁与海温是密切相关。
2.因为珊瑚礁基线变化导致海域丧失。
多数国家普遍承认，管辖范围从领海（距海岸或礁石低水位线最多 12 海里）到最多 200 海里的专属经济区。
专属经济区编纂了航行自由规则，并允许各国开发、保护和管理邻近水域的资源。
对于珊瑚岛，珊瑚礁的外部‘低潮线’被用作建立海域的法律基线。
现有主张的一种方法是使用 GPS 等地理坐标或卫星测深等遥感方法定义珊瑚礁基线。以防珊瑚礁自然消失。
气候变化以四种可能影响海洋边界的方式破坏珊瑚礁系统：海平面上升、海洋变暖、海洋酸化和风暴增加。
每一个都对相互关联的生物物理过程产生影响，这些过程允许珊瑚礁和岛屿的形成、撤退和整体结构稳定性。
例如，较高的温度会引发珊瑚和其他无脊椎动物（如巨型蛤蜊）中藻类共生体的排出，导致珊瑚白化，如果足够多的珊瑚生物死亡，可能会导致珊瑚礁坍塌。在未来的几十年里，这可能会导致珊瑚礁外部低水位线的收缩，从而降低海洋主张的基础。
随着海洋吸收越来越多的二氧化碳，海洋酸化，降低了它们的矿物质饱和度，使珊瑚更难形成。像鹿角珊瑚这样的造礁物种—— ...
其他知识
未读为什么物体潮湿时会变暗？
你是否想过，为什么向地上倒了一摊水，土地就变暗了？
首先，我们要知道，物体的亮或暗，取决于反射的光的数量。反射的光线多，就比较亮；反射的光线少，就比较暗。
当我们向土地倒水的时候，湿的那块地的表面就有一层水。在此之前，光可以100%击中那块地，现在必须穿过那层水才能被地面反射。有一些光会被水面反射，还有一些光会在水中被吸收，所以地面接受的光量就比以前少。
另外，光进入水中后，一部分光会出现漫反射，反射到人眼的光量进一步减少。
以上两个原因，使得一个物体变湿以后，人眼接收到的光量要小得多。这就是为什么物体潮湿时看起来更暗的原因。
严格的说，这个世界上其实就没有颜色，大自然不会在意自己是不是五颜六色，是不是漂亮或好看！颜色只是人类的眼睛和不同波长的光相互作用以后，在大脑里反应出来的结果。如果没有人类，当然也没有颜色这个说法。
大部分物体的原子会吸收光线，但不同物体的原子的口味不同，喜欢吸收的光线波长不同。例如，蓝色的牛仔裤，它就喜欢吸收除了蓝色以外的所用颜色的光，将不喜欢的蓝色发射出来被我们眼睛看到，我们就说这个裤子是蓝色的。
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 \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ ...
