遥感影像

高程 ：高程指的是某点沿铅垂线方向到 绝对基面 的距离，称绝对高程，简称高程。某点沿铅垂线方向到某假定 水准基面 的距离，称 假定高程 。 高程测量 （height determination）： 确定地面点高程的测量工作。一点的高程一般是指这点沿 铅垂线 方向到大地水准面的距离，又称海拔或绝对高程。 数字正射影像 （Digital Orthophoto Map 简称DOM)）是利用数字高程模型对扫描处理的数字化的 航空像片 / 遥感影像 （单色/彩色），经逐个象元进行 投影差 改正，再按 影像镶嵌 ，根据图幅范围剪裁生成的影像数据。 正射影像： 是具有 正射投影 性质的 遥感影像 。原始遥感影像因成像时受传感器内部状态变化（光学系统畸变、扫描系统非线性等）、外部状态（如姿态变化）及地表状况（如地球 曲率 、地形起伏）的影响，均有程度不同的畸变和失真。对遥感影像的几何处理，不仅提取空间信息，如绘制 等高线 ；也可按正确的几何关系对 影像灰度 进行重新采样，形成新的正射影像。正射影像制作主要采用专用设备来进行，如平坦地面中心投影式 航空像片 ，可用光学机械型 纠正仪 。 数字表面模型 ：（Digital Surface Model，缩写DSM）是指包含了地表建筑物、桥梁和树木等高度 的地面高程模型。和DEM相比，DEM只包含了地形的高程信息，并未包含其它地表信息

之前一直想做一个深度学习样本制作工具，但是一直时间不多，今天终于开发完毕，再也不用其他人的工具了。不多说了，这里只需要输入遥感影像路径与arcgis中绘制的shp文件路径， 就可以制作样本了，生成固定块大小的样本，我暂时还没有制作成gui工具，都是一些脚本，废话不多说，我们看一下关键代码： % use shape file to clip raster, deep learning semantic segmentation % samples! % Author: Mr zhipan wang, Email:1044625113@qq.com, Date:2020-3-12, % ChangSha,Hunan province,China,have a nice day! clear tic sampelSize = 525; % 需要裁剪的样本块大小 %% read raster data and shaplefile and padarray of our raster image imgfilename = 'C:\Users\Administrator\Downloads\深度学习变化检测\compositeband\2015_2018_composite.tif'; shp = 'C:\Users\Administrator\Downloads\深度学习变化检测

新一期资源整理。 1 Coding: 1.遥感变化检测相关资源。 awesome remote sensing change detection 2.计算机组成原理流水线资源。 awesome pipeline 3.R语言包salmix，用极大似然方法拟合时间序列数据的概率分布。 salmix 4.实现地球动图的代码与说明。 earth atlas of space 5.R语言版本rsample，用于创造和综合不同类型的重采样对象。 rsample 6.使用NGINX在HTTPS (DoH/DoT网关)和GSLB进行域名系统配置的示例。 nginx dns 7.漂亮和好用的Mac系统上的Redis的数据库管理应用。 medis 8.另一个快速，更好更稳定的redis数据库桌面应用，可以在Linux，Windows和Mac系统上编译。 AnotherRedisDesktopManager 9.Vesper(物种库可视化)是一个可视化的集合，用于检查达尔文核心档案文件(DWCAs)，包括分类、地理和时间视图。 vesper 10.使用Jupyter notebook和Jekyll创建一本在线书籍。 jupyter book 11.文献引用格式文件。可以用于Latex的CSL文件。 styles 12.Python里的统计气候降尺度实现。 scikit downscale 13

内陆湖泊云量统计（基于GOCI卫星数据） 背景 正文 太湖 云量日历 月变化 背景 “云”一直是可见光陆地和水色遥感的“物理”障碍，在中国大部分南方地区全年阴雨天气居多，寻找晴空的遥感影像是进行地物遥感监测的第一步，为了方便广大水环境遥感从业人员从历史影像中快速寻找晴空天气。我对2012年-2019年的各大湖泊每日云量进行了统计（一般选取上午11时-下午3时期间成像的卫星数据），前期制作的湖泊数目有限，后期会不断扩充。 正文 太湖 太湖作为我国第三大淡水湖，是江苏无锡等市的重要饮用水源地之一，但是近些年的水环境状况一直不容乐观。太湖水体富营养化严重，氮磷含量超标，每年都会周期性地发生蓝藻水华、湖泛等生态灾害事件。同时湖东的围网养殖区、水生植被是遥感地物识别的理想研究对象。 云量日历 下面看一下太湖2012-2019八年间的逐日云量状况： 月变化 月度求平均后按照云量多少进行排序，结果如下： 我们发现夏季（红色）和冬季（蓝色）月份的晴空天气较多（平均云量较少），因此太湖的野外测量为了增大和卫星数据匹配的概率，最好选择在7、8月分或12、1月份进行。 来源： CSDN 作者： Quason 链接： https://blog.csdn.net/Quason/article/details/104226088

一、前言 在刚刚过去的2019年末，有两则几乎同时发生的新闻刷爆了网络： 一则是： 另一则是： 1.1 全民环保热情高涨——郑大河大西兰花之争 事件起因则是支付宝官方微博发布的一项活动：蚂蚁森林年底感恩回馈，在12月23日当天浇水榜第一的高校，支付宝将送出1吨西兰花。 活动一经推出，引起各个高校的强烈反响，尤其是河大郑大参与的热情高涨，几乎进行了全体师生的动员： 然后在各位同学校友朋友的大力支持下，竞赛进入白热化阶段： 最后，河南大学以1200吨、领先81棵樟子松的成绩成为最终赢家。支付宝随后发布微博，追加郑大1吨西蓝花，“让公益之心绽放，让CP之谊长存！ 最后为了这个一吨的西兰花的缺口，河南农大也参与了进来： 1.2 华能千亩毁林草事件 近日，一篇《华能陕北光伏项目施工，推平毛乌素沙漠千亩林草地》的新闻报道将央企华能集团推上风口浪尖。 事件一经爆出，引发了巨大的社会反响： 二、毛乌素沙漠治理现状 2.1 毛乌素沙漠简介： 毛乌素沙漠是中国四大沙地之一，位于陕西省榆林地区和内蒙古自治区鄂尔多斯市之间，面积达4.22万平方公里。其位置位于北纬37°27.5′—39°22.5′，东经107°20′—111°30′。包括内蒙古自治区的鄂尔多斯南部、陕西省榆林市的北部风沙区和宁夏回族自治区盐池县东北部。 1959年以来，已大力兴建防风林带，引水拉沙，引洪淤地，开展了改造沙漠的巨大工程

遥感影像与处理的一般流程 辐射定标 → 大气校正 → 几何校正 → 正射校正 【遥感影像校正/纠正分为几何校正和辐射校正，几何校正又可分为粗纠正、精 纠 正、混合 纠 正和正射校正等；辐射校正分为辐射定标、辐射校正、大气校正等。】 一 . 辐射校正、辐射定标和大气校正的关系 辐射校正包括辐射定标和大气校正，辐射定标是为大气校正做准备 1. 辐射校正 Radiometric correction 指在光学遥感数据获取过程中，产生的一切与辐射有关的误差的校正 2. 辐射定标 Radiometric calibration 是用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度，这个过程就是辐射定标。 辐射定标是将记录的原始 DN值 转换为大气外层表面反射率（Apparent reflectance，又称辐射亮度值） DN值（ Digital Number ） ： 是 遥感影像像元亮度值，记录地物的灰度值。为 无单位整数， 值大小与传感器的辐射分辨率、地物发射率、大气透过率和散射率等相关。反映地物的辐射率（ Radiance ）。 地表反射率（ Surface reflectance/ albedo ）：是地面反射辐射量与入射辐射量之比，表征地面对太阳辐射的吸收和反射能力。反射率越大

之前一直想开发一种全自动的大气矫正方法，但是基于6s等模型方法，需要气溶胶等各种参数问题，导致开发一直处于停滞状态，最近看到了南京信息工程大学的MD教授发表在Remote Sensing上面的大气校正方法，感觉很有意思，特此实现一把。 这个大气校正方法的核心思想是，只需要太阳和传感器方位角、高度角、表观反射率数据即可，这就非常方便了，无需任何大气参数输入了，从本质上来说，其实是对6S大气矫正模型的简化而已。 下面对其核心原理进行一下分析： 如果各位有任何问题，欢迎联系 qq1044625113;Email:1044625113@qq.com. 我简单用纯matlab进行了实现（之所以没用python，是因为懒），如果需要代码可以同我联系，下面是大气矫正完的结果： 从这个结果可以看出，还是很不错的，地表反射率基本上符合视觉效果，我对其中的数值进行了比较，结果不错！ 这个算法有一个好处，就是只需要方位角、天顶角参数即可，无需复杂大气参数等，对于国产高分一号、高分二号、高分六号都可以进行，这就非常方便，这完全能够应用到大批量工程生产中， 如果用并行算法、GPU计算等，把效率拔高一个档次不是问题，纯matlab代码下，i7 7700HQcpu执行完大概是60秒，IDL代码需要5倍以上时间。。。为什么IDL这么慢。。。 说一句题外话，我个人 觉得真正的研发是服务于大批量的工程生产中的

qq1044625113;Email:1044625113@qq.com. 如果用并行算法、GPU计算等，把效率拔高一个档次不是问题，纯matlab代码下，i7 7700HQcpu执行完大概是60秒，IDL代码需要5倍以上时间。。。为什么IDL这么慢。。。 说一句题外话，我个人 觉得真正的研发是服务于大批量的工程生产中的，任何空中楼阁的算法研究是没有任何意义的， 这与MIT的思想是一直的，我从研究生毕业后，转变了观念，不管是因为兴趣还是什么的，我都会思考一下， 这个东西是否真的有用，是否能真的大批量用起来，或者说能够改变现有模式。我举一个例子，遥感影像去云，很多人写文章喜欢用多期影像去替换云区域，我的内心其实很想说一句，有时候只有这么一 景，我去哪里找替换的呢？所以我觉得这个研究其实意义不大，应当转向如何大批量全自动云掩膜、全自动替换的工程研究中，例如分块GPU并行等。 来源：博客园 作者： 我爱木叶123qq 链接：https://www.cnblogs.com/wzp-749195/p/11796457.html

typedef unsigned __int16 uint16_t; typedef unsigned unsigned char uint8_t; int stretch_percent_16to8(const char *inFilename, const char *dstFilename) { GDALAllRegister(); //为了支持中文路径 CPLSetConfigOption("GDAL_FILENAME_IS_UTF8", "NO"); int src_height = 0; int src_width = 0; GDALDataset *poIn = (GDALDataset *)GDALOpen(inFilename, GA_ReadOnly); //打开影像 //获取影像大小 src_width = poIn->GetRasterXSize(); src_height = poIn->GetRasterYSize(); //获取影像波段数 int InBands = poIn->GetRasterCount(); //获取影像格式 GDALDataType eDataType = poIn->GetRasterBand(1)->GetRasterDataType(); //定义存储影像的空间参考数组 double adfInGeoTransform[6

从遥感影像上看拆除――秦岭北麓大规模清理前后纪实 秦岭北麓大规模清理距今过去一年了，现在我们回首来看看拆除地块的过去和现在。 下面我们就来看几个典型地块的影像资料： 一、群贤别业 拆除前的群贤别业： 刚拆除后的群贤别业： 土地复绿后的群贤别业遗址： 未拆除前的实景照片： 拆除现场的实景照片： “群贤别业”别墅群被拆除后的地块已改为秦岭和谐森林公园： 二、紫薇山庄 紫薇山庄拆除前的卫星影像图： 刚拆除后的卫星影像图： 土地复绿后的紫薇山庄卫星影像图： 三、馨兰湾 馨兰湾拆除前的卫星影像图： 馨兰湾刚拆除后的卫星影像图： 馨兰湾土地复绿后的卫星影像图： 四、西安院子 西安院子拆除前卫星影像图： 从图中可以看到西安院子分为东西两个部分，西边的别墅区已经建好入住，绿化完善，东部的区域北半部分别墅基本成型，南半部分还处在基础浇筑阶段。 西安院子拆除过程中卫星影像图： 由图可见2018年10月12日，西安院子东区南部分的基础地基已被拆除整平。 西安院子拆除后的卫星影像图： 由图可见，西安院子东区北部的别墅区已经完全拆除，南部的一部分地区已经进入复绿阶段。 未拆除前西安院子实景图片： 五、草堂山居 草堂山居拆除前卫星影像图： 草堂山居拆除中卫星影像图： 从2018年10月12日卫星影像看到，草堂山居西边一部分别墅区已经被拆掉。 草堂山居拆除后卫星影像图： 从2019年1月16日的卫星影像可以看到