| |
| GEE(Python)环境搭建、基本原理、平台功能介绍 | GEE(Python)在SCI论文中的科学前沿应用; GEE(Python)本地化部署与环境搭建; GEE(Python)海量账号注册与登录技巧 GEE(Python)快捷键使用技巧综合介绍; GEE(Python)快速使用代码模块技巧介绍;
|
|
| GEE(Python)矢量数据类型详解(Geometry,FeaTure,FeatureCollection,List); GEE(Python)矢量数据函数功能(全国省/市/县数据筛选、合并、缓冲、删除); GEE(Python)矢量数据属性分析、统计与转换; GEE(Python)矢量研究区分块处理; GEE(Python)矢量全球遥感影像图幅生成;
|
|
| GEE(Python)栅格数据筛选; GEE(Python)栅格数据镶嵌与裁剪; GEE(Python)栅格数据的优化; GEE(Python)多源遥感数据可用性分析; GEE(Python)多源栅格产品数据的使用与优化。
|
|
| Sentinel-2遥感影像去云方法(3种); Landsat遥感影像去云方法(2种); 单幅遥感影像数据的下载方法与技巧; 影像数据集合批量下载的方法与技巧; 基于深度学习需求的高精度数据下载方法与技巧;
|
|
| GEE(Python)多维特征植被指数计算方法; GEE(Python)自动与经验阈值分割计算方法; GEE(Python)遥感数据统计分析; GEE(Python)土地利用分类统计分析; GEE(Python)基于长时序的统计变化分析。
|
|
| 基于开源数据的多维度样本获取; 基于RF随机森林方法的土地利用监督分类; 基于SVM支持向量机方法的土地利用监督分类; - 基于K-Means均值聚类的非监督分类;
|
|
| GEE(Python)全球深度学习样本构建; GEE(Python)沟通GEE深度学习的本地化部署; GEE(Python)深度学习的本地化训练与优化; 利用本地化部署GEE深度学习估算地上生物量; 深度学习精度评估方法与模型对比。
|
|
| GEE(Python)多源数据/多图幅叠加表达方式详解; GEE(Python)多源数据参数设置(位置/阴影/水文/纹理/颜色等); GEE(Python)多源数据综合制图规划与标准化设置; GEE(Python)全球尺度任意精美的研究区位置图; GEE(Python)全球尺度任意多维度时刻分析制图。
|
|