GEE | MODIS 500米土地利用数据

土地利用/土地覆盖数据整理

土地利用/土地覆盖数据是开展地理、生态、环境等研究的基础数据，本文对目前主流且开源的土地利用数据进行整理，随时更新，欢迎补充！

数据分享_MODIS_IGBP Land Cover土地利用数据

今日分享：MODIS_IGBP Land Cover土地利用数据今天来分享下以MODIS为数据源的全球土地利用数据产品IGBP Land Cover，空间分辨率为500m,它是通过使用 MODIS Terra 和 Aqua 反射率数据进行监督分类计算得出。在GEE调用的数据集为MODIS/006/MCD12Q1其官方下载网址为：https://lpdaac.usgs.gov/products...

GEE开发之MODIS_MCD12Q1数据分析和获取

Terra 和 Aqua 组合的中分辨率成像光谱仪 (MODIS) 土地覆盖类型 (MCD12Q1) 版本 6.1 数据产品每年提供全球土地覆盖类型。MCD12Q1 版本 6.1 数据产品是使用 MODIS Terra 和 Aqua 反射率数据的监督分类得出的。土地覆盖类型源自国际地圈-生物圈计划 (IGBP)、马里兰大学 (UMD)、叶面积指数 (LAI)、生物群落-生物地球化学循环 (BGC) 和植物功能类型 (PFT) 分类方案。

GEE学习总结（7）——MODIS 土地利用产品数据

MODIS 土地利用产品数据—MCD12Q1 MCD12Q1 V6产品提供六种不同的分类标准的每年全球土地覆盖类型产品。通过使用监督分类和后处理的方式，以及先验知识和辅助知识等用于进一步细化特定类的信息对MODIS Terra和Aqua反射率数据进行分类。 每年一套数据 空间分辨率：500米 //选择LC_Type1分类数据 var geometry = ee.FeatureCollection(" 矢量范围 "); var dataset = ee.ImageCollection('MODIS/006

GEE开发之Modis_LAI数据分析和获取

前言：主要介绍LAI的概念，以及GEE下如何获取查看Modis下的LAI指数，如何获取LAI的日数据、月数据和年数据。

GEE开发之Modis_ET数据分析和获取

前言：主要介绍Modis下的ET数据的获取和下载（日数据、月数据、年数据的下载）。

基于 GEE 下载 MODIS 500 米土地利用数据

基于 GEE 下载 MODIS 500 米土地利用数据。

GEE开发之Modis_GPP数据分析和获取

前言：主要介绍利用GEE获取Modis下的GPP数据。

Google Earth Engine（GEE）使用土地利用数据（modis）上采样Landsat数据提取农田范围

本研究主要使用MCD12Q1土地利用数据的500m分辨率影像，上采样到Landsat7的30分辨率影像中，进行农田属性的提取，提高农作物分类的精度。

GEE开发之Modis_NPP数据分析和获取

前言：主要介绍使用GEE获取Modis_NPP数据。

GEE中MODIS地表反射率产品比较

MOD09GQ、MOD09GA、MOD09Q1、MOD09A1、 MCD43A4.006 MODIS Nadir BRDF-Adjusted Reflectance Daily 500m

GEE开发之Modis_NDVI的数据分析

主要介绍MODIS中NDVI的逐日数据和逐月数据的获取。

望获实时Linux与国产芯片协同：打造LinuxCNC数控机床的全栈国产化方案

本文探讨了如何通过望获实时Linux与飞腾、龙芯等国产芯片的深度协同，为LinuxCNC数控机床打造全栈国产化方案。望获实时Linux通过中断隔离等核心技术，提供亚微秒级确定性响应，解决了传统Linux系统实时性不足的痛点，使LinuxCNC得以稳定驱动高精度机床。该方案实现了从硬件、操作系统到应用软件的全栈自主可控，为工业控制领域提供了高性能、可定制的国产化选择。

GEE：将MODIS数据从500米分辨率重采样到30米以后，下载的像元是斜的

将MODIS数据从500米分辨率重采样到30米以后，下载的像元是斜的。本文提供了解决该问题的方法。

Python量化交易实战：如何用vnpy+Tushare获取股票历史数据（附完整代码）

本文详细介绍了如何利用vn.py框架与Tushare数据接口，构建一个健壮的Python量化交易数据获取引擎。通过封装Tushare API，实现股票历史数据的自动化获取与格式转换，并适配vn.py的BarData结构，为策略回测与实盘交易提供稳定、高效的数据基础。文中提供了完整的代码实现，涵盖环境配置、核心封装逻辑及高级功能扩展。

三维重建之条纹投影结构光（三）——相位展开优化与多频外差实践

本文深入探讨了三维重建中条纹投影结构光技术的核心环节——相位展开优化。针对传统路径跟踪法存在的误差传播与路径依赖问题，重点解析了多频外差法的原理与优势，并通过详细的C++代码实践，展示了如何利用三频外差法实现鲁棒、高精度的相位展开，从而获得连续的绝对相位图，为后续三维点云生成奠定坚实基础。

GEE开发之Modis_NDVI数据分析获取大总结

前言：主要总结一下在GEE上获取Modis_NDVI数据的各种形式，主要包括MYD13Q1、MOD09GA、MOD13Q1、MOD13A1、MOD13A2以及日数据、月数据、年数据的获取和下载。

Qt中输出中文出现乱码（win10系统下）

当我刚开始在win10下使用Qt Creator（4.3.0版本）时，遇到过这么个问题：当程序输出中文时，中文会乱码，程序本身的中文未乱码。 乱码截图如下： 我查阅了很多资料，最后在自己的不断的尝试下，解决了乱码问题。进入主题，具体如何解决乱码？ ① 首先，我们先设置一下，可以直观在Qt界面上看到文件的编码方式： 点击工具（tool）->选项（option）->文本编辑器->显示->Diplayfileencoding，将其勾选上，点击apply，即可，截图如下...

GEE数据集合介绍之MODIS

摘要：本文系统介绍了MODIS遥感数据及其在Google Earth Engine平台的应用。MODIS是美国宇航局搭载在Terra和Aqua卫星上的传感器，提供全球覆盖的多光谱数据（250-1000米分辨率），包含地表反射率、植被指数、地表温度等核心产品。重点阐述了IGBP土地覆盖分类体系17类标准及其可视化方法，并以中国区域为例展示了GEE调用MODIS数据的代码实现流程。该数据适用于植被监测、火灾预警、气候研究等大尺度环境分析，但需注意其空间分辨率较低（最高250米）的局限性。

数学建模入门——数据预处理（全）

介绍了数据预处理的入门知识

【自动驾驶端到端5：VADv2: End-to-End Vectorized Autonomous Driving via Probabilistic Planning】

从大规模人类驾驶演示中学习类人驾驶策略是有希望的。但是，规划的不确定性使得从驾驶演示中提取驾驶知识是有挑战性的。从统计学习的角度来看，动作（包括实际和速度）是高度随机的，受许多无法建模的潜在因素影响。

【GEE】基于MODIS产品的NPP NDVI EVI数据提取

采用GEE基于MODIS遥感影像，对多种植被指数数据进行提取。代码附带如下，更多推文及问题请关注公众号GIS攻略！

【AI就业干货12】机器学习八股文速通：从损失函数到 XGBoost，一篇带走全部面试点

本文总结了机器学习面试的核心知识点，涵盖监督与非监督学习、线性模型、正则化、决策树、KNN/K-means、SVM、集成学习、梯度下降、评估指标、特征工程、降维、概率模型等内容。重点包括：损失函数选择（MSE/交叉熵）、正则化作用（L1稀疏/L2平滑）、决策树划分准则、集成学习方法（Bagging降方差/Boosting降偏差）、XGBoost优化等。提供了30秒速记口诀和XGBoost代码示例，帮助快速掌握面试要点。全文采用公式+代码+口诀的形式，系统梳理了机器学习从理论到实践的常见考点。

基于GEE的MODIS数据年均EVI计算

一、MODIS数据介绍 MODIS数据产品主要包括校正数据产品、陆地数据产品、海洋数据产品和大气数据产品，若按处理级别划分，又可以分为以下6种： 0级产品：也称原始数据；1级产品：指L1A数据，已经被赋予定标参数；2级产品：指L1B级数据，经过定标定位后数据，本系统产品是国际标准 的EOS-HDF格式。包含所有波段数据，可能是应用比较广泛的一类数据。；3级产品：在1B数据的基础上，对由遥感器成像过程产生的边缘畸变（Bowtie效应）进行校正，产生L3级产品；4级产品：由参数...

综述性论文别再堆砌文献！用GPT-5.1 Thinking轻松攻克四大关键难点，真正实现高效高质撰写（附AI提示词）

逻辑构建上以往都是先梳理一篇文献的领域研究脉络，明确其发展阶段、核心议题等，再搭建初步的大纲，借助思维导图或者别的方式将筛选后的文献观点按主题归类到对应章节，理清楚每个章节间的递进或并列关系，最后再逐个章节进行补充过渡表述，那么做的目的其实就是摆脱文献堆砌问题。人工做法往往是对比不同文献的研究方法、数据来源与核心结论，再清晰标注每类成果的优缺点，找到文献中存在的争议焦点，找到之后再梳理争议产生的核心原因，最后在基于现有研究，推出还未被探索的研究方向，从而提炼出创新切入点。2）文献之间的相同点与不同点；

Camera2Demo

在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作

GEE平台收录的MODIS数据产品介绍（一）

在单个数据层中，将日期编码为燃烧发生的日历年的第几天，将值分配给未燃烧的土地像素，并为丢失的数据和水网单元保留额外的特殊值。国际地圈-生物圈计划(IGBP)、马里兰大学(UMD)和叶面积指数(LAI)分类方案的地图，以0.05度(5600米)的空间分辨率，以每年为间隔提供2001年至2022年全球地图。当这种情况发生时，像素值是所有符合条件的观测值的平均值。它的设计目的是连续地表示地球陆地表面的基本植被特征的比例，它提供了三个表面覆盖成分的等级:树木覆盖百分比、非树木覆盖百分比和光秃秃的百分比。

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

GEE1：由GEE生成逐月MODIS的NDVI影像

在遥感中，常常会提到NDVI，它的全称是 Normalized Difference Vegetation Index，也就是归一化差分植被指数，是反映农作物长势和营养信息的重要参数之一，它的计算原理很简单，就是近红外波段的反射值与红光波段的反射值之差比上两者之和。即 NDVI=(NIR-R)/(NIR+R)，NIR为近红外波段的反射值，R为红光波段的反射值。......

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，