大部分我们处理的降水、气温等栅格数据的格式是nc形式，需要我们将他转换成栅格数据并导入至Arcgis中，进行下一步操作。转好之后的数据我们就可以拿来用了，下面我们通过python代码实现快速的栅格属性导出至EXCEL表中。之后我们根据自己的研究区进行裁剪【Spatial Analyst 工具-提取分析-按掩膜提取】下面我们将裁剪好的研究区进行栅格转点【转换工具-由栅格转出-栅格转点】

之前一直使用的是javaScript版的GEE，方便是方便，但我想完成的功能大概还是得借助python吧。于是花了好几天从零开始安装配置。虽然路上遇到好多问题，但好在最终结果还不错。发现好像python版的GEE教程其实没有JS版的多？就安装这个过程想找一个系统有时效性的教程都很不容易哎。参考的教程标在下面，主要是更新和修改一小部分内容。

则会出现No module named numpy报错，即使是在python程序开头导入"import numpy as numpy"在dos窗口找到python安装位置输入"pip install numpy --ignore-installed numpy"语句。（1）是直接在dos窗口找到python安装位置直接输入"pip install numpy"语句。在命令行窗口中输入"pip in

在run——edit configuation这里，并且点开需要编辑的脚本。选择了一个之后会自动地出现在下面。如果没有的话，需要选上启动方式。有没有指定启动方式——

目录以下是10个全球GIS数据集的列表，您可以免费下载。

最近在用python处理一些遥感方面的数据，看到很多有用的帖子和文章，就在这里汇总记录一下。

首先，相同值的邻近像元的数量必须多到可以成为众数值，或者至少一半的像元必须具有相同值。栅格数据获取的途径多种多样，造成了栅格数据质量的很大差异，一些质量较差的栅格数据存在大量“噪音”象元，即在表达同类型的地理要素时，出现个别像元值与周边像元不一致的情况，数据中噪音栅格象元的存在为数据的使用和分析带来了极大的不便，因此经常需要对栅格进行平滑的预处理操作。在下图中，主滤波应用于输入栅格，使用最近的四个

蓝色点是属于a类型的样本点，粉色点是属于b类型的样本点。原理：如果一个样本在特征空间中的k个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，那么该样本也属于这个类别。中自带的数据集，我们只需要直接调用它，然后打乱它的顺序来进行我们自己的分类预测。test_size： 测试数据占比，用小数表示，如0.25表示，75%训练train，25%测试test。然后把我们需要的数据转换成DataF

金字塔可用于改善性能。它们是原始栅格数据集的缩减采样版本，可包含多个缩减采样图层。金字塔的各个连续图层均以 2:1 的比例进行缩减采样。如下图所示。从金字塔的底层开始每四个相邻的像素经过重采样生成一个新的像素，依此重复进行，直到金字塔的顶层。重采样的方法一般有以下三种: 双线性插值（BILINEAR）、最临近像元法（NEAREST）、三次卷积法（CUBIC）。其中最临近像元法速度最快，如果对图像的

在学习聚类算法的过程中，学习到的聚类算法大部分都是针对n维的，针对一维数据的聚类方式较少，今天就来学习下如何给一维的数据进行聚类。