前段时间因为考研的原因一直没能更新，已经完成了农作物种植结构的提取，现在给大家分享一下。主要也是结合前面写过的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，将以上结果作为研究的基础，结合物候特征，光谱特征，地形特征，选择随机森林算法进行农作物的提取。

通过arcpy来代替arcgis来做分析，可以通过流程化处理，减轻通过arcgis手动处理的工作量。以下python均在arcpy库中进行，前后端交互的操作，需要自己进行处理，openlayers点击操作发送的请求，由后端的接口接收，只需在方法名上方加入以下代码即可。

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。

第一次使用spot进行水体提取，这里提供一个简单的方法，就是通过NDWI指数进行水体提取，但是spot影像和其他遥感数据有些区别，所以在提取过程中，需要注意一些问题。1.影像下载首先进入spot影像下载地址网站进行spot影像下载，模糊查询感兴趣区域的范围，进行影像筛选，因为后续需要通过波段进行指数计算，在这里我下载了HRVIR1和HRVIR2传感器的多光谱影像。2.影像加载及镶嵌在下载完影像之后

本篇主要介绍如何加载单幅Sentinel2影像，以及合成长时间序列感兴趣区域的影像集合，自己在写代码的过程中，出现了一些问题，比如导出的影像会以多幅tif影像出现，导出的影像在Arcgis中加载全为黑色，也看了一些博主的博客，有的解释很简单，在这我会详细解释一下，让大家少走弯路（被我走完了）。遇到问题的同学可以直接跳转到第三部分。目录1.单幅影像合成2.特定长时间序列影像合成3.导出为多幅影像以及

Spring boot简介Spring boot 是为了简化Spring应用开发而生，boot即为快速启动的意思。Spring boot 可以在零配置的情况下一键启动，简洁而优雅。为了让Spring开发者拥有更好的体验，感受一站到底的痛快，Spring团队也做了以下设计：简化依赖，提供整合的依赖项，告别逐一添加依赖项的烦恼；简化配置，提供约定俗成的默认配置，告别编写各种配置的繁琐；简化部署，内置

本篇主要介绍如何加载单幅Sentinel2影像，以及合成长时间序列感兴趣区域的影像集合，自己在写代码的过程中，出现了一些问题，比如导出的影像会以多幅tif影像出现，导出的影像在Arcgis中加载全为黑色，也看了一些博主的博客，有的解释很简单，在这我会详细解释一下，让大家少走弯路（被我走完了）。遇到问题的同学可以直接跳转到第三部分。目录1.单幅影像合成2.特定长时间序列影像合成3.导出为多幅影像以及