meimaid绘制流程图平时撰写公众号、知乎、CSDN等使用TyporaTypora是一款Markdown编辑器，支持meimaid，十分方便下面来学一下流程图语法：首先要有以下格式```mermaid召唤mermaid编辑栏开始写代码节点文本框graph LR;id#mermaid-svg-yCfSMf6coClPfYmO {font-family:"trebuchet ms",verdana,

查看DEM的属性，若未进行投影，需要先投影数据，否则出来的坡度都是90左右的异常值。

有兴趣的同学可以see this: https://geemap.org/notebooks/118_download_image/直接上代码，以MCD12Q1的IGBP Land Cover为例。顺便比较了传统GEE python的下载速度。顺便比较了传统GEE python的下载速度。

画一个比例尺带'N'文字注释主要参数如下:param ax: 要画的坐标区域 Axes实例 plt.gca()获取即可:param labelsize: 显示'N'文字的大小:param loc_x: 以文字下部为中心的占整个ax横向比例:param loc_y: 以文字下部为中心的占整个ax纵向比例:param width: 指南针占ax比例宽度:param height: 指南针占ax比例高度

Matplotlib更多的色卡可见：https://matplotlib.org/stable/tutorials/colors/colormaps.html。seaborn在此基础上封装的更厉害，直接使用palette=colorname即可。python绘图一般使用两个库，

2021 MCM问题A：真菌图1：在各种温度下，各种真菌的菌丝延伸率（mm /天）与木材分解率（122天的质量损失百分比）之间的关系。（[1]中的图1C）研究单个真菌的变化，多个真菌的竞争环境，不同环境对真菌的影响，没有数据，要自己选择数据建立模型，感觉难度中等。2021MCM问题B：扑灭野火澳大利亚的2019-2020火灾季节在每个州都造成了毁灭性的野火，对新南威尔士州和维多利亚州东部的影响最大

EF题总体来看，本人认为两题较相似，比较考验偏文科的能力。问题的关键在于确定指标，然后是数据驱动。最后对其进行数据处理即可。E题题目的味道更像是多条件的规划问题 F更像是获得数据进行数据分析（回归/时间序列/...）E题的关键点有下：1.粮食系统：整个粮食系统是怎么样的，从生产、消耗、进口、利润等等，明白运作方式才能总结模型。必须要先建立量化指标！是整个研究的第一步我们采用比赛题目上提供的三个网站

这回答了“发生了什么”的问题，但接下来我们要回答的是中国为什么采取这种方法。把卫星地图和官方的GCJ-02地图进行重合可以发现，两者的偏差是非线性的。实际情况是，高德地图将把 GCJ-02 信息提供给谷歌用于地图绘制，但某些敏感信息将被遮挡或保留。官方要求中国所有的地图使用GCJ-02坐标系（被广泛称为火星坐标），而从其他坐标系到GCJ-02坐标系的转换算法是保密的。在中国地图中，存在偏移，这意味

通过3D-CNN，研究人员能够自动提取数据中的空间和光谱特征，这比传统的机器学习方法如支持向量机和随机森林更加高效。卫星图像包含三个以上的波段，下图显示了一个包含 R行、C列和 B个波段的卫星图像立方体。下图描绘了卫星图像中的块。由此可见，AI技术在遥感中的应用不仅提升了数据处理效率，还带来了新的研究思路和创新方法。回顾本文基本复现了RSE的方法和各种图，准确度优于原文章的同时，也提供了一种新的方

选择你想要转换数据的目标坐标系，如最常见的WGS84地理坐标系等等，这里我想要数据和已有数据（土壤湿度）坐标系一致，选择导入土壤湿度的坐标系，点击地球图标，Import。也可以自己修改Nodata的值，这里Nodata默认为128，会增加额外的存储开销，所以这里给了提示，点击Yes忽略即可。加载数据，若加载数据的过程中，出现以下提示，则说明坐标系不一致，建议转换。，这个投影操作直接改了源数据，是不