本文复现了《Nature Climate Change》期刊中的一张热力图，通过Python的Matplotlib包实现了类似效果。文章详细介绍了绘制思路：使用白色间隔线分割单元格模拟正方形热力图，调整长宽比、刻度线和标签旋转等细节。虽然由于数据差异和色带名称未知导致颜色深浅与分布略有不同，但整体效果与原图相近。代码提供了模拟数据生成、热力图绘制及样式调整的完整实现，特别处理了单元格间隔和坐标轴格

本文复现了《Nature Climate Change》期刊中的一幅散点图，展示了使用Python绘制复杂散点图的技术要点。复现难点在于自定义标记（*和+符号）的实现以及多组数据图例的整合处理。通过自定义utils工具函数和Line2D方法，成功实现了对数坐标轴下的多组数据可视化，并分别处理了月份和地区的分层图例显示。完整代码已开源在GitHub仓库，包含数据模拟、样式设置和导出功能，为科研图表复

本文复现了Nature期刊2021年发表论文中的一张多子图柱状图，通过Python的Matplotlib库实现了高度相似的视觉效果。复现过程基于B站视频教程进行优化，将子图绘制代码封装成函数，便于扩展更多子图。文章详细介绍了绘图思路、数据提取方法和代码实现要点，包括柱状图颜色设置、坐标轴调整、图例处理等细节。代码采用模块化设计，支持自定义数据输入和样式调整，最终可导出为多种格式的高清图片。该案例适

前段时间试着用了ENVI的Deep Learning 1.2模块，感觉作为一个本地化的深度学习手段，其使用起来总体体验较为OK，就是比较依赖电脑配置配置

前段时间试着用了ENVI的Deep Learning 1.2模块，感觉作为一个本地化的深度学习手段，其使用起来总体体验较为OK，就是比较依赖电脑配置配置

前段时间试着用了ENVI的Deep Learning 1.2模块，感觉作为一个本地化的深度学习手段，其使用起来总体体验较为OK，就是比较依赖电脑配置配置

Google Earth Engine https://earthengine.google.com网站批量下载数据，需要有谷歌账号和科学上网。

Landsat 8/9 C2L2级别数据地表温度产品使用注意点

Landsat 8/9 C2L2级别数据质量评估产品使用注意点

Landsat 8/9 C2L2级别数据表面反射率产品使用注意点