当前位置: 首页 > news >正文

GEE错误——影像加载过程中出现的图层无法展示的解决方案

问题:

// I don't know if some standard value exists for the radius, in the same, I will assume that some software would prefer to use square shape, but circle makes more sense to me.
// pixels is noice if you want to zoom in and out to visualize, but maybe for export or computation you would prefer meters 

// 我不知道半径是否有标准值,同样,我认为有些软件更倾向于使用正方形,但我认为圆形更合理。
// 如果你想放大或缩小以进行可视化,像素是不错的选择,但对于导出或计算,你可能更倾向于使用米。

很多时候你也会遇到这种情况,当我们对于加载后的影像出现无法展示或者其它一些可视化的问题时,就会出现上面的状况。

解决方案:

影像可视化范围应根据缩放级别进行调整,如果放大,平均区域显然会变小,差异也会变小。

本文的TPI指数的展示过程中出现的错误,其中TPI具体指

TPI指地形坡度指数(Topographic Position Index),它是一种用于描述地表地形的指数。TPI指数可以通过计算某一点周围区域的高程值来得出,其值代表了该点相对于周围区域的高度位置。TPI指数可以用于研究地形对生态系统和水文循环等方面的影响,也可以用于进行地貌分析和地形分类。

TPI地形指数在地貌分析和地形分类中具有以下作用:

1. 地形分类:TPI指数可以帮助将地表地形划分为不同的类别,如凹地、山脊、平原等。通过对TPI值的分析,可以更好地理解地形特征和地貌类型。

2. 地貌分析:TPI指数可以提供关于地表地形的详细信息,如坡度、地势起伏等。这些信息对于环境评估、土地利用规划和自然资源管理等方面非常重要。

3. 生态系统研究:TPI指数可以用于研究地形对生态系统的影响。不同的地形类型可能具有不同的水文条件、土壤类型和植被分布,因此TPI指数可以帮助揭示地形与生态系统之间的关联性。

4. 水文循环:TPI指数可以用于研究地形对水文循环的影响。高TPI值的区域可能具有较高的坡度和水流速度,可能对降雨径流和水资源分配产生重要影响。

总之,TPI地形指数在地貌学、生态学、水文学等领域中具有广泛的应用,可以提供对地表地形特征和其对环境和生态系统的影响的深入理解。

代码:

//COPERNICUS 加载可视化参数和研究区域var imageVisParam = {"opacity":1,"bands":["classification"],"min":0,"max":6,"palette":["a3e657","7fb543","5c8231","09570e","e09435","cd6fff","cc0e3a"]},geometry = /* color: #98ff00 *//* shown: false *//* displayProperties: [{"type": "rectangle"}] */ee.Geometry.Polygon([[[101.65166678243405, 72.74142473849005],[101.65166678243405, 50.79933635280348],[190.24541678243406, 50.79933635280348],[190.24541678243406, 72.74142473849005]]], null, false),Plots3 = ee.FeatureCollection("users/leaenguehard/Plots3"),RF_Entire_Area = ee.Image("users/leaenguehard/RF_Entire_Area"),geometry2 = /* color: #98ff00 *//* shown: false *//* displayProperties: [{"type": "rectangle"}] */ee.Geometry.Polygon([[[129.39412494682568, 65.42449957439194],[129.39412494682568, 64.53241214116831],[131.67928119682568, 64.53241214116831],[131.67928119682568, 65.42449957439194]]], null, false);// 加载DEM数据
var dataset = ee.ImageCollection('COPERNICUS/DEM/GLO30').filterBounds(geometry);
var elevationVis = {min: 0.0,max: 2500.0,palette: ['0000ff','00ffff','ffff00','ff0000','ffffff'],
};
var elevation = dataset.select('DEM')// 计算坡度坡向
var calculateSlopeAspect = function(image) {// Compute slope and aspectvar slope = ee.Terrain.slope(image);var aspect = ee.Terrain.aspect(image);// Return the image with new bands for slope and aspectreturn image.addBands(slope.rename('slope')).addBands(aspect.rename('aspect'));
};elevation=ee.Join.saveAll("match").apply(elevation,elevation,ee.Filter.withinDistance({distance:300, leftField:'.geo', rightField: '.geo', maxError:100}))elevation=ee.ImageCollection(elevation).map(function(im){var extendedIM=ee.ImageCollection(ee.List(im.get("match"))).mosaic().setDefaultProjection(im.projection())return calculateSlopeAspect(extendedIM).clip(im.geometry())
})elevation=elevation.mosaic()// 可视化图层
Map.addLayer(elevation.select('DEM'), elevationVis, 'DEM mosaic');
Map.addLayer(elevation.select('slope'), {min: 0, max: 45, palette: ['blue', 'green', 'yellow', 'orange', 'red']}, 'Slope');
Map.addLayer(elevation.select('aspect'), {min: 0, max: 360, palette: ['blue', 'cyan', 'green', 'yellow', 'orange', 'red']}, 'Aspect');// 打印影像结果
print('Number of copernicus Images:', dataset.size());
print(elevation)//进行核函数聚类处理的TPI指数
var TPI=elevation.select('DEM').subtract(elevation.select('DEM').convolve(ee.Kernel.circle(50,"pixels")))//调整范围
Map.addLayer(TPI, {min: -250, max: 250, palette: ['blue', 'yellow','red']}, 'TPI')

相关文章:

GEE错误——影像加载过程中出现的图层无法展示的解决方案

问题: // I dont know if some standard value exists for the radius, in the same, I will assume that some software would prefer to use square shape, but circle makes more sense to me. // pixels is noice if you want to zoom in and out to visualize…...

读图数据库实战笔记03_遍历

1. Gremlin Server只将数据存储在内存中 1.1. 如果停止Gremlin Server,将丢失数据库里的所有数据 2. 概念 2.1. 遍历(动词) 2.1.1. 当在图数据库中导航时,从顶点到边或从边到顶点的移动过程 2.1.2. 类似于在关系数据库中的查…...

QT如何检测当前系统是是Windows还是Uninx或Mac?以及是哪个版本?

简介 通过Qt获取当前系统及版本号,需要用到QSysInfo。 QSysInfo类提供有关系统的信息。 WordSize指定了应用程序编译所在的平台的指针大小。 ByteOrder指定了平台是大端序还是小端序。 某些常量仅在特定的平台上定义。您可以使用预处理器符号Q_OS_WIN和Q_OS_MACOS来…...

Maven配置阿里云中央仓库settings.xml

Maven配置阿里云settings.xml 前言一、阿里云settings.xml二、使用步骤1.任意目录创建settings.xml2.使用阿里云仓库 总结 前言 国内网络从maven中央仓库下载文件通常是比较慢的,所以建议配置阿里云代理镜像以提高jar包下载速度,IDEA中我们需要配置自己…...

由浅入深C系列八:如何高效使用和处理Json格式的数据

如何高效使用和处理JSON格式的数据 问题引入关于CJSON示例代码头文件引用处理数据 问题引入 最近的项目在用c处理后台的数据时,因为好多外部接口都在使用Json格式作为返回的数据结构和数据描述,如何在c中高效使用和处理Json格式的数据就成为了必须要解决…...

多媒体应用设计师 第16章 多媒体应用系统的设计和实现示例

口诀 思维导图 2020...

golang平滑重启库overseer实现原理

overseer主要完成了三部分功能: 1、连接的无损关闭,2、连接的平滑重启,3、文件变更的自动重启。 下面依次讲一下: 一、连接的无损关闭 golang官方的net包是不支持连接的无损关闭的,当主监听协程退出时,…...

用Python定义一个函数,用递归的方式模拟汉诺塔问题

【任务需求】 定义一个函数,用递归的方式模拟汉诺塔问题,三个柱子,分别为A、B、C,其中A柱子上有N个盘子,从小到大编号为1到N,盘子大小不同。现在要将这N个盘子从A柱子移动到C柱子上,但移动的过…...

二手的需求

案例1030 某天项目经理小王,从用户现场带回了需求,以图形的方式,交给了产品经理。告诉他就照这样设计,结果是项目经理放弃让产品经理出效果图。 原因是产品经理觉得项目经理带回来的需求有问题。项目经理解释产品经理不接受&…...

大厂面试题-JVM为什么使用元空间替换了永久代?

目录 面试解析 问题答案 面试解析 我们都知道Java8以及以后的版本中,JVM运行时数据区的结构都在慢慢调整和优化。但实际上这些变化,对于业务开发的小伙伴来说,没有任何影响。 因此我可以说,99%的人都回答不出这个问题。 但是…...

基本微信小程序的驾校宝典系统-驾照考试系统

项目介绍 系统模块分析是对系统的各个模块做出相应的说明以及解释。此系统的模块分别有用户模块、服务端模块和管理端模块这两大基本模块,其中服务端模块包括了首页、教练信息、教练咨讯、考试预约、我的等;而管理端模块则包括了个人中心、用户管理、教…...

02、SpringCloud -- Redis和Cookie过期时间刷新功能

目录 需求:代码流程过滤器类工具类过滤判断远程调用feign接口gitee 配置接口实现过滤器run方法测试:问题:秒杀功能完整分析图 需求: cookie应该写在网关中,网关中可以自定义filter过滤器,用来实现cookie的刷新和redis中key的刷新,延长用户的操作时间。 就是让用户每操…...

【报错】kali安装ngrok报错解决办法(zsh: exec format error: ./ngrok)

问题描述 kali安装ngrok令牌授权失败 在安装配置文件的时候报错:zsh: exec format error: ./ngrok 原因分析: 在Kali Linux上执行./ngrok时出现zsh exec格式错误的问题可能是由于未安装正确版本的ngrok或操作系统不兼容ngrok导致的。以下是一些可能的解…...

<学习笔记>从零开始自学Python-之-常用库篇(十三)内置小型数据库shelve

一、shelve简介: shelve是Python当中数据储存的方案,类似key-value数据库,便于保存Python对象,shelve只有一个open()函数,用来打开指定的文件(字典),会返回一…...

Redis快速上手篇七(集群-六台虚拟机)

Redis集群 主从复制的场景无法吗满足主机单点故障时需要引入集群配置 一般数据库要处理的读请求远大于写请求 ,针对这种情况,我们优化数据库可以采用读写分离的策略。我们可以部 署一台主服务器主要用来处理写请求,部署多台从服务器 &#…...

LeetCode 301. 删除无效的括号【字符串,回溯或BFS】困难

本文属于「征服LeetCode」系列文章之一,这一系列正式开始于2021/08/12。由于LeetCode上部分题目有锁,本系列将至少持续到刷完所有无锁题之日为止;由于LeetCode还在不断地创建新题,本系列的终止日期可能是永远。在这一系列刷题文章…...

面试经典159题——Day25

文章目录 一、题目二、题解 一、题目 125. Valid Palindrome A phrase is a palindrome if, after converting all uppercase letters into lowercase letters and removing all non-alphanumeric characters, it reads the same forward and backward. Alphanumeric charact…...

C# OpenCvSharp DNN 部署L2CS-Net人脸朝向估计

效果 项目 代码 using OpenCvSharp; using OpenCvSharp.Dnn; using System; using System.Collections.Generic; using System.Drawing; using System.Drawing.Drawing2D; using System.Linq; using System.Text; using System.Windows.Forms;namespace OpenCvSharp_DNN_Demo …...

Windows环境下MosQuitto服务器搭建,安装mqtt服务端软件

1、下载、安装MosQuitto服务器 下载地址:http://mosquitto.org/files/binary/ 根据平台选择相应的代码下载。 安装完成后,安装文件夹下部分文件的功能...

web前端JS基础-----制作进度条

1&#xff0c;参考代码 <!DOCTYPE html> <html><head><meta charset"utf-8"><title></title></head><body><progress id"pro" max"100" value"0"></progress><scrip…...

Linux 文件类型,目录与路径,文件与目录管理

文件类型 后面的字符表示文件类型标志 普通文件&#xff1a;-&#xff08;纯文本文件&#xff0c;二进制文件&#xff0c;数据格式文件&#xff09; 如文本文件、图片、程序文件等。 目录文件&#xff1a;d&#xff08;directory&#xff09; 用来存放其他文件或子目录。 设备…...

突破不可导策略的训练难题:零阶优化与强化学习的深度嵌合

强化学习&#xff08;Reinforcement Learning, RL&#xff09;是工业领域智能控制的重要方法。它的基本原理是将最优控制问题建模为马尔可夫决策过程&#xff0c;然后使用强化学习的Actor-Critic机制&#xff08;中文译作“知行互动”机制&#xff09;&#xff0c;逐步迭代求解…...

STM32标准库-DMA直接存储器存取

文章目录 一、DMA1.1简介1.2存储器映像1.3DMA框图1.4DMA基本结构1.5DMA请求1.6数据宽度与对齐1.7数据转运DMA1.8ADC扫描模式DMA 二、数据转运DMA2.1接线图2.2代码2.3相关API 一、DMA 1.1简介 DMA&#xff08;Direct Memory Access&#xff09;直接存储器存取 DMA可以提供外设…...

【算法训练营Day07】字符串part1

文章目录 反转字符串反转字符串II替换数字 反转字符串 题目链接&#xff1a;344. 反转字符串 双指针法&#xff0c;两个指针的元素直接调转即可 class Solution {public void reverseString(char[] s) {int head 0;int end s.length - 1;while(head < end) {char temp …...

初学 pytest 记录

安装 pip install pytest用例可以是函数也可以是类中的方法 def test_func():print()class TestAdd: # def __init__(self): 在 pytest 中不可以使用__init__方法 # self.cc 12345 pytest.mark.api def test_str(self):res add(1, 2)assert res 12def test_int(self):r…...

让回归模型不再被异常值“带跑偏“,MSE和Cauchy损失函数在噪声数据环境下的实战对比

在机器学习的回归分析中&#xff0c;损失函数的选择对模型性能具有决定性影响。均方误差&#xff08;MSE&#xff09;作为经典的损失函数&#xff0c;在处理干净数据时表现优异&#xff0c;但在面对包含异常值的噪声数据时&#xff0c;其对大误差的二次惩罚机制往往导致模型参数…...

Golang——9、反射和文件操作

反射和文件操作 1、反射1.1、reflect.TypeOf()获取任意值的类型对象1.2、reflect.ValueOf()1.3、结构体反射 2、文件操作2.1、os.Open()打开文件2.2、方式一&#xff1a;使用Read()读取文件2.3、方式二&#xff1a;bufio读取文件2.4、方式三&#xff1a;os.ReadFile读取2.5、写…...

高防服务器价格高原因分析

高防服务器的价格较高&#xff0c;主要是由于其特殊的防御机制、硬件配置、运营维护等多方面的综合成本。以下从技术、资源和服务三个维度详细解析高防服务器昂贵的原因&#xff1a; 一、硬件与技术投入 大带宽需求 DDoS攻击通过占用大量带宽资源瘫痪目标服务器&#xff0c;因此…...

VSCode 使用CMake 构建 Qt 5 窗口程序

首先,目录结构如下图: 运行效果: cmake -B build cmake --build build 运行: windeployqt.exe F:\testQt5\build\Debug\app.exe main.cpp #include "mainwindow.h"#include <QAppli...

机器学习复习3--模型评估

误差与过拟合 我们将学习器对样本的实际预测结果与样本的真实值之间的差异称为&#xff1a;误差&#xff08;error&#xff09;。 误差定义&#xff1a; ①在训练集上的误差称为训练误差&#xff08;training error&#xff09;或经验误差&#xff08;empirical error&#x…...