植被遥感

利用seaborn、jupyter notebook、numpy、pandas和matplotlib进行遥感影像中植被指数NDVI、GCI、GNDVI和NGRDI的数据分析与统计。

红外光谱的植被数据，还搭配了物理和生化？嗯，这套数据集来自 1993 年 Ispra 的联合研究中心，信息挺全的。做近红外、光谱特征提取或者建模实验时，用它打底方便，尤其是你想验证下预方法好不好用。 里面的可见光和近红外数据，覆盖叶片、针叶、树干这些常见植被元素，还配了对应的理化属性。结合MATLAB 工具，比如多元散射校正、一阶/二阶导数预，调试起来挺顺的。 你要是还在翻数据源找靠谱的光谱样本，不妨先拿这个试试。还能跟近红外预方法对照练练手，或者跟拉曼光谱的特征做个对比研究，也蛮有意思。 ，这类有实测+标注+物理背景的数据，不多见。如果你正折腾遥感识别、机器学习建模之类的，拿来做训练集或校验

天宫二号数据的详细说明，包括中心波段及其单位。

遥感过程其实就是一个从信息获取到最终应用的全过程，涵盖了从数据采集、传输、到应用等各个方面。它涉及的技术内容挺复杂的，包括地物的光谱特性、传感器的选择、以及图像的等，如果想深入了解，可以多参考遥感试验和数据方法。对于初学者来说，理解这些技术的基础重要，尤其是在选择合适的工作平台和传感器时，能够提高遥感信息的准确性。遥感技术系统的组成也挺有意思，主要包括遥感试验、信息获取、等环节。遥感试验为数据的采集和了必要的支持，而传感器和遥感平台的结合则是确保信息采集精度的关键。对于图像的，你需要做辐射校正和几何校正等工作，确保数据的可靠性和可用性。嗯，如果你是做相关研究的，了解这些流程和技术细节肯定会对你

遥感数据太大不好传？试试这个基于张量字典学习的 MATLAB 代码，挺管用的！用了CP 分解加上ADMM 优化，还能做稀疏编码+量化压缩，压缩效果还不错。数据集是NDVI 的时间序列，如果你做植被指数，直接上手就行。代码结构清晰，两个.mat文件搞定训练和测试，跑通基本不费劲。

将您关注的shp格式区域与世界地图遥感栅格影像进行叠加，能够实现更精细化的数据分析和研究。

基于 SIFT 和 SURF 特征提取和匹配 使用 RANSAC 剔除误匹配 SIFT 代码基于 Lowe 源码 SURF 使用 MATLAB 内置函数 detectSURFFeatures()

使用multibandread函数来读取dat文件，可以显示单波段图像，也可以按照波段显示多波段图像。具体的方法已经在前文中详细解释过，multibandread函数的参数可以根据hdr文件进行配置。

用户交互式的遥感图像裁剪脚本，RasterSubsetViaShapefile.pro挺实用的，尤其你手头有不规则的shp矢量文件的时候。它支持输出成ENVI dat或TIFF，直接拿来做后续或者建模都比较方便，适合搞影像的朋友。 基于 IDL 写的裁剪脚本，使用起来还挺丝滑。用户选择输入图像和矢量边界之后，它会自动完成裁剪并输出格式化数据。不用再手动配坐标、转格式，效率提高不少。 像大面积不规则区域时，比如要裁个河流流域、一个山区的边界，用shp画好后丢进来就能跑。你也可以输出为TIFF方便接入 GIS 系统，或者输出dat继续跑 ENVI。 顺带推荐几个相关的资源，都是干货： Mat

此 MATLAB 教程提供基于 SIFT 算法的遥感图像配准代码，可用于图像配准，提高图像质量和分析精度。代码包含主函数和调用函数，支持 MATLAB 2019b 版本运行。只需按照指定步骤操作即可获得图像配准结果。