【案例实践】长时间序列遥感数据分析与代码实现技术应用

【查看原文】长时间序列遥感数据分析与代码实现技术应用

本内容主要从遥感数据预处理，长时间序列遥感数据构建分析进行训练、巩固，及注意事项及技巧.同期数据替换的时候，一般怎么操作。空间滤波有时候会扩大之前数据异常值的的范围，特别是均值滤波，需要注意什么？.拿到数据的时候，要检查检查投影和缺失值异常值等，都是经验及技巧累积，达到学员熟练应用的效果。具体内容如下！

IDL是一种数据分析和图像化应用程序及编程语言，使用者可以迅速且方便地运用此软件将数据转换为图像，促进分析和理解。通过软件转化的图像既可以是简单色彩，也可以是全色三维图像和模型。计算可视化语言，集开放性、高维分析能力、科学计算能力、实用性和可视化分析为一体。IDL语言内置的数学库函数可以大大地减少图象处理算法开发的工作量，用IDL语言写的程序可以不加修改地在其他可以运行IDL的平台上运行，这样开发出来的系统自然地具有可移植性。由于IDL语言是解释性语言,其运行速度受到影响，对于速度要求较高的功能可以直接用标准C语言编写,利用IDL与C的接口在IDL语言中调用C模块实现高速度。IDL 语言的许多函数可以支持不同的数据类型， 例如ROT 旋转函数可以旋转字节型、整型及浮点型的矩阵数据。

【内容简述】：

专题一、长时间序列遥感数据讲解与经验分享
1. 时间序列遥感数据的概念
2. 遥感数据介绍（MODIS、LANDSAT、Sentinel-2、HJ、GF….）
3. 时间序列遥感数据的应用
4. 时间序列遥感数据应用心得
5.时间序列遥感数据分析的现状和发展趋势

专题二、遥感数据预处理
1. IDL简介和安装
2. 数据的批量下载(MODIS)
3. 数据的批量读取和格式转换（HDF转tif, hdr）
4. 数据的批量转投影（SIN转Geographical、UTM）
5.时间序列数据拼接、裁剪批处理代码

专题三、长时间序列遥感数据构建
1. 归一化植被指数等遥感指数计算
2. 构建长时间序列数据集
3.感兴趣区域和站点时间序列数据提取（按行列号、矢量边界提取）

专题四、时间序列滤波模型
1. SG滤波原理
2. SG滤波特点
3.时间序列数据SG滤波及代码实现

专题五、基于季节自回归滑动平均（SARIMA）的时间序列影像分析
1. SARIMA简介和原理
2. SARIMA优缺点
3.基于SARIMA的时间序列影像分析及代码实现

专题六、基于动态谐波回归（DHR）的时间序列遥感影像分析
1. DHR简介和原理
2. DHR特点
3. 基于DHR的MODIS时间序列分析及代码实现

【其它相关推荐】：

高光谱数值建模技术及在植被、水体、土壤信息提取领域应用技术

如何利用ArcGIS探究环境与生态因子对水体、土壤、大气污染物等影响

陆面生态水文模拟与多源遥感数据同化的实践技术应用

无人机遥感在农林信息提取中的实现方法与 GIS 融合制图

PROSAIL 模型前向模拟与植被参数遥感提取代码实现

无人机生态环境监测、图像处理与 GIS 数据分析综合应用

基于PyTorch深度学习无人机遥感影像目标检测、地物分类及语义分割教程

农林生态专业软件模型：DSSAT、Meta 分析、CASA、Biome-BGC、CENTURY、CMIP6、InVEST模型等

统计语言类教程：贝叶斯统计学、Copula、SEM、极值统计学、混合效应模型、PyTorch深度学习、科研数据可视化