如何将深度学习与GIS结合？GEE+Tensorflow教程！！！！！！

Sentinel-2-GEE

水质基 该存储库包含用于使用Google Earth Engine从遥感数据评估水质的脚本 如果使用这些材料或脚本中的任何一种，请引用：Page，BP和D.Mishra（2018），《结合Sentinel-2A和Landsat-8进行内陆水质监测时的修正大气校正》，ISPRS J照片，正在审查中 要求： 这些脚本需要一个帐户。 要在，请下载javascript文件，然后单击“运行”。 要在Python环境中使用，请安装GEE Python API并在您选择的Python IDE中运行程序。 内容： javascript /包含javascript实现的水质处理代码 python /包含水质处理代码的Python实现 贡献： 如果您有任何想法，请提出并告诉我们您的想法。 如果您想贡献，请分叉存储库并根据需要进行更改。 拉请求是欢迎的。 免责声明： 这是一个正在进行的工作。 脚本

是一款传奇引擎的超级插件 在别的地方拿来的 因为我不会用所以上传给大家 希望大家开发出更好的工具

Penman-Monteith-Leuning模型（缩写为PML_V1 ）由Leuning等人（2008年）提出 ，并由Zhang等人（2010年，2016年）进一步完善。 在PML中，蒸发分为：来自植物的蒸腾作用（Ec），来自土壤的直接蒸发（Es）和来自植物的截留降雨的蒸发（EI）。 PML_V2是由Gan等人（2018）和Zhang等人（2019）开发的，它们通过树冠电导理论将ET和初级生产总值结合PML_V2 。 它们的分辨率分别为500 m和8天，范围从-60°S到90°N。

资源原始地址：https://www.insiderofscience.com/public-information（科研圈内人-公益资料）

Google earth engine入门教程，非常值得一看！PPT文档 Google earth engine入门教程，非常值得一看！PPT文档 Google earth engine入门教程，非常值得一看！PPT文档

创建该存储库是为了展示我的两个项目的代码示例。 所有代码都可用，并且可以从Google Earth Engine javaScript API执行。 呈现的项目样本是 使用时间序列Landsat影像估算佐治亚州最近的干扰年 使用机器学习和密集的Landsat影像估算佐治亚州的林分数量 使用时间序列Landsat影像估算佐治亚州最近的干扰年 该项目的目的是通过使用所有可用的Landsat TM / ETM数据创建1984-2016年的森林干扰记录。 结合了两种主要的干扰检测方法，即阈值算法和统计边界方法，以开发出对近期森林干扰历史的可靠估计。 DisturbanceDetectionAlgorithm是GEE脚本，用于创建栅格数据，该栅格数据的像素值代表森林林分的最后一个干扰年。 使用机器学习和密集的Landsat影像估算佐治亚州的林分数量 该项目的目的是在美国乔治亚州以30米的空

Google Earth Engine（GEE）教程，来源：无形的风 （GEE大神），介绍GEE的基本操作，当然，英文好的朋友可以直接去看GEE官网的英文教程，那个更全面和官方。这个教程还是更适合英文不好的朋友入门使用。

kongdd_packages 中山大学董栋 表中的内容 [目录] 安装 该存储库是JavaScript的GEE软件包。 对于感兴趣的用户，请填写注册表格： : 。 职能 1.可视化 // Load package var pkg_vis = require ( 'users/kongdd/public:pkg_vis.js' ) ; 渐变图例pkg_vis.grad_legend(viz, title, IsPlot, position) 可视化参数。 position字符串，图例位置，例如“左下”，“右下”。 调色板相应的颜色。 离散图例， pkg_vis.discrete_legend(names, palette, title, IsPlot, position) 图例示例： : 。 布局layout工作方式类似于R中的layout和MATLAB中的sub