Город на карте

Немного GDAL 1️⃣ Курс A Gentle Introduction to GDAL Роберта Симмона (Robert Simmon) продолжается. Всего опубликовано 10 частей: - A Gentle Introduction to GDAL - Map Projections & gdalwarp - Geodesy & Local Map Projections - Working with Satellite Data - Shaded Relief - Visualizing Data - Transforming Data - Reading Scientific Data Formats - Automation with Bash - Python & the Command Line В разделе Tutorials на официальном сайте GDAL пока только 8 частей. 2️⃣📹Введение в GDAL c новым интерфейсом командной строки от Ханса ван дер Кваста (Hans van der Kwast): Introduction to GDAL’s New Command Line Interface — из курса Programming for QGIS Users. #софт#python

Курсы Spatial Thoughts и Geospatial Python Tutorials Spatial Thoughts (https://spatialthoughts.com) — образовательная платформа, основанная Уджавалом Ганди (Ujaval Gandhi). Она предлагает курсы по анализу пространственных данных на Python: 🎓Python Foundation for Spatial Analysis 🎓Mapping and Data Visualization with Python Материалы курсов бесплатны, за прохождение курса с инструктором придется заплатить. 🔗Дополняет учебные курсы сайт Geospatial Python Tutorials (https://www.geopythontutorials.com). Он содержит примеры применения пакетов GeoPandas, Xarray, Dask, SamGeo и мн. др. для решения практических задач. Вот, например, извлечение информации из нескольких новостей о конфликтах между людьми и слонами в Индии, и геокодирование мест конфликтов — все с помощью ChatGPT. В качестве среды для работы рекомендуется Google Colab. #python#ИИ

Φ-Down Sentinel-1 Burst Search Φ-Down — библиотека Python, которая упрощает доступ к данным дистанционного зондирования Земли из Copernicus Data Space Ecosystem (CDSE). Она предоставляет интерфейс для поиска, фильтрации и загрузки спутниковых снимков различных миссий Sentinel и сопутствующих наборов данных. В новой версии (v0.1.20) Φ-Down поддерживает поиск по “импульсам” (bursts) данных Sentinel-1 SLC, что помогает в создании временных рядов для радарной интерферометрии (InSAR) и во многих задачах регионального мониторинга, не требующих большого охвата. Поиск по burst’ам активируется настройкой burst_mode=True в запросе. Реализована фильтрация по burst_id, swath, поляризации и относительной орбите (relative orbit). 🖥Jupyter-блокнот с примером использования Sentinel-1 Burst Search #sentinel#python#InSAR#SAR#софт

GeoAI: Искусственный интеллект для пространственных данных GeoAI — пакет Python для применения методов искусственного интеллекта в анализе и визуализации пространственных данных. 🤖 GeoAI содержит инструменты для обработки, анализа и визуализации пространственных данных с помощью передовых методов машинного обучения. Как сказано в документации: “Независимо от того, работаете ли вы со спутниковыми снимками, облаками точек лидара или векторными данными, GeoAI предлагает интуитивно понятные интерфейс для применения передовых моделей ИИ.” 📖Документация GeoAI Среди возможностей GeoAI: 📊 Визуализация пространственных данных ● Интерактивная многослойная визуализация векторных, растровых и облачных данных ● Настраиваемые стили и символика ● Возможности визуализации временных рядов данных 🛠 Подготовка и обработка данных ● Упрощенный доступ к спутниковым и аэрофотоснимкам Sentinel, Landsat, NAIP и другим открытым данных ● Инструменты для загрузки, создания мозаик и предварительной обработки данных дистанционного зондирования ● Автоматизированная генерация обучающих датасетов с чипами изображений (image chips) и соответствующими метками ● Утилиты преобразования векторных данных в растровые и наоборот, оптимизированные для рабочих процессов ИИ ● Методы дополнения (augmentation) данных, специфичные для пространственных данных ● Поддержка интеграции данных Overture Maps и других открытых данных для обучения и проверки 🖼 Сегментация изображений ● Интеграция с моделью Segment Anything Model (SAM) компании Meta для автоматического извлечения признаков ● Специализированные алгоритмы сегментации, оптимизированные для спутниковых и аэрофотоснимков ● Оптимизированные рабочие процессы для сегментации зданий, дорог, растительности и водных объектов ● Возможность экспорта в стандартные форматы геоданных: GeoJSON, Shapefile, GeoPackage, GeoParquet 🔍 Классификация изображений ● Предварительно обученные модели для классификации земного покрова и землепользования (land cover & land use) ● Утилиты трансферного обучения (transfer learning) для тонкой настройки моделей на основе собственных данных ● Поддержка разновременной классификации для обнаружения изменений (change detection) ● Инструменты оценки точности и валидации 🌍 Дополнительные возможности ● Анализ рельефа с извлечением признаков при помощи ИИ ● Классификация и сегментация облаков точек ● Обнаружение объектов на авиационных и спутниковых снимках ● Утилиты геопривязки для результатов ИИ-моделей Пакет разработан профессором Q. Wu. Для него мы завели на канале именной хештег: #wu 📹Руководства по GeoAI на YouTube #python#wu#софт#ИИ