跟“风云卫星”数据工程师学Python
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
Python内容推荐
用python语言制作天气气象云图
用python语言制作天气预报气象云图.全圆盘真彩图
航空航天遥感数据获取与应用基于Python实现的风云4A降水数据获取与预处理源代码,极端降水研究中关于FY4A-QPE降水数据获取与预处理(hdf2tiff、GLT校正/重投影等)
航空航天遥感数据获取与应用基于Python实现的风云4A降水数据获取与预处理源代码,极端降水研究中关于FY4A-QPE降水数据获取与预处理(hdf2tiff、GLT校正/重投影等)
Python在FY-2G定量业务产品自动可视化中的应用.pdf
Python在FY-2G定量业务产品自动可视化中的应用.pdf
read_awx.zip_awx格式_awx格式数据_fy数据 awx文件_my4gq_python awx文件
读取 awx 格式卫星数据文件头,包括一级文件头和二级文件头(静止卫星)
python下载卫星云图合成gif的方法示例
Python下载中央气象台卫星云图后保存为gif并播放,大致步骤: 获取URL 下载图片 合成GIF 播放GIF 1.获取URL 1.1 先下载一份网页源码看看网页结构 保存为:response.txt #http库 import requests #准备http请求头 headers = {"user-agent": "firefox"} #中央气象台卫星云图网页 url = 'http://www.nmc.cn/publish/satellite/fy2.htm' #获取网页 r = requests.get(url, headers=headers) #改编码方式支持中
基于长短期记忆网络和凸优化算法的综合智能电网的可再生能源预测(Python代码实现)
内容概要:本文提出了一种基于长短期记忆网络(LSTM)与凸优化算法相结合的综合方法,用于智能电网中可再生能源(如风能、太阳能)出力的高精度预测,并配套提供了完整的Python代码实现。该方法充分发挥LSTM在处理非线性、非平稳时序数据方面的优势,实现对未来发电功率的精准建模与预测;随后将预测结果引入凸优化框架,通过构建合理的成本函数与系统约束,实现发电调度、储能协调与电网运行的全局优化,有效提升了智能电网的稳定性、经济性与能源利用效率。文中系统阐述了数据预处理流程、LSTM网络结构设计、模型训练与验证策略,以及凸优化问题的数学建模与求解过程。; 适合人群:具备Python编程能力及机器学习基础知识,从事电力系统、智能电网、可再生能源预测与优化调度等相关领域的科研人员、工程师和技术开发者,特别适用于研究生及以上学历的技术研究人员。; 使用场景及目标:①实现风电、光伏等间歇性能源的短期或超短期功率预测,提高预测精度;②结合优化算法开展微电网能量管理、储能系统充放电策略制定、发电计划编制与电网稳定控制;③作为科研复现项目,支撑学术论文撰写、算法对比实验与工程原型开发。; 阅读建议:建议读者结合所提供的Python代码逐模块深入学习,重点理解LSTM的时间序列建模机制与凸优化问题中目标函数及约束条件的设计逻辑,推荐使用真实历史运行数据进行模型训练、参数调优与仿真测试,以充分掌握方法的实际应用效果与改进空间。
风云四号卫星亮温图绘制[代码]
本文详细介绍了如何使用Python解析风云四号卫星L1级别的HDF数据,并绘制卫星云图。内容包括数据下载、HDF数据解析、数据坐标转换、绘制中国DN值图以及亮温图。文章提供了完整的代码示例,包括数据导入、格式查看、指定通道云图绘制、地理坐标转换、DN值提取与可视化、亮温计算与绘图等步骤。通过使用netCDF4库处理气象数据,结合matplotlib和cartopy库实现地理空间数据可视化,最终生成包含中国区域及南海子图的专业卫星云图。
抓取_风云4A_或_“风云4B”_的实时地球卫星云图,自动设置为桌面壁纸(
抓取_风云4A_或_“风云4B”_的实时地球卫星云图,自动设置为桌面壁纸(Capture_the_current_earth_wallpaper
FY4A数据读取代码codes.7z
FY4A数据读取代码
FY4_GLT_投影转换_风云4的经纬度网格数据_源码.zip
FY4_GLT_投影转换_风云4的经纬度网格数据_源码
FY4圆盘转等经纬工具
风云四号A星 HDF文件 用查找表 将行列号转成 NC格式的等经纬数据; 代码不开源 需要的话 联系邮箱258466895@qq.com
卫星影像大数据分析与应用
卫星遥感技术的发展使得影像获取能力大大提高,深度学习方法使信息的自动提取上了一个新的台阶,而云计算为卫星影像的大数据处理提供了强大的计算能力支持。这3项技术激活了科研领域对卫星影像潜在商业价值、军事价值的预期,以及卫星影像大数据的潜在价值分析与应用。
批量提取FY3B经纬度和亮温数据-IDL代码
批量提取FY3B经纬度和亮温数据-IDL代码,风云三号卫星数据分2011年6月前和后数据格式存储比一样,所以不要同代码处理。
FY2G_CTT.py
基于Python读取风云2G卫星云顶温度数据并绘图显示。
weather_data:下载天气数据的脚本:卫星和重新分析数据
weather_data 下载天气数据(卫星和再分析数据)的脚本 请检查每个目录下的README.md文件以了解详细用法。 闪电战 历史闪电图 时代5 压力水平数据 模型级数据 H8(Himawari-8) 杰克斯 L1(2公里和5公里) 气溶胶特性(ARP) 云资产(CLP) 光合有效辐射(PAR) 认证系统 网格化的L1全盘数据 风云(风云) 支持的数据: 风云卫星网站上的所有订购数据
matlab.zip_云图_卫星云图
本代码功能为卫星云图的伪彩色处理,原图和处理后的图片也在压缩包里
FY_Setup1.6.0.01
推荐MM认证推荐MM认证推荐MM认证推荐MM认证推荐MM认证推荐MM认证推荐MM认证推荐MM认证推荐MM认证推荐MM认证
YOLO26算法大门区域检测+训练好的模型+285张数据集+pyqt可视化界面.zip
附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[大门(gates)] 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 64 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.6364** mAP50-95 | 0.4539 Precision | 0.7309 Recall | 0.6111 train/box_loss | 0.6662 train/cls_loss | 0.5916 val/box_loss | 1.3351 val/cls_loss | 1.5479 【训练过程分析】 训练过程可分成三个主要阶段:前期、中期和后期。刚开始时,模型的损失函数确实有了显著下降,box_loss 从0.6662开始,经过几轮的迭代,迅速降至0.5左右。但到了中期,loss 的下降速度明显放缓,甚至有停滞不前的趋势。这一现象在val/box_loss的表现上尤其明显,从1.3351缓慢上升至1.4左右,直到训练到64轮时才略有下降。在这一阶段,mAP50从0.6364仅轻微上升到0.64,提升有限。这期间,模型似乎陷入了平台期,进展缓慢,让人感到有些煎熬。从第30轮到第64轮,我频繁查看曲线图,希望能捕捉到一点改善的迹象,但都未能如愿。这个阶段也让我对模型的潜力产生了怀疑,担心训练过程可能需要更长时间才能看到显著改善。 进入后期阶段,尽管损失函数略有下降,但mAP50的提升并不明显,这让人感到非常... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。
两相交错并联BuckBoost变换器仿真模型(Simulink仿真实现)
内容概要:本文档系统介绍了基于Simulink平台构建的两相交错并联BuckBoost变换器的高精度仿真模型,重点实现了双闭环PWM控制策略的建模与动态响应分析,涵盖软开关技术、变频控制、闭环调节、拓扑结构优化及状态估计等核心技术。文档整合了多种典型电力电子变换器(如Boost、PFC、LLC谐振变换器、双向CLLC、DAB等)的仿真设计案例,并提供完整的仿真文件、设计报告、Mathcad计算书及参考文献,形成一套面向科研与教学的综合性技术资料,特别适用于高水平EI期刊成果复现与复杂控制系统验证。; 适合人群:电力电子、电气工程、自动化、新能源系统等相关领域的高校研究生、科研人员以及从事电源设计、电动汽车、智能电网等方向的工程技术人员。; 使用场景及目标:①深入理解两相交错并联BuckBoost及其他DC-DC变换器的工作机理与先进控制策略(如双闭环、变频、移相混合控制);②支撑科研项目中的系统建模、仿真验证与高水平论文成果复现,尤其适合作为EI级别研究工作的仿真基础;③作为高校课程设计、毕业设计或科研课题的仿真平台,助力掌握现代电力电子系统的设计流程与工程实践能力。; 阅读建议:建议结合提供的网盘资源与微信公众号“荔枝科研社”的配套资料进行系统学习,严格按照资源目录顺序浏览,注重仿真模型与说明文档之间的对应关系,亲自动手运行、调试模型以深入掌握控制逻辑、系统稳定性及动态性能优化方法。
科技中介服务机构如何借助平台实现服务模式的数智化升级?.docx
科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。
最新推荐






