本文介绍了使用GeoDeep这个Python库，结合Maxar公司公开的缅甸和泰国地震灾后卫星图像，进行目标检测的案例。作者利用强大的硬件配置，运行GeoDeep内置的多种AI模型，对图像中的车辆、树木、建筑物和道路等进行了识别，并对结果进行了分析和可视化。结果表明，不同模型的精度和效率差异较大，部分模型存在漏检和误检的情况，也展现了AI目标检测技术在卫星图像分析领域的潜力和挑战。
阅读更多
Wyvern公司发布了其卫星影像的元数据目录，包含了图像位置和拍摄信息。利用Mapbox的免费地理编码服务（每月10万次搜索），开发者下载了这些元数据，并成功地将每个图像的地址信息与地理位置关联起来。最终生成了一个包含33行JSONL文件的地理位置数据库，每个记录都包含了影像的多种格式数据（GeoTIFF、预览图等）及其经纬度坐标、边界框等信息，方便后续数据可视化和分析。
阅读更多
Satellogic公司，一家卫星设计、制造和星座运营商，公布了其名为“Satellogic EarthView”的开放卫星数据计划。该计划包含超过700万张来自300万个不同地点的1米分辨率图像，涵盖RGB和近红外影像。文章作者利用其强大的工作站，详细分析了Satellogic的卫星星座、发射历史以及开放数据的访问和处理过程，并生成了多个数据可视化图表，展现了数据的空间分布和时间覆盖情况。
阅读更多
Foursquare公司宣布免费开放其包含1.04亿个兴趣点（POI）的数据集。这篇文章详细介绍了该数据集，并使用DuckDB、QGIS等工具对其进行了分析和可视化。分析涵盖了POI的全球分布密度、不同国家的POI数量、POI的类别分布等方面，并以星巴克为例，展示了如何利用该数据集进行特定品牌的POI分析。作者还介绍了自己的工作站配置和使用到的软件工具。
阅读更多
OpenStreetMap (OSM) 长期以来一直以栅格瓦片的形式提供其数据集，但现在开始提供 Mapbox 矢量瓦片 (MVT) 格式的矢量瓦片。矢量瓦片允许用户调整样式和渲染规则，并提取每个瓦片中的底层信息，从而使图像更清晰，并可以切换标签语言。本文介绍了如何使用 Python、QGIS 和 Leafmap 等工具可视化和分析 OSM 的矢量瓦片数据，并以迪拜的 Burj Khalifa 地区为例进行了演示。此外，文章还详细介绍了作者使用的计算机配置和软件环境，以及如何安装必要的依赖项和扩展。
阅读更多
本文作者分析了橡树岭国家实验室 (ORNL) 基于人工智能生成的包含1.31亿栋美国建筑物的数据集。该数据集从卫星图像中提取建筑物轮廓，并包含地址、用途等丰富的元数据。作者使用Python、DuckDB及其扩展程序、QGIS等工具对数据集进行了下载、分析和可视化，包括将Geodatabase格式转换为Parquet格式，并详细介绍了数据集的元数据信息，如数据处理步骤、图像来源、字段描述、空间设置等。此外，作者还分析了建筑物的唯一标识、高度、用途、地址、生产细节和验证方法等信息，并提供了相应的SQL查询和统计结果。
阅读更多
文章利用开放充电地图 (OCM) 的数据，分析了全球电动汽车充电桩的分布情况。作者首先介绍了OCM数据集，并探讨了如何将其转化为可分析的数据格式。之后，作者按地区、国家、充电桩数量等维度对充电桩分布进行了统计分析，并列举了主要充电桩运营商和充电基础设施类型。此外，文章还分析了充电桩的数据更新方式以及不同地区充电桩的使用权限类型。
阅读更多