pythonroi函数 python函数ord

gee怎么得到年平均温度

主要分析步骤：

成都创新互联专注于企业成都全网营销推广、网站重做改版、安远网站定制设计、自适应品牌网站建设、HTML5、商城开发、集团公司官网建设、外贸网站制作、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为安远等各大城市提供网站开发制作服务。

加载区域范围

加载区域范围日均温数据集ERA5

定义日均温提取分析函数

提取数据

结果可视化

二、python代码

1、分析区域

python代码如下

region_bj = '../boudary/huangtu_plateau.shp'

region = geemap.shp_to_ee(region_bj)

roi = region.geometry()

Map = geemap.Map()

Map.addLayer(ee.Image().paint(roi, 0, 2), {'palette':'darkred'}, 'plateau')

Map.centerObject(roi)

Map

1

2

3

4

5

6

7

8

1

2

3

4

5

6

7

8

2、定义函数、设置属性及数据分析

python代码如下：

######### 1-定义函数 #########

# 计算区域的平均温度，设置属性

def meanTempCal(image):

mt_2m = image.reduceRegion(**{

'reducer':ee.Reducer.mean(),

'geometry':roi,

'bestEffort':True

})

# 转换为摄氏度

mt_cel = ee.Number(mt_2m.get('mean_2m_air_temperature'))\

.subtract(273.15)

# 增加新的属性

return image.set({'mean_air_temp':mt_cel})

######### 2-加载数据集并进行提取分析 #########

# 获取日平均温度，进行相应时间段、区域范围筛选

era5_mt = ee.ImageCollection('ECMWF/ERA5/DAILY') \

.filterDate('2010-01-01', '2020-12-31') \

.filterBounds(roi)

mean_airTemp = era5_mt.map(meanTempCal).aggregate_array('mean_air_temp').getInfo()

dates = era5_mt.reduceColumns(ee.Reducer.toList(), ["system:index"]).get('list').getInfo()

######### 3-结果制图 #########

import matplotlib.pyplot as plt

plt.plot(dates, mean_airTemp)

plt.title('mean daily air temprature')

plt.xlabel('dates')

plt.ylabel('Temprature(℃)')

plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

结果如下：

在这里插入图片描述

三、小结

通过ERA日均数据集，利用GEE分析了10年来区域日均温度的变化，可以明显看出日均温度的周期性变化特征

下一步可进一步进行数据的分析，比如可利用R语言进行周期性、趋势性特征的统计分析，生成时间序列的变化图

python中round函数的用法

round函数python：

这个函数相当于调去里面的一个函数，有一个数组，从中里面调取一个数据。简单的说，round是使用四舍五入对小数进行位数控制的函数，round（a，b），a参数是小数，b是小数点后保留的位数。实际使用需要考虑的python2和python3版本的差异与小数精度的问题。

ound函数的使用用法

根据Excel的帮助得知，round函数就是返回一个数值，该数值是按照指定的小数位数进行四舍五入运算的结果。

round函数的语法是：ROUND(number,num_digits)，即：Round（数值，保留的小数位数)

Number：需要进行四舍五入的数字。

Num_digits：指定的位数，按此位数进行四舍五入。

其中，如果num_digits大于0，则四舍五入到指定的小数位。

如果num_digits等于0，则四舍五入到最接近的整数。

如果num_digits小于0，则在小数点左侧进行四舍五入。

目标跟踪（3）MultiTracker : 基于 OpenCV (C++/Python) 的多目标跟踪

在这篇文章中，我们将介绍如何使用通过 MultiTracker 类实现的 OpenCV 的多对象跟踪 API。我们将共享C++ 和 Python 代码。

大多数计算机视觉和机器学习的初学者都学习对象检测。如果您是初学者，您可能会想为什么我们需要对象跟踪。我们不能只检测每一帧中的对象吗？

让我们来探究一下跟踪是有用的几个原因。

首先，当在视频帧中检测到多个对象（例如人）时，跟踪有助于跨帧建立对象的身份。

其次，在某些情况下，对象检测可能会失败，但仍可能跟踪对象，因为跟踪考虑了对象在前一帧中的位置和外观。

第三，一些跟踪算法非常快，因为它们做的是局部搜索，而不是全局搜索。因此，我们可以通过每n帧进行目标检测，并在中间帧中跟踪目标，从而为我们的系统获得很高的帧率。

那么，为什么不在第一次检测后无限期地跟踪对象呢？跟踪算法有时可能会丢失它正在跟踪的对象。例如，当对象的运动太大时，跟踪算法可能跟不上。许多现实世界的应用程序同时使用检测和跟踪。

在本教程中，我们只关注跟踪部分。我们想要跟踪的对象将通过拖动它们周围的包围框来指定。

OpenCV 中的 MultiTracker 类提供了多目标跟踪的实现。它是一个简单的实现，因为它独立处理跟踪对象，而不对跟踪对象进行任何优化。

让我们逐步查看代码，了解如何使用 OpenCV 的多目标跟踪 API。

2.1 第 1 步:创建单一对象跟踪器

多目标跟踪器只是单目标跟踪器的集合。我们首先定义一个函数，该函数接受一个跟踪器类型作为输入，并创建一个跟踪器对象。OpenCV有8种不同的跟踪器类型:BOOSTING, MIL, KCF,TLD, MEDIANFLOW, GOTURN, MOSSE, CSRT。

如果您想使用 GOTURN 跟踪器，请务必阅读这篇文章并下载 caffe 模型。

在下面的代码中，给定跟踪器类的名称，我们返回跟踪器对象。这将在稍后用于多目标跟踪器。

Python

C++

2.2 第 2 步：读取视频的第一帧

多目标跟踪器需要两个输入

给定这些信息，跟踪器在所有后续帧中跟踪这些指定对象的位置。 在下面的代码中，我们首先使用 VideoCapture 类加载视频并读取第一帧。这将在稍后用于初始化 MultiTracker。

Python

C++

2.3 第 3 步：在第一帧中定位对象

接下来，我们需要在第一帧中定位我们想要跟踪的对象。该位置只是一个边界框。 OpenCV 提供了一个名为 selectROI 的函数，该函数会弹出一个 GUI 来选择边界框（也称为感兴趣区域 (ROI)）。 在 C++ 版本中，selectROI 允许您获取多个边界框，但在 Python 版本中，它只返回一个边界框。所以，在 Python 版本中，我们需要一个循环来获取多个边界框。 对于每个对象，我们还选择一种随机颜色来显示边界框。 代码如下所示。

Python

C++

getRandomColors 函数相当简单

2.4 第 3 步：初始化 MultiTracker

到目前为止，我们已经读取了第一帧并获得了对象周围的边界框。这就是我们初始化多目标跟踪器所需的所有信息。

我们首先创建一个 MultiTracker 对象，并向其中添加与边界框一样多的单个对象跟踪器。在此示例中，我们使用 CSRT 单对象跟踪器，但您可以通过将下面的 trackerType 变量更改为本文开头提到的 8 个跟踪器之一来尝试其他跟踪器类型。 CSRT 跟踪器不是最快的，但在我们尝试的许多情况下它产生了最好的结果。

您还可以使用包裹在同一个 MultiTracker 中的不同跟踪器，但当然，这没什么意义。

MultiTracker 类只是这些单个对象跟踪器的包装器。正如我们从上一篇文章中知道的那样，单个对象跟踪器是使用第一帧初始化的，并且边界框指示我们想要跟踪的对象的位置。 MultiTracker 将此信息传递给它在内部包装的单个对象跟踪器。

Python

C++

2.5 第 4 步：更新 MultiTracker 并显示结果

最后，我们的 MultiTracker 已准备就绪，我们可以在新帧中跟踪多个对象。我们使用 MultiTracker 类的 update 方法来定位新框架中的对象。每个跟踪对象的每个边界框都使用不同的颜色绘制。

Python

C++

C++

Python