经过IDL,输入landsat遥感影像，自动计算降水与植被NDVI相关性及滞后性，可以计算1个月、2个月、3个月延迟效果，得出相关系数，如果输入气温数据，也可以计算气温与植被NDVI相关性及滞后性，其他指数也可以。

代码包括遥感影像的单图裁剪、批量裁剪；
训练集、验证集和测试集的切分；
目标检测和语义分割影像的数据增强；
32/16位深度转8位深度。
1、主要用于深度学习领域的遥感影像数据处理，主要针对输入数据为tif，转为jpg、png格式，并将数据裁剪为网络可以训练的大小，可以手动调理裁剪步长（即有重叠或无重叠），可以对单张图像进行裁剪，也可对文件夹内的所有图片进行裁剪。
2、可以根据想要划分的训练集、验证集和测试集的比例进行划分，如9:1:1.3、本代码还提供了用于目标检测和语义分割任务的数据的增强，主要包括仿射变换、平移翻转等。
4、此外，代码还针对遥感影像位深度32或者16的转为8位的操作。
本代码可修改性强，为方便理解，每部分代码都进行的标注。
本文件共包含10个python文件。

RSODDataset是用于遥感图像中物体检测的数据集，其包含飞机、操场、立交桥和油桶四类目的，数量分别为：446张图——4993架飞机，189张图——191个操场，176张图——180座立交桥，165张图——1586个油桶。
该数据集由武汉大学于2015年发布，相关论文有《EllipticFouriertransformation-basedhistogramsoforientedgradientsforrotationallyinvariantobjectdetectioninremote-sensingimages》和《AccurateObjectLocalizationinRemoteSensingImagesBasedonConvolutionalNeuralNetworks》。

LEVIR数据集由大量800×600像素和0.2m?1.0m/像素的高分辨率GoogleEarth图像和超过22k的图像组成。
LEVIR数据集涵盖了人类居住环境的大多数类型地面特征，例如城市，乡村，山区和海洋。
数据集中未考虑冰川，沙漠和戈壁等极端陆地环境。
数据集中有3种目标类型：飞机，轮船（包括近海轮船和向海轮船）和油罐。
一切图像总共标记了11k个独立边界框，包括4,724架飞机，3,025艘船和3,279个油罐。
每个图像的平均目标数量为0.5。

ENVITM遥感影像分割水体具体步调，包含密度分割，拉伸影像等处理

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。