Всем привет!

Помните, в прошлом июле мы провели онлайн-семинар с ИТМО про машинное обучение? Постараемся сделать так, чтобы это стало традицией!

12 июля (понедельник), в 17 часов (мск) приглашаем вас на онлайн #спбгеотех на тему "Машинное обучение для геопространственных задач". Хотим обсудить опыт, технологии и проблемы, связанные с машинным обучением вокруг геоданных.

Вход на онлайн встречу свободный, чтобы получить ссылку, просто зарегистрируйтесь: https://spbgeotex.timepad.ru/event/1687035/

И очень ждём желающих выступить! Не стесняйтесь предложить свою тему, у нас замечательная и благодарная аудитория. Пишите:
@kazakov_e
@kalyuzhnaya
info@spbgeotex.ru

онлайн будет?

Этот семинар будет полностью онлайн

Я уже там

Привет всем!
Подскажите пожалуйста как в Python посчитать поканально медиану между несколькими растрами. Тип такого как GEE

var IMG_collection = ee.ImageCollection([IMG_06, IMG_07, IMG_08, IMG_09])
var IMG_med = IMG_collection.median()

или в R

my_img <- overlay(img_06, img_07, img_08, img_09,  fun=median, na.rm = TRUE) 

Куда копать?

Привет. То есть, например для трёхканального растра нужно 3 медианы?

Перечитал - растров много, и нужна медиана например по первому каналу среду всех этих растров

Да из 4-х растров по 3-х каналов каждый нужно получить 1 растр с тремя каналами: 1- медиана первых каналов, 2- медиана вторых каналов, 3 - медиана третих каналов исходных растров соответственно.

проблема в том что растры очень большие, GEE сразу от них отказывается,  R уже неделю переваривает и все ни как.  Надеюсь что в Python получится ускорить этот процесс.

Открывал бы растры через gdal.Open и выгружал из них массивы band (видимо разбив на секторы - если растры большие), а сами медианы считал бы в numpy.

советую rasterio — куча плагинов для разнообразных задач (названия начинаются с rio-*)

https://github.com/pydata/numexpr а еще сие можно использовать вместо numpy — обсчёт происходит в C++ виртуалке, так что медиана может посчитаться быстрее

можно попробовать GDAL, указывая параметр BlockSize (т.е. считывать и считать по блокам, а потом собирать)

(https://www.gis.usu.edu/~chrisg/python/2009/lectures/ospy_slides4.pdf, метод со страницы 24)

взял отсюда: https://gis.stackexchange.com/questions/268439/processing-large-geotiff-using-python

Коллеги, а кто-нибудь знает, что происходит с TMS яндекса (по крайней мере в Кугисе) в последнее время?

недели две-три на любом зуме грузит где-то половину тайлов, при экспорте в документы тоже сохраняет только часть, получаются шашечки

я обожаю использовать их карту как чб подложку, и у меня неслабый такой anxiety развивается от мысли, что я их больше использовать не смогу - гугл гораздо хуже

он появлялся нормально на несколько дней, а со вчерашнего опять всё стало плохо

rasterio тоже позволяет, https://gis.stackexchange.com/questions/158527/reading-raster-files-by-block-with-rasterio

И да, небольшой спойлер: rasterio — выразительный биндинг для GDALа

И кмк, это даже биндинг над биндингом

Rasterio —> GDAL/Python —> GDAL

Это ограничение от яндекса

Понял, спасибо!

То есть они его намеренно ввели и не собираются снимать, я правильно понял?

Да, им нужно денег платить. У гугла тоже самое