XiaoMi-AI文件搜索系统
World File Search System光谱数据
天文学光谱数据库。 L. E. Rodriguez 1，B。Lafuente2和N. Stone 3，1 Lunar and Planetary Institute / Usra（lrodriguez@lpi.usra.e < / div>）
简介：NASA的DECED目标之一是迈向开放科学，但是研究人员没有途径沉积和探索非生物/益生元有机提取物和反应的光谱。实验室实验模拟行星过程和mete-orite研究为生命检测工作提供了揭示可能发生的有机化学作用[1]。更重要的是，此类研究可用于阐明有利于生命起源（OOL）化学的条件，从而告知行星机构的可行性，以托管OOL事件[2]。许多非生物有机物在地球生活中没有，在代谢组学数据库或商业标准中不可用，从而阻碍了社区表征这些化合物的能力。因此，许多益生元有机物是未研究的，未报告和未知的（例如，图。1）。
Lee，K。S.等。 （2024）微生物：用于微生物拉曼光谱数据的开放式网络存储库。自然微生物学，第9页，第1152-1页 心力衰竭患者的铁缺陷型静脉铁和SGLT2抑制剂，射血分数降低 可穿戴传感器监测心力衰竭临床试验中的体育活动：最新的评论 心力衰竭和心肌病 大脑行为和免疫力 通过多任务学习跨工程机队的知识转移的等级贝叶斯建模 移动采样的Moiré光栅双波长DFB激光 新兴的单细胞微流体技术用于微生物学 光的量子理论 大脑在基于多源神经反馈游戏期间的竞争和协作中同步 神经胶质mRNA定位在突触可塑性中的作用 根据丹麦2型糖尿病和心血管疾病患者的脆弱水平，SGLT2抑制剂和GLP-1受体激动剂的启动：一项横断面的全国性研究 供应链的弹性：新的挑战和机遇
该文章的此版本已被接受以供出版，在同行评审（适用）之后（如果适用），并且受Springer Nature的AM使用条款的约束，但不是记录的版本，并且不反映后接受后的改进或任何更正。记录版本可在线获得：https：//doi.org/10.1038/s41564-024-01656-3
使用Enmap高光谱数据以及Sentinel-2时间数据绘制森林树种及其生物多样性：树种分类和多样性指数的方法
通过迭代实验，使用数据还原技术和算法调整，我们在针头叶和宽叶的物种上实现了最佳性能。通过对坎皮诺斯国家公园中国家森林库存的混合物种多边形的定量准确性评估来验证所得的树种图。达到85％至93％的总体准确性，我们的研究证明了这种综合方法在树种映射中的功效。此外，树木地图是推导关键生物多样性指数的基础 - 物种丰富度，Shannon-Wiener多样性指数，Simpson的多样性指数和复合生物多样性指数 - 提供对空间生物脱位模式的见解，并提供有针对性的保护策略。这项研究体现了将先进的遥感技术与现场验证相结合的潜力，以增强我们对森林生态系统的理解并指导可持续的管理实践。
Lee，K。S.等。 （2024）微生物：用于微生物拉曼光谱数据的开放式网络存储库。自然微生物学，第9页，第1152-1页
旨在探讨使用SGLT2抑制剂的使用与静脉内铁或对照组的患者的使用与血红蛋白的增加（心力衰竭和铁缺陷患者的静脉铁治疗与稳定性护理的有效性）。方法和结果，这是对Ironman试验的事后探索性分析，该试验随机患有心力衰竭的患者，左心室射血分数（LVEF）≤45％和铁缺陷（转移蛋白饱和度<20％或铁蛋白<100μg/l），以打开标记为静脉内静脉脱落的静脉炎或我们的USUAL CARE。在1137例随机患者中，有29名（2.6％）在基线时服用SGLT2抑制剂。在基线服用SGLT2抑制剂的患者中，血红蛋白的平均（SD）变化为4周的基线，在随机分配为降低降低的患者中，在通常的护理组中，随机分配为降低衍生物的患者为1.3（1.2）g/dL；组间差异= 1.0 g/dl（95％CI 0.1，1.8）。在NO SGLT2抑制剂组中的等效数为0.6（0.9）g/dL，在那些与二骨降低的抑制剂中为0.6（0.9），在通常的护理组中为0.1（0.8）g/dl；组间差异= 0.4 g/dl（95％CI 0.3，1.6）;交互p值= 0.10。在基线时，没有患者在随访期间接受sglt2抑制剂（定义为血红蛋白> 16.5 g/dl [男性]或> 16 g/dl [wirm andim]）。在Ironman试验中得出的结论是，与未服用SGLT2抑制剂的铁脱落患者中，血红蛋白在基线时服用SGLT2抑制剂的趋势更大。
使用高光谱数据的机器学习分析
小行星（99942）apophis在2029年的地球飞行中可能会经历局部表面运动。因此，由于较新鲜的基础材料的暴露，重新铺面会表现为表面光学成熟的突然局部变化。因此，高空风化的光谱S型表面将在光学上与光谱Q型相似。机器学习代码（Korda等人2023）已开发出基于Q – S空间量表上的频谱匹配评分来检测空间沃特水平。该代码已在小行星的遗留空间分辨光谱上进行了测试（25143）Itokawa揭示了局部空间沃思趋势（图1）。该代码可以通过ESA Satis，Ramses或Nasa Osiris-Apex航天器来应用于小行星apophis的高光谱观察，以产生apophis的空间威型图，并检测与Apophis遭遇的局部变化。
功能近红外光谱数据多维分解的并行因子分析
(HbO) 和脱氧 (HbR) 血红蛋白可以分别评估 HbO 和 HbR 的浓度变化。1 尽管 fNIRS 信号被认为对运动具有相对耐受性，2 但是由于运动伪影引起的光强度突然变化，数据质量可能会降低。3 结果表明，两种波长的动态特性为伪影检测和校正提供了重要信息。4 然而，当前用于运动伪影校正的技术（例如小波滤波、分解、样条插值等）通常假设两种波长的行为在时间上相似，因此无法利用两种波长提供的结构化信息。5 – 7 二维 (2D) 分析要求对具有更多维度的数据（例如 fNIRS 数据）在处理之前进行表面展开，例如分别处理两种波长或 HbO 和 HbR。因此，其中一些二维分析工具被迫施加其他非生理约束，例如主成分分析（PCA）中的正交性或独立成分分析（ICA）的统计独立性。尽管有几种方法可以实现 PCA，例如降维、分类、从信号分解的角度来看，PCA 旨在提取所谓的主成分，即可解释 fNIRS 中信号活动最大方差的成分。6、7、10、11 在时间 PCA 中，数据被分解为成分之和，每个成分由两个向量的乘积形成：一个代表时间主成分，另一个代表相应的地形（每个通道的分数）。PCA 的一个基本问题是仅由两个特征（时间和空间）定义的成分不是唯一确定的。因此，不同成分的对应时间特征之间必须具有正交性。 7、12、13然而，脑信号之间的正交性是一种非生理约束。即使有这种限制，提取的主成分也不是完全唯一的，因为任意旋转轴不会改变数据的解释方差。这导致研究人员使用不同的数学标准作为选择特定旋转的基础（例如，Varimax、Quartimax 和 Promax）。在 fNIRS 中，PCA 还被应用于目标时间间隔（tPCA），即仅在与发音或其他头部运动相关的伪影发生的期间，而不是在整个未分割的信号期间。3、14与基于小波的滤波和样条插值相比，这种类型的有针对性的校正可以产生更好的信号质量，同时也降低了改变信号整体完整性的风险。3虽然 PCA 非常常见且易于使用，一些作者已经讨论了其作为伪影校正方法的缺陷和注意事项。5、15
从单独和组合机载成像光谱和无人机多光谱数据中进行作物分离
摘要：作物品种分离对于广泛的农业应用至关重要——特别是在需要季节性信息时。通常，遥感可以高精度地提供此类信息，但在小规模结构化的农业区域，需要非常高的空间分辨率数据 (VHR)。我们提出了一项研究，涉及使用无人机 (UAV) 获取的近红外 (NIR) 红绿蓝 (NIR-RGB) 波段数据集以及机载棱镜实验 (APEX) 获取的成像光谱 (IS) 数据集得出的光谱和纹理特征。使用基于随机森林的方法来分析这些数据集的单独使用和组合，以确定作物的可分离性。此外，还分析了基于特征因子加载的不同波段缩减方法。使用 IS 数据集和两个组合数据集获得了最准确的作物分离结果，平均准确度 (AA) >92%。此外，我们得出结论，在 IS 特征数量（即波长）减少的情况下，可以通过使用额外的 NIR-RGB 纹理特征（AA > 90%）来补偿准确度。
使用校准场定量估计机载高光谱数据中的粘土矿物
摘要。我们评估了在蒙古某铜矿床环境中，一种新型系统像素清晰校准场在航空高光谱矿物测绘中应用的机会和性能。校准场旨在用于估计特定地质场景中单个像素中关键矿物的灵敏度和量化。校准场的布局由两种不同的含铜岩石样品、一种来自矿山的低铜含量岩石材料、来自矿山的尾矿材料和具有明确已知光谱特征的校准材料组成。样品材料的缩放覆盖范围旨在开发统计方法，以基于像素的方法量化航空调查中的目标矿物。数据收集包括使用地球化学、X 射线衍射以及微观和电子光栅微观方法描述校准材料。使用可见光和近红外机载传感器以及短波红外机载传感器，从六个高度多次重复收集校准场的数据。经过像元校正和大气校正后，对1400、1900、2200nm处黏土矿物的吸收特征进行了精确测量和统计分析，给出了覆盖率与吸收特征特别是在2200nm附近的相关性，以及飞行高度对探测灵敏度的影响和
利用多角度长波红外高光谱数据融合三维地形重建进行地雷探测和雷区测绘
高光谱长波红外遥感与区域三维重建相结合，可提高探测可靠性，减少在山区和丘陵地区搜寻地下物体（杀伤人员地雷、简易爆炸装置和未爆炸弹药）时的误报频率，因为这些地区难以使用扫雷器。多角度遥感使我们能够排除被遮蔽并以一定角度放置的物体的跳跃，并将含有异常物体的土壤与普通土壤和表面不规则物分开。给出了用于雷区测绘的光学数字综合体的概念，其主要基础是高光谱设备，该设备从两个光学通道接收数据，并将它们分成长波红外范围内的数十个光谱通道。一个光学通道扫描天底，第二个通道以一定角度扫描土壤表面。该综合体还包括一个可见光范围的相机，用于接收不同空间平面中的一系列图像以进行进一步的三维重建。描述了一种获取分段高光谱数据并将其与重建的数字地形模型相结合的方法，用于解决隐藏地面和地下物体的探测、侦察以及在不同坡度地形上规划人道主义排雷任务的问题。