XiaoMi-AI文件搜索系统
World File Search System光谱数据
Operando对WS2气体传感器的调查 - Orbi Umons
摘要：环境压力X射线光电子光谱（APXPS）与同时的电气测量结合，并由密度功能理论计算支持，以研究Operando动力学中基于基于气体的Tungsten二硫化物（WS 2）的感应机制。这种方法允许在现实的工作条件下的表面电势变化与WS 2传感活动层的电阻率之间的直接相关性。着眼于第2和NH 3的有毒气体，我们同时证明了氧化或还原剂之间的明显化学相互作用与WS 2活性层之间的明显化学相互作用及其对传感器响应的影响。The experimental setup mimics standard electrical measurements on chemiresistors, exposing the sample to dry air and introducing the target gas analyte at different concentrations.该方法适用于NH 3浓度100、230和760和14 ppm的NO 2浓度，为未来的APXPS研究建立了基准，用于在操作系统条件下进行快速获取时间和快速获取时间和1：1的电反应和光谱数据之间的相关性。我们的发现有助于更深入地了解2D过渡金属二分法中的传感机制，为针对各种工业应用和具有低能消耗的无线平台优化化学传感器铺平了道路。关键字：操作光谱，带弯曲，表面电势，密度功能理论，气体传感
使用
摘要 — 本文建议使用多角度高光谱长波红外遥感技术结合区域三维重建，以提高探测可靠性，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。多角度遥感技术可以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。
ISPRS 摄影测量与遥感杂志
全球人口增长已导致许多自然生态系统的土地利用 (LU) 发生变化，从而导致影响土壤质量的环境条件恶化。在缺水且土壤有机资源不足的系统中，土地利用对土壤质量的影响尤为显著。因此，本研究的主要目标是使用成像光谱 (IS) 评估人类活动（即土地利用，如放牧、现代农业和径流收集系统）对以色列干旱地区土壤质量的影响。为此，选择了 12 种物理、生物和化学土壤特性，并将其进一步整合到土壤质量指数 (SQI) 中，以此作为评估以色列南部干旱地区土地利用变化的显著影响的方法。AisaFENIX 高光谱机载传感器的飞行活动用于开发区域范围内 SQI 的 IS 预测模型。使用偏最小二乘判别分析 (PLS-DA) 分类方法 (OA = 95.31%，Kc = 0.90)，从高光谱图像本身提取的光谱特征在四个 LU 之间可以很好地分离。使用多元支持向量机回归 (SVM-R) 模型对光谱数据和测量的土壤指标以及总体 SQI 进行相关性分析。SVM-R 模型与几种土壤特性显著相关，包括总体 SQI (R 2 adj Val = 0.87)，成功预测了 r
超快分子框架量子断层扫描
我们开发并通过实验证明了一种动态多原子系统的完整分子框架量子断层扫描 (MFQT) 方法。我们通过完整表征氨 (NH 3 ) 中的电子非绝热波包来举例说明这种方法。该方法利用能量和时间域光谱数据，并生成系统的实验室框架密度矩阵 (LFDM)，其元素是群体和相干性。LFDM 完整表征了分子框架中的电子和核动力学，生成了任何相关算符的时间和方向角相关期望值。例如，可以构建时间相关的分子框架电子概率密度，从而生成有关分子框架中电子动力学的信息。在 NH 3 中，我们观察到电子相干性是由核动力学引起的，核动力学以非绝热的方式驱动分子框架中的电子运动（电荷迁移）。在这里，核动力学是旋转的，非绝热科里奥利耦合驱动相干性。有趣的是，核驱动的电子相干性在较长的时间尺度上得以保持。总体而言，MFQT 可以帮助量化电子和核自由度之间的纠缠，并为超快分子动力学、电荷迁移、量子信息处理和最优控制方案的研究提供新途径。
将卫星与机器学习链接到基因，以估算浮游植物社区结构
摘要。海洋色遥感已使用了20多年，以估计主要生产力。ap-aparaches，以基于空间的光谱数据为基于phyto-plankton群落结构，特别是当与光合色素的原位测量结合时。在这里，我们提出了一种新的海洋颜色算法，以得出七个浮游植物组的相对细胞丰度，以及它们对全球尺度上总叶绿素A（CHL A）的贡献。Our al- gorithm is based on machine learning and has been trained using remotely sensed parameters (reflectance, backscatter- ing, and attenuation coefficients at different wavelengths, plus temperature and Chl a ) combined with an omics-based biomarker developed using Tara Oceans data representing a single-copy gene encoding a component of the photosyn- thetic machinery that is present across all浮游植物，包括原核生物和真核生物。它不同于依靠诊断色素来推导浮游植物组的预先方法。我们的方法论提供了浮游植物社区结构的强大范围，该结构的相对细胞丰度和对总CHL浓度的贡献。新生成的数据集产生的有关植物粉的不同方面的信息 -
用于识别红壤土的布尔和模糊方法...
航空伽马射线光谱法在与岩石相关时相对容易理解，但风化材料中的响应和放射性元素分布则鲜为人知。这项工作使用航空伽马射线光谱法和测高法来确定位于巴西亚马逊西部地区红土壳和拆解产品出现概率较高的区域。通过布尔和模糊技术使用地图代数来创建可预测性数字模型，突出显示红土壳出现的有利区域。布尔技术中使用了索引叠加法。模糊技术使用了模糊代数乘积运算符、模糊代数和运算符和模糊伽马运算符。两种模型都表明，预测的有利性和现场结壳的存在之间存在良好的相关性，然而，模糊模型显示出更高的相关性，并突出显示了布尔模型未识别的区域。相反，布尔模型允许在最终地图上单独可视化与每个变量或其可能组合的影响相关的区域。因此，基于应用于测高和机载伽马射线光谱数据的数学模型识别红土结壳是一种新工具，它将对地质填图和对与风化材料中的响应和放射性元素分布相关的理解做出重大贡献。© 2016 Elsevier B.V. 保留所有权利。
使用描述符 obta 进行高精度材料特性预测的实验设计
摘要 在材料科学中，可控和不可控描述符均可用于表征材料。可控描述符的例子包括元素组成和制造过程；相反，不可控描述符由表征特定样品的实验数据生成，例如原始光谱数据或比重。在本研究中，我们考虑一种实验设计来获得一个高精度预测模型，其中材料的不可控描述符是特征，其材料属性是标签。一般而言，由于不可控描述符与材料属性更密切相关，因此基于它们的预测将更准确。本研究中实验设计的目标不是改善材料属性本身，而是预测其属性。为了实现这种设计，我们选择合适的可控描述符来合成候选材料，当相应的不可控描述符和材料属性添加到训练数据中时，预测精度会提高。我们提出了两种实验设计方法，一种基于贝叶斯优化，另一种基于不确定性抽样。使用记录了可控和不可控描述符以及机械性能的聚合物数据库，我们确认我们的方法可以选择合适的候选材料来训练一个高精度预测模型，其中材料性能由不可控描述符预测。我们提出的方法可以应用于材料开发，其中不可控描述符比获得目标材料性能更容易通过实验获得；它也将有助于提取材料结构和性能之间的关系。
ISRO - NASA AVIRIS – NG 在印度上空进行机载飞行科学...
成像光谱学作为一种新的地球遥感方法越来越受到关注。随着高光谱遥感器（包括机载和太空载）的出现，以及快速计算系统的高存储容量和用于存储和处理高光谱数据的先进软件，现在可以检测和量化各种地球资源材料（Goetz，2009 年）。作者和其他人（Goetz 等人，1985 年）提出的成像光谱法的原始定义是“获取数百个连续、已配准的光谱带中的图像，以便可以为每个像素导出辐射光谱”。高光谱传感器或成像光谱仪收集的独特数据既是一组空间连续的光谱，也是光谱连续的图像（Goetz 等人，1985 年）。高光谱遥感最早的应用之一是地质测绘及其在矿产勘探中的商业作用。 Staenz (2009) 记录了陆地成像光谱学的发展，该技术始于 20 世纪 70 年代末，由美国宇航局喷气推进实验室 (JPL) 和加拿大政府/私人合作伙伴（渔业和海洋部/Moniteq）共同开发，随后在美国开发了机载成像光谱仪 (AIS；Vane 和 Goetz，1988)，在加拿大开发了荧光线成像仪 (FLI；Gower 等人，1987)，并分别于 1983 年和 1984 年首次获取数据。这些活动促成了 1987 年第一台可见光和近红外
通过高光谱数据检索非常浅的水域水深
以及其他水体特性已使用光谱查找表 [7] 进行处理，其中前向辐射传输模型（如 Hydrolight [8]）会针对不同的水柱特性、深度和底部类型重复执行。为了全面起见，这些查找表必须很大，并且可能需要针对特定的海岸类型进行调整，因为底部类型和水特性可能会因海岸类型而有很大差异。高光谱数据的一个吸引人的特征是，除了水深测量检索之外，它还能够同时满足多种用途。光检测和测距 (LIDAR) 也被广泛用于检索水深测量数据。LIDAR 的优势在于它是一种主动传感器，可以在较深的水域提供更高的精度，但是，与典型的机载高光谱传感器相比，诸如扫描水文作业机载激光雷达调查 (SHOALS) [4] 之类的 LIDAR 系统必须在非常低的高度飞行，并且扫描范围相对较小。在非常浅的水域（深度小于 2 米）中，LIDAR 系统通常无法提供可靠的检索，无法解决底部和表面回波之间的差异。在本文中，我们专注于这种非常浅的水域，特别是从可以假设相对简单的反射模型的光谱范围中检索水深。与可见光波长的反射率相比，必须仔细考虑水柱的所有贡献，近红外波长反射率（800nm 以上）主要取决于水的吸收率和深度，以及底部反射率，水柱成分起次要作用。
将人工智能（AI）利用大地数据的景观：方法，挑战，机遇，未来方向
摘要：大地球数据与人工智能（AI）的整合通过在分析大型遥感数据集时提供了提高的准确性，效率和可扩展性，从而彻底改变了地质和矿物图。这项研究评估了先进的AI技术的应用，包括机器学习和深度学习模型，例如卷积神经网络（CNN），用于多光谱和高光谱数据，以识别和分类地质地层和矿物质。手稿对AI的能力进行了批判性分析，强调了其当前的意义和潜力，如NASA这样的组织在管理复杂的地理空间数据集中所证明的。对选定的AI方法，案例选择的标准以及道德和社会影响的详细检查丰富了讨论，解决了AI在地球科学中负责任应用中的差距。这些发现突出了检测复杂的空间模式和微妙的光谱特征的显着改善，从而推进了精确的地质图的产生。定量分析将AI驱动的方法与传统技术进行比较，强调了它们在诸如准确性和计算效率之类的性能指标上的优势。该研究还提出了解决诸如数据质量，模型透明度和计算需求之类的挑战的解决方案。通过整合增强的视觉辅助工具和实际案例研究，该研究强调了其在算法突破和地理空间数据整合中的创新。这些贡献提高了大地数据和地球科学中知识的不断增长，为AI在地质和矿物映射中的负责，公平且有影响力的未来应用奠定了基础。