XiaoMi-AI文件搜索系统
World File Search System卫星图像
S:\Organizations\Staff\HIST\HIST_Program\History Manuscripts\DMSP\DMSP PDF copy for print.prn.pdf
国防气象卫星（如本专著中的图16.）允许地理学家和社会科学家对各个地区的人口密度做出明智的估计。参见 C. D. Elvidge、K. E. Baugh、E. A. Kihn 和 E. R. Davis，“使用 DMSP 操作线扫描系统的夜间数据绘制城市灯光”，摄影测量工程与遥感，第63，第6，1997 年，第727-734 页；Paul Sutton、Dar Roberts、Chris Elvidge 和 Hank Meij，“美国大陆夜间卫星图像与人口密度比较”，摄影测量工程与遥感，第63，No.11，1997，页1303-1313；Paul Sutton，“利用夜间卫星图像和 GIS 建模人口密度”，计算机、环境和城市系统，Vol.21，No.3/4，1997，页227-244。
暴露朝鲜的石油采购网络
即使是保守的估计，平壤似乎已经成功绕过了燃料制裁，并超过了自引入极限以来每年被联合国安理会（UNSC）施加的上限。27尽管冠状病毒大流行和朝鲜对港口交通的限制构成的挑战，但对石油码头和进口设施的高分辨率卫星图像的分析表明，朝鲜在2020年再次违反了进口上限。通过对AIS数据和卫星图像的分析，作者发现，外国标志的油轮向朝鲜港口交付的燃料比例很大，并且一直在增加。28这一现象提出了有关这些制裁违规背后的实体的重要问题，并且呼吁审查走私者如何继续逃避检测和识别，同时在世界上一些受监控的水域中运输燃料。
学科代码 LSGI1001 学科名称 地球大数据与...
人工智能和数据分析 (AIDA) 是当今世界的重要工具，彻底改变了商业、公共卫生、环境、科学、技术、社会科学等各个领域的范式。它们提供了有益的方法，可以自动处理大量和各种数据，获取基本信息，并促进生活各个方面的决策。地球大数据，即从太空收集用于地球观测的大数据，为地球和环境科学提供了新的机会，彻底改变了理解地球系统和动态、人与环境相互作用以及自然和人类系统可持续性的方法和技术。地理空间分析使用来自各种技术（卫星图像、GPS、位置传感器、社交媒体、移动设备）的数据来分析和可视化地理参考数据，以了解现象并发现人与地点之间复杂关系中的模式和趋势。地理空间分析在传统类型的数据中添加了位置和时间，这种额外的背景可以更全面地了解现象和事件，更准确地预测模式和趋势，并实现实时可视化。本课程提供有关地球观测和地理空间人工智能 (EO-GeoAI) 各种问题的通识教育。探索从太空获取的图像/数据中识别和评估地球特征的方法。航空照片、地球资源卫星图像、气象卫星图像、激光雷达、无人机图像、社交媒体、移动设备等用于深入了解地球表面重要的物理、经济和文化特征。将进一步介绍遥感、地理空间人工智能和地理空间大数据分析中的机器学习基础知识。
S:\Organizations\Staff\HIST\HIST_Program\History Manuscripts\DMSP\DMSP PDF copy for print.prn.pdf
国防气象卫星（如本专著中的图16.）允许地理学家和社会科学家对各个地区的人口密度做出明智的估计。参见 C. D. Elvidge、K. E. Baugh、E. A. Kihn 和 E. R. Davis，“使用 DMSP 操作线扫描系统的夜间数据绘制城市灯光”，摄影测量工程与遥感，第63，第6，1997 年，第727-734 页；Paul Sutton、Dar Roberts、Chris Elvidge 和 Hank Meij，“美国大陆夜间卫星图像与人口密度比较”，摄影测量工程与遥感，第63，No.11，1997，页1303-1313；Paul Sutton，“利用夜间卫星图像和 GIS 建模人口密度”，计算机、环境和城市系统，Vol.21，No.3/4，1997，页227-244。
GAO-23-106042，国家安全空间
众议院拨款委员会的报告随附了 2022 财年国防部拨款法案，其中包括一项规定，要求我们报告整个国家安全界与商业卫星图像相关的合同。1 委员会在报告中表示担心，联邦政府可能没有充分利用其购买力来确保最佳价值，并且可能没有最大限度地减少整个政府商业图像采购的冗余和重复。随后，在 2022 年 7 月，我们发布了一份机密报告，内容涉及国防部和情报部门如何获取使用遥感数据的商业卫星图像和分析服务。2 2022 年 9 月，我们发布了该报告的非机密版本。3 该报告的机密版本和非机密版本涵盖了众议院报告 117-88 中的大部分报告条款。
卢旺达空间经济研究议程
实证空间经济学领域涉及空间分解变量的分析，包括 i) 具有足够空间粒度的二级和行政调查数据；以及 ii) 通过卫星图像算法得出的遥感数据。这个领域比一般的实证经济学领域要新得多，但已经有大量国际文献展示了可以在卢旺达应用的令人着迷的研究可能性。在他们对卫星数据在经济学中的应用的评论中，Donaldson 和 Storeygard (2016) 写道：“遥感和计算机科学、工程和地理等相关领域发生了一场革命。PB 级的卫星图像已经以越来越高的分辨率向公众开放，许多从这些图像中提取有意义的社会科学信息的算法现在已成为常规算法，而现代基于云的处理能力使这些算法可以在全球范围内运行。”（第 171 页）
停车策略更新——第一阶段报告
主要为通勤者提供的停车场 此区域比主要购物区更宽阔，超出了新兴总体规划中定义的区域。在总体规划边界附近的街道上，除了私人和雇主停车场外，还提供有限的不受限制的街边停车位。研究区域的卫星图像已用于估计超过 30 个停车位的路外雇主和商业停车场。虽然研究区域的面积相对较小，但不可避免地会错过大量停车位，并且会遗漏许多停车位不足 30 个的停车场。利用开放街道地图和卫星图像，我们在总数中又增加了 40%，以尝试估计较小的雇主停车场。这个估计是基于我们的经验，如果需要可以进行改进，但对于本研究来说是合理的。附录 1 中提供了已确定停车位的完整列表。
利用量子优势进行卫星图像处理：回顾与评估
摘要 本文探讨了量子计算在地球观测 (EO) 和卫星图像中的现状。我们分析了量子学习模型在处理卫星数据时的潜在局限性和应用，考虑到从量子优势中获利以及找到高性能计算 (HPC) 和量子计算 (QC) 之间的最佳共享的持续挑战。然后，我们评估了一些转换为 Clifford+T 通用门集的参数化量子电路模型。T 门揭示了在 HPC 系统或多个 QC 系统上部署量子模型所需的量子资源。特别是，如果无法在 HPC 系统上有效地模拟 T 门，我们可以应用量子计算机及其计算能力，而不是传统技术。我们的量子资源估计表明，具有足够数量 T 门的量子机器学习 (QML) 模型提供量子优势，当且仅当它们比部署在 HPC 系统上的经典模型更好地概括看不见的数据点，并且它们在每次学习迭代中打破权重的对称性，就像在传统深度神经网络中一样。作为一项初步创新，我们还估算了某些 QML 模型所需的量子资源。最后，我们定义了 HPC+QC 系统之间的最佳共享，用于执行高光谱卫星图像的 QML 模型。与其他卫星图像相比，这些数据集是独一无二的，因为它们的输入量子比特数量有限，标记的基准图像数量也很少，因此在量子计算机上部署起来的难度较小。