XiaoMi-AI文件搜索系统
World File Search System原型系统
最佳云分析 (OCA) 第 1 版产品用户指南
最佳云分析 (OCA) 算法最初是在 1997 年授予卢瑟福阿普尔顿实验室 (RAL) 的一项研究中开发的，并于 2001 年编码为原型系统。该算法由 EUMETSAT 进一步开发，旨在提供 Meteosat 第二代 (MSG) 旋转增强可见光和红外成像仪 (SEVIRI) 仪器的 Day-2 产品。最新版本的操作算法允许识别多层云情况并检索双层场景的云属性 (Watts 等人，2011)。OCA 还提供了由最佳估计方法得出的不确定性的估计。自 2013 年 6 月以来，OCA 产品已作为演示产品以全重复周期 (15 分钟) 频率进行操作生成。OCA 检索到的云属性包括云顶压力、云光学厚度和云有效半径。OCA 算法已针对气候数据记录处理进行了轻微调整。调整主要在于使用不同的输入，因为用于近实时 (NRT) 的输入不适用于重新处理（云掩模、晴空反射图），并且在整个时间段内也不均匀（重新分析）。验证报告 (EUMETSAT, 2021) 中提供了 NRT 和 CDR 产品之间的差异。OCA Release 1 气候数据记录 (CDR) 涵盖了从 2004 年到 2019 年的 MSG 观测期，提供了均匀的云属性时间序列，它将 NRT 产品的时间延长了 9 年多。OCA Release 1 计划用作生成新的大气运动矢量 (AMV) CDR 的输入，并可能包括风矢量高度的不确定性估计。
郭华栋当选中国科学院院士......
2011年12月9日，对地观测与数字地球科学中心主任郭华东教授当选为中国科学院地球科学部委员。他是中国科学院对地观测与数字地球科学中心第一位当选的院士，这不仅是他个人的终身荣誉，也是对中国科学院对地观测与数字地球科学中心发展的一大助力。希望郭华东教授的当选能够为中心面向国家战略需求、面向国际科技前沿、面向“创新2020”、推动中国科学院对地观测与数字地球科学中心可持续发展提供有力支撑。30年来，郭华东教授在国内外雷达遥感研究与应用领域发挥了重要的引领作用。建立了无植被沙丘雷达散射几何模型、多频多时相雷达地物识别方法，在空间信息领域进行了开创性研究。他在雷达体制方面的研究，揭示了雷达电磁作用机理的特点。无植被沙丘几何散射模型，从理论上证明了SAR对干沙的穿透能力。发展了雷达极化理论，研究了火山熔岩的去极化现象和植物的多极化现象。他提出的多频多时相雷达处理与识别方法，为国家减灾减灾、矿产普查等需求做出了重要贡献。郭教授主持研制的数字地球概念技术模型和“数字地球原型系统DEPS/CAS”被国际同行誉为“里程碑式贡献”。他参与创立了国际数字地球学会，创办了《国际数字地球学报》并担任主编，推动了全球数字地球的发展。
基于新型人工智能的蜂巢视觉监测在生态毒理学和景观结构监测中的当前成就和未来发展
简介 蜜蜂群落可以充当有害物质的探测器，通过高死亡率发出有毒分子存在的信号，或者在花粉、花蜜或幼虫中积累非急性致命物质（如重金属、杀菌剂和除草剂）的残留物（Celli，1983 年；Porrini 等人，2002 年）。它们于 1935 年首次被用作监测环境质量的生物指标（Crane，1984 年）。农药使用检测是蜜蜂监测应用的研究领域之一（Atkins 等人，1981 年；Celli，1983 年；Mayer 和 Lunden，1986 年；Mayer 等人，1987 年；Celli 等人，1988 年；Celli 和 Porrini，1991 年；Celli 等人，1991 年；Porrini 等人，1996 年）。由于蜂群中约四分之一的居民是活跃的觅食者，因此蜂群的状况反映了其栖息地的状态。使蜂群成为特别合适的环境指标的必要条件包括：养蜂人可以轻松饲养蜂群，觅食者可以覆盖大片区域，并且出于自身利益而收集花粉或花蜜等样本。（Celli 和 Maccagnani，2003 年）。蜜蜂群的发展取决于许多因素，包括但不限于蜂王年龄、营养、蜂群强度、病原体和寄生虫以及区域特性。因此，需要大量样本才能客观地了解蜜蜂危害的因果关系。在旨在了解蜜蜂群落崩溃原因的德国蜜蜂项目中，2004 年至 2009 年间，在全国 125 个地方监测了 1,200 多个蜂巢。这项研究揭示了许多相关性，但也留下了一些问题。作者推测，适合记录亚致死或慢性影响的研究设计可能会揭示出杀虫剂对蜂群崩溃的负面影响，而他们无法检测到这种负面影响。（Genersch 等人，2010 年）。因为使用蜜蜂作为生物指标的大规模研究非常耗时耗力，所以它们的数量仍然很少。1978 年，Giordani 等人证明了氯化烃杀虫剂硫丹的剧毒作用。然而，需要很多年的时间和几项研究才能提供足够的证据来改变对该物质的使用限制。后来，在意大利北部的一个大规模监测项目中，记录了数百个蜂巢在农业产生的高和低化学压力下的蜜蜂死亡率。通过分析伤亡人数特别多的蜂巢中的死蜂，能够确定造成 76% 已记录的大规模死亡的分子。然而，作者提到的设计的一个缺点是，收集到的死蜂数量只是一个保守估计，因为无法记录现场致死剂量造成的损失。（Celli 和 Maccagnani，2003 年）。这些研究展示了蜜蜂监测在各个领域的潜力，从农药监管到蜜蜂健康研究的普遍进展。然而，它们是先驱项目，并不代表通常的研究方式。到目前为止，因子分析和预防活动主要建立在少数蜂巢的快照数据上，这些数据可以更经济地收集。技术的使用可以帮助降低劳动强度，从而降低此类项目的成本。最近开发了一些基于不同技术的系统，但仍然存在缺陷。有些计数系统试图量化入口处的进出蜜蜂，例如带电容检测的 BeeCheck（Gombert 等人，2019 年）。由于它们的设计，计数系统只能记录短距离内的传粉者。它们的感官原始数据的信息内容大大减少，无法用成像方法进行评估。在复杂的情况下，例如蜜蜂相互踩踏或形成群体，它们很容易出现测量不准确，因此不适合对死亡率进行可靠的评估。借助视觉系统，可以通过一系列图像跟踪每只动物。第一批科学研究已经可以展示原型系统，该系统使用蜂巢入口处的摄像系统来确定寄生虫感染情况（Schurischuster 等人，2018 年）。从 2017 年到 2020 年，欧盟资助的 IoBee 项目旨在通过蜂群数据联网来确定全球蜜蜂种群的变化。该项目使用蜂巢入口处的摄像系统来确定寄生虫感染情况（Schurischuster 等人，2018 年）。从 2017 年到 2020 年，欧盟资助的 IoBee 项目旨在通过蜂群数据联网来识别全球蜜蜂种群的变化。该项目使用蜂巢入口处的摄像系统来确定寄生虫感染情况（Schurischuster 等人，2018 年）。从 2017 年到 2020 年，欧盟资助的 IoBee 项目旨在通过蜂群数据联网来识别全球蜜蜂种群的变化。