XiaoMi-AI文件搜索系统
World File Search System水深
用于清洁大量水深测量数据的系统
最近，用于绘制海底地图的大量数据采集技术已经面世并被采用。加拿大使用的技术包括机载激光测深系统，例如由加拿大开发的由 Optech Systems 开发的 LARSEN 500 系统及其后继系统 SHOALS 系统（深度能力达 30 米）；扫描系统，例如由丹麦开发的 Navitronics 系统，该系统安装在由加拿大水文服务局、加拿大公共工程部和加拿大海岸警卫队运营的几艘船上（深度能力达 100 米）；以及条带测绘系统，例如由挪威开发的 Simrad EM100 多波束测深仪（深度能力达 300 米），该系统在 CSS MATTHEW 和 CSS CREED 上使用，还安装在纽芬兰 Geo Resources Inc 的遥控潜艇平台 Dolphin 的船体上。这些系统
评估机载 LiDAR 绘制河流水深地图的能力
在美国雅基马河和三一河流域，我们收集了 220 公里的机载水深激光雷达数据。在收集航空数据的同时，我们还对两个流域的河床进行了地面勘测。我们从水深激光雷达调查在创建准确、精确和完整的河床地形以供数值建模和地貌评估方面的应用角度来评估其质量。测量误差是根据地面调查的幅度和空间变化来评估的。方差统计分析表明，在相似位置进行的两个独立地面调查的残差不是来自同一总体，这意味着不同研究地点的误差也来自不同的总体。系统误差表示数据中存在一致的偏差，随机误差在预期精度值范围内。2007 年由 John Wiley & Sons, Ltd. 出版。
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。
使用无人驾驶飞行器控制的系留单波束声纳对内陆水体进行水深观测
1 丹麦技术大学环境工程系，Kgs. Lyngby，丹麦。 2 丹麦技术大学国家空间研究所，Kgs. Lyngby，2800，丹麦。联系人：Filippo Bandini (fban@env.dtu.dk) 10
使用无人驾驶飞行器控制的系留单波束声纳对内陆水体进行水深观测
1 丹麦技术大学环境工程系，Kgs。丹麦林比。2 丹麦技术大学国家空间研究所，Kgs。丹麦林比，2800。联系人：Filippo Bandini (fban@env.dtu.dk) 10
水深测量、地形和海岸线的整合以及...
水深、地形和海岸线的整合对许多沿海应用有益。这种地理空间整合始于将所有数据集转换为通用垂直基准面后，将水深和地形数据混合到数字高程模型 (DEM)。垂直基准面转换工具 VDatum 已经开发出来，允许在 27 种不同的正高、3-D/椭圆体和潮汐基准面之间进行转换。VDatum 中潮汐基准面的地理分布是使用经过校准的水动力潮汐模型生成的。初步示范项目在坦帕湾地区开展，其中将 NOAA（美国国家海洋和大气管理局）的水深数据与 USGS（美国地质调查局）的地形数据进行混合。其中一个目标是解决 NOAA 的航海图和 USGS 的地图产品之间的不一致问题，尤其是在海岸线方面。演示了一种从覆盖潮间带的高分辨率激光雷达高程数据（将这些数据转换为 MHW 基准面，其中零轮廓为 MHW 海岸线）确定一致定义的平均高水位 (MHW) 海岸线的方法。VDatum 还将在以下方面发挥关键作用：(1) 实施无缝高分辨率国家水深测量数据库，该数据库将支持 ENC（电子航海图）的制作和沿海区管理人员基于 GIS 的活动；(2
英吉利海峡和凯尔特海岩石的半自动测绘
摘要 本报告介绍了采用半自动化方法绘制海底基岩露头的结果。该方法由两个要素组成，即 1) 使用随机森林集成模型自动空间预测海底岩石的存在与否，以及 2) 根据辅助地质数据和专家知识手动编辑模型输出。该方法适用于 Charting Progress 2 区域 3（东海峡）和 4（西海峡和凯尔特海），但预计也适用于其他区域海域。自动预测是基于对岩石存在与否（响应变量）的观察以及各种预测变量，包括水深、水深的几种导数（坡度、粗糙度、水深位置指数等）、模拟流体动力学（深度平均潮流速度和峰值波轨道速度）和地质信息，例如基于基岩年龄和岩性的相对抗侵蚀性、沉积物流动性指标以及海床或海床附近硬质基质的存在。根据一组独立的测试数据评估了模型输出的准确性，准确性统计数据表明结果令人满意（总体准确性：83%）。目视检查确实发现某些地方存在错误分类，并相应地调整了模型输出。根据测深数据的类型（质量）、随机森林集合的模型一致性以及空间明确方式下的预测与观测之间的一致性，对已开发岩层的置信度进行了评估。在以系统方式进行手动编辑的情况下，对置信度分数进行了修改。最终输出显著改善了对英吉利海峡和凯尔特海海底基岩存在的表示。
将水深测量激光雷达引入沿海区域评估
摘要：环境保护的主要任务之一是监测海岸因气候变化和人为压力而产生的负面影响。遥感技术经常用于影响评估研究。地形和水深测量程序被视为单独的测量方法，而将沿海区域分析与水下影响相结合的方法很少用于岩土分析。本研究对用于沿海监测的水深测量机载系统进行了评估，同时考虑了环境条件并与其他监测方法进行了比较。测试是在波罗的海的一个区域进行的，尽管监测成功，但沿海退化仍在继续。该技术能够确定沿海悬崖侵蚀的威胁（基于岩土分析）。据报道，浅水深度对水深光探测和测距 (LiDAR) 来说是一个挑战，因为很难将表面、水柱和底部反射相互分离。通过描述所使用的分类方法克服了这一挑战，即最适合点云处理的 CANUPO 分类方法。本研究提出了一种识别自然灾害的创新方法，即结合沿海特征与水下因素的分析。本文的主要目标是评估在波罗的海使用水深扫描来确定导致海岸侵蚀的因素的适用性。此外，还进行了岩土工程分析，考虑到水下的几何地面变化。这是第一项使用沿海监测方法的研究，将岩土工程计算与遥感数据相结合。这项跨学科的科学研究可以提高对环境过程的认识。
人工智能支持的公民科学监测加利福尼亚州纽波特海滩的高潮洪水
监测高潮洪水 (HTF) 具有挑战性，因为 HTF 通常传播广泛，并根据自然过程和基础设施形成局部积水。固定监测系统和卫星成像有一定的局限性。迄今为止，公民科学被认为是监测 HTF 最有前途的手段，它为社区提供了广泛而持续的覆盖，并提供了洪水事件的实时第一手见证。在这里，我们提出了一个灵活的人工智能 (AI) 支持的 HTF 监测公民科学平台。通过标准摄影测量算法和称为单标图的计算机视觉技术来识别洪水范围，并使用参考对象来估计水深。本文采用单标图法建立照片与相应数字高程模型 (DEM) 数据之间的关联，将洪水范围和水深映射到 DEM 地图上，以最大限度地减少数据不确定性，提高数据的可信度、分辨率和整体价值。