XiaoMi-AI文件搜索系统
World File Search System遥感图像
国家安全保障对遥感影像商业化的影响
1994 年 3 月，克林顿政府宣布了一项政策，允许美国公司向公众和外国实体出售遥感图像。1 克林顿政策只是管理遥感图像销售和准备的法律文书之一。它试图使美国的监管制度现代化，使美国公司能够在竞争日益激烈的市场中有效竞争。2 该政策目标尤其重要，因为遥感图像技术发展的增长速度超过了管理它的政策和法规。自 1970 年代以来，美国一直试图在国内和国际上建立一个法律框架，为私营部门提供稳定而全面的监管制度。有了这样的制度，私营部门将获得必要的激励和支持，以证明私人太空企业的巨大费用和风险是合理的。3
使用多传感器和多分辨率遥感图像的长期土地覆盖变化检测：中国长大学的案例研究
更改检测是遥感应用程序中最重要的方面之一。但是，由于图像采集的有限条件，从相同类型的遥控传感器获得的图像通常用于监视长期土地使用和土地覆盖（LULC）的变化。由于航空航天技术的发展和新的光学遥控传感器，LULC更改检测可以很好地使用多传感器和多分辨率图像进行。本文的主要贡献是验证通过将不同的更改检测方法应用于多传感器和多分辨率遥感图像来执行长期LULC更改检测是可行且可行的。在这项研究中，从1998年至2018年，在Landsat，Quickbird，Worldview-4和GF-2图像上使用了不同的变更检测方法，以检测中国Chang'an University的Weishui校园的LULC变化。结果表明，使用LandSat-5图像的直接光谱比较方法比使用LandSat-7图像在1998年至2008年之间更有效地检测到1998年至2008年之间的LULC变化。然而，在2008 - 2018年间，基于对象的变更检测方法比使用时间序列的高分辨率图像来监视校园中LULC更改的分类后方法更适用。这项研究可用作使用多传感器和多分辨率遥感图像的参考，以及在LULC变化检测场中不同变化检测方法的组合。
AI-ForestWatch：基于语义分割的端到端框架，使用多光谱遥感图像进行森林估计和变化检测
摘要。森林变化检测对于可持续森林管理至关重要。由于毁林（例如野火或开发活动引起的伐木）或造林而导致的森林面积变化会改变森林总面积。此外，它还会影响可用于商业目的的可用库存、碳排放引起的气候变化以及森林栖息地估计的生物多样性，这对于灾害管理和政策制定至关重要。近年来，林业人员依靠手工制作的特征或双时间变化检测方法来检测遥感图像中的变化以估计森林面积。由于手动处理步骤，这些方法很脆弱且容易出错，并且可能产生不准确的（即低估或高估）分割结果。与传统方法相比，我们提出了 AI-ForestWatch，这是一个用于森林估计和变化分析的端到端框架。所提出的方法使用基于深度卷积神经网络的语义分割来处理多光谱空间图像，通过自动从数据集中提取特征来定量监测森林覆盖变化模式。我们的分析完全由数据驱动，并使用 2014 年至 2020 年的扩展版（带植被指数）Landsat-8 多光谱影像进行。作为案例研究，我们估算了巴基斯坦 15 个地区的森林面积，并生成了 2014 年至 2020 年的森林变化图，在此期间，这些地区开展了主要的造林活动。我们的批判性分析显示，15 个地区中有 14 个地区的森林覆盖率有所提高。AI-ForestWatch 框架及其相关数据集将在发布后公开，以便其他国家或地区可以采用。© 作者。由 SPIE 根据知识共享署名 4.0 未移植许可证出版。分发或复制本作品的全部或部分内容需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.JRS.15.024518]
标题为基于空中视力的遥感图像数据集，来自大型农场使用自主无人机监视牲畜类型的文章url https：/ div>
牲畜具有很高的经济价值，并且经常在大型农场中对其进行监测是一项劳动密集的任务，而且昂贵。关于单个动物及其周围环境的智能数据的出现为早期发现和预防疾病，更好的动物护理和可追溯性，更好的可持续性和农场经济学开辟了新的机会。精确的牲畜农业（PLF）依靠牲畜数据的恒定和自动收集来支持农民，兽医和当局做出的专业知识和管理决定。无人机的高流动性与高水平的自主权，传感器驱动的技术和AI决策能力相结合可以为农民提供许多优势，从而利用大型农场的每个角落利用即时信息。这项研究的主要目标是i）探索各种基于无人机的基于视觉的遥感模式，尤其是视觉带感应和热成像仪，ii）ii）ii）ii）ii）ii）ii）ii）收集具有各种参数的数据，ii）ii）与研究人员建立良好的高级式富有融合式融合式融合式融合式融合的方法，以建立各种参数方式。收集的数据表明，可以利用从多种传感器模式获得的牲畜的独特特征的融合，以帮助农民通过PLF在大型农场中体验更好的牲畜管理。
使用基于人工智能的远程技术估算亚马逊碳储量...
森林监测系统的设计。这涉及到森林资源清查设计、分层、抽样、池、准确性/不确定性评估以及地面清查与遥感和建模方法的结合等问题。计算方法可以提供有价值的工具来支持开发针对这一环境问题的有效解决方案。在本文中，我们介绍了一些正在进行的研究计划，以解决碳储量估算问题。我们感兴趣的是通过外推和空间化来估计碳储量，基于地面森林清查，结合高分辨率卫星、雷达和激光雷达（光检测和测距）3D 技术的异构遥感图像源。我们的目标之一是确定碳储量。
利用遥感和地理信息系统评估地下水资源
地质系的同事们随时为我提供支持。Mohammed Mersal 博士审阅了地貌和地质方面的章节。Ahraf Baghdady 博士提供了许多相关参考资料。Osman Abdelghany 博士提供了描述研究区域的地层柱。Almad B Mahmoudi 博士提供了精神支持。GIS 和遥感专家 Hamdl Kandil 先生凭借其经验和能力完成了论文的最终定稿。他花了很多时间起草图表和格式化手稿。Gaber Latif 先生帮助将遥感图像中的农业区数字化。
基于代码的EO任务助手
近年来，由于来自公共和私营部门的重要努力，遥感图像变得比以往任何时候都更加可行。例如，欧盟的哥白尼计划可免费访问合成孔径雷达（SAR）和多光谱数据。除了政府倡议，公司（例如行星实验室）还每天在全球范围内提供非常高的分辨率图像。遥感图像包含已经使用的信息来跟踪气候变化，改善安全性并理解和管理环境。利用广泛的遥感方式提供的不同级别的信息是一个积极的研究领域。多模式性用于许多遥感应用程序[1]。但是，遥感数据的解释通常由专家执行，通常涉及手动处理。随着数据量的增加，手动解释成为影响提取信息的延迟的限制因素，也是可以使用此类数据的域。对于特定应用程序，遥感社区一直在开发临时自动方法。因此，这些作品只能处理任一通用应用程序（例如污染监测）或具有直接财务利益的污染监测。在存在数据时，普通受众并不总是具有提取感兴趣信息的技术知识，或者可以为研究提供资金的能力。在这个项目中，我们将利用EO工具可以通过代码连接的事实。我们认为，遥感图像中包含的信息可能吸引更大的公众：记者可以检索此类数据以理解，关注战争以及气候变化或地方政府的影响，或者可以在其决策过程和研究中使用此数据。通过非技术和通用接口从遥感数据中提取信息将是一种使总受众直接从该数据中受益的方法。IC-EO项目的目的是提出一个可以与图像等EO数据相互作用的会话助手。这将使我们能够提出一个模型，该模型可以以可扩展且直接的方式整合最新研究状态。IC-EO助手的目的是能够回答以下问题：“去年夏天大火期间该地区的左侧有多少场地？”，以及“有多少建筑物距离公园步行不到5分钟？”，而无需限制特定格式。唯一地，此类问题的答案将基于代码，因此可以审查和理解，而不是当前方法的黑盒性质。该模型可以分为两个部分：首先，我们提出了一个涵盖基本任务的应用程序编程接口（API），例如分类，对象检测，视觉接地和语义分割。第二，我们将训练一个大型语言模型，以使用此API作为上下文，以预测用户查询的基于代码的解决方案。助手执行的样本如图1所示。
热带森林覆盖和森林砍伐的卫星测绘
在全球范围内绘制和监测热带森林覆盖率只能通过遥感图像和地理信息系统 (GIS) 工具来完成，这些工具可以绘制和计算图像分析的结果。自 1973 年以来，NASA 的 Landsat 卫星已连续获取了大部分热带地区的图像。这些图像提供了 20 年的时间序列，可以对热带森林覆盖率前所未有的变化进行前后分析。通过对这些图像和其他数据的分析，可以编制显示森林范围和森林砍伐模式的地图，本文后面将对此进行介绍。还需要森林管理区、公园、保护区和其他重要特征（如交通网）的补充地图，以便进行保护规划和气候