XiaoMi-AI文件搜索系统
World File Search System遥感数据
研究论文 使用反向传播神经网络对高光谱遥感数据中的岩性信息进行提取和分类
为了解决高光谱遥感数据处理中遇到的同构问题,提高高光谱遥感数据在岩性信息提取与分类的精度,以岩石为研究对象,引入反向传播神经网络(BPNN),对高光谱图像数据进行归一化处理后,以岩性光谱与空间信息为特征提取目标,构建基于深度学习的岩性信息提取模型,并使用具体实例数据分析模型的性能。结果表明:基于深度学习的岩性信息提取与分类模型总体精度为90.58%,Kappa系数为0.8676,能够准确区分岩体性质,与其他分析模型相比具有较好的性能。引入深度学习后,提出的BPNN模型与传统BPNN相比,识别精度提高了8.5%,Kappa系数提高了0.12。所提出的提取及分类模型可为高光谱岩矿分类提供一定的研究价值和实际意义。
一个用于融合遥感数据的贝叶斯分层框架：太阳引起荧光
太阳能诱导的叶绿素荧光（SIF）已成为植被生产力和植物健康的有效指标。SIF的全球量化及其社会不确定性产生了许多重要的功能，包括改善碳通量估计，改善碳源和水槽的识别，监测各种生态系统以及评估碳序列工作。长期，区域到全球尺度监测现在是可行的，可以从多种地球观察卫星中获得SIF估计。这些努力可以通过严格的卫星SIF数据产品中存在的不确定性来源的严格核算来帮助这些努力。在本文中，我们引入了一个贝叶斯分层模型（BHM），以估算从1°×1◦分辨率分辨率分辨出具有全球覆盖的旋转碳天文台-2（OCO-2）卫星观测中的SIF和关联不确定性。我们的建模框架的层次结构允许方便模型规范，各种变异源的量化以及通过回归模型中的傅立叶项纳入季节性SIF信息。模型框架利用大多数温带土地区域的SIF可预测的季节性。所得数据产品以相同时空分辨率的现有大气二氧化碳估计值进行了补充。
深度学习模型映射快速植物物种从公民科学和遥感数据变化
人为栖息地破坏和气候变化正在重塑全球植物的地理分布。但是，我们仍然无法以高空间，时间和分类学分辨率来绘制物种的变化。在这里，我们开发了一种深度学习模型，该模型使用来自加利福尼亚的遥感图像以及50万公民科学观察培训，可以绘制2,000多种植物物种的分布。我们的模型 - DeepBiosphere-不仅要优于许多常见的物种分布建模方法（AUC 0.95 vs. 0.88），而且可以以多达几米的分辨率来绘制物种，并以高准确性地描绘了植物群落，包括原始和透明的红木国家公园森林。这些精细的比例预测可以进一步用于绘制跨人类改变景观的栖息地碎片的强度和尖锐的生态系统过渡。此外，从频繁的遥感数据集合中，DeepBiosphere可以在2- y的时间段内检测严重野火对植物群落组成的快速影响。这些发现表明，对公共地球的观察和深入学习的公民科学可以为自动化系统铺平道路，以监视全球实际时间的生物多样性变化。
使用卫星遥感数据中的甘蔗产量估计在经验或机械建模中：系统评价
1遥感研究生计划（PGSER），教学，研究与扩展协调（COEPE），国家空间研究所（INPE），SâoJosédosCampos 12227-010，巴西； ieda.sanches@inpe.br（I.D.S.）; claudia.almeida@inpe.br（C.M.D.A。）; marcos.adami@inpe.br（M.A。）2Sâo保洛州立大学（UNESP），科学与工程学院，TUP - 17602-496，巴西； Michel.dantas@unesp.br 3 3 Queiroz（ESALQ）的生物系统工程系（USP），Piracicaba 13418-900，巴拉西; Analuciano@usp.br 4地球观察和地球形式分部（Diotg），地球科学一般协调（CG-CT），国家空间研究所（INPE），SâOJoséDosCampos 12227-010，巴西 *通信 *通信：Nildson.silva@inpe@inpe.br
人工智能和卫星遥感数据用于非洲农业部门的决策
鉴于非洲国家目前面临的与农业贸易相关的诸多挑战，肩负保护弱势群体责任的政策制定者必须意识到其国家可能因这些挑战而遭遇的潜在粮食生产中断。例如，俄罗斯和乌克兰都是许多农产品的主要出口国，包括葵花籽油和种子、小麦、大麦、油菜籽和玉米。两国合计占全球小麦贸易的 27%，而大麦、油菜籽和玉米贸易的全球份额分别占 23%、16% 和 14%1 。此外，目前正在交战的俄罗斯和乌克兰占全球氮、钾和磷肥出口的 28% 以上2 因此，俄乌战争破坏了全球粮食和农业价值链的稳定，预计战争持续时间越长、强度越大，这种情况将持续甚至恶化。作为化肥和小麦的净进口国，非洲国家已经经历了这些商品及其替代品价格的上涨。化肥和小麦价格上涨将对当前和未来季节的农业生产产生负面影响。因此，更多的家庭可能需要来自各种来源的支持，以度过由此产生的食品价格上涨。
利用遥感数据进行荒漠化环境监测
摘要。本研究的意义在于土地荒漠化问题的重要性，包括在为各个国家和整个地理区域提供自然资源的系统中，以及使用现代地形遥感方法有效解决荒漠化地区生态监测问题。本研究的目的是调查地形遥感数据，以评估该方法在解决所考虑地区地形荒漠化生态监测问题方面实际应用的有效性。本研究方法论的基础是结合系统分析遥感技术在不同地理区域应用的各个方面，分析土地荒漠化生态监测问题，这些问题在农业和工业部门面临的实际任务执行中发挥着重要作用，这些地区在农业和工业部门的活动中具有重要的实际意义。研究过程中获得的主要结果是使用卫星设备获得的陆地表面监测数据，展示了表面荒漠化阶段的顺序，并清楚地说明了应用表面遥感技术的可能性及其后续应用的前景。本研究的结果和结论对于开发对任何国家的经济和工业运行具有战略意义的地区的遥感技术的有效应用方法具有相当大的应用价值。这些技术对于从事开发用于评估上述地区生态荒漠化程度的现代遥感技术实际应用方法的设计办公室和研究机构的员工也具有很大的兴趣
利用遥感数据支持智能农业...
本文回顾了哈萨克斯坦多级农业用地监测系统的现状，该系统是精准农业系统的一部分，在国家层面和土地使用者的背景下实施。确定了广泛使用遥感 (RS) 和无人机 (UAV) 数据的主要制约因素。该国领土面积大、气候条件不同、地形高度差异大，对数据处理和解释方法的选择产生了影响。Sentinel、Landsat、Modis 卫星的数据被用作输入数据，农业中最常用的软件应用程序以此为基础。在对巴甫洛达尔地区 KH“Mayak”农场的农业用地进行监测的基础上，利用可用的在线应用程序、程序、本地 Web 服务、UAV 评估了在哈萨克斯坦现代条件下多级使用遥感的潜力。无人机与移动 RTK 站的测量结果可以确保 1:1000 比例尺的地图精度。
利用遥感数据支持智能农业GIS监测耕地和农作物状况
本文回顾了哈萨克斯坦多级农田监测系统的现状，该系统是精准农业系统的一部分，在国家层面和土地使用者的背景下实施。确定了广泛使用遥感 (RS) 和无人机 (UAV) 数据的主要制约因素。该国领土面积大、气候条件不同、地形高度差异大，这些因素对数据处理和解释方法的选择产生了影响。Sentinel、Landsat、Modis 卫星的数据被用作输入数据，农业中最常用的软件应用程序都基于这些数据。在对巴甫洛达尔地区 KH“Mayak”农场的农田进行监测的基础上，使用可用的在线应用程序、程序、本地 Web 服务，无人机评估了在哈萨克斯坦现代条件下多级使用遥感的潜力。无人机与移动 RTK 站的测量结果可以确保地图的精度达到 1:1000。
使用遥感数据支持智能农业 GIS 监测耕地和农作物状况
本文回顾了哈萨克斯坦多级农业用地监测系统的现状，该系统是精准农业系统的一部分，在国家层面和土地使用者的背景下实施。确定了广泛使用遥感 (RS) 和无人机 (UAV) 数据的主要制约因素。该国领土面积大、气候条件不同、地形高度差异大，对数据处理和解释方法的选择产生了影响。Sentinel、Landsat、Modis 卫星的数据被用作输入数据，农业中最常用的软件应用程序以此为基础。在对巴甫洛达尔地区 KH“Mayak”农场的农业用地进行监测的基础上，利用可用的在线应用程序、程序、本地 Web 服务、UAV 评估了在哈萨克斯坦现代条件下多级使用遥感的潜力。无人机与移动 RTK 站的测量结果可以确保 1:1000 比例尺的地图精度。
遥感数据与国际知识产权法
电子邮件：biswanathgupta1988@gmail.com 摘要：遥感技术利用从地球反射和衍射到太空的电磁波来创建复杂的数据，这些数据对自然资源管理和土地利用非常有用。最初，只有少数国家能够获得遥感数据，但随着外层空间技术和研究的发展，越来越多的国家获得了探索遥感数据使用的能力。同样，私人遥感数据用于商业目的的可用性也在增加。在这个关键时刻，各国越来越多地转向知识产权（“IP”）权利，特别是版权，以保护和垄断遥感数据。现有的遥感数据知识产权法在国内和国际法领域差异很大。外层空间的国际法没有充分解决影响遥感数据版权保护的问题。本文阐述了围绕遥感数据保护制度的困境和争论，最后提出了解决这些问题的可能解决方案。公约和期刊文章用于发展本文的论点。关键词：外层空间、遥感、版权、数据、国际法、知识产权