XiaoMi-AI文件搜索系统
World File Search SystemDSMS
开发和提交养空安全 -
• identified in the DSMS or DPP • available to the regulator for review as part of the overall review and assessment of the DSMS or DPP • able to be used as the basis for inspection by the regulator both confirming that the document complies with legislation and that the diving contractor is conforming with the document • identified in some manner as being linked to the DSMS or DPP • maintained under document control to ensure that only the current version is available to workers并且已经归档了先前的版本•受控文档具有与母公司DSMS或DPP相同的更改控件，并记录所有更改并可进行审查•在与父母DSMS或DPP相同的内部质量保证和质量控制合规性的约束中，以确保参考文档符合该立法并遵守该立法。
传感器 - ScienceOpen
摘要：本研究提出了一种新方法，利用无人机 (UAV) 成像联合评估积雪深度和冬季叶面积指数 (LAI)，后者是植被的结构特性，影响积雪和融雪。在冬季，评估了在捷克共和国舒马瓦国家公园 (Šumava NP) 内部分健康或受昆虫影响的挪威云杉林和草地覆盖区拍摄的一组多时间高分辨率数字表面模型 (DSM)（无雪和积雪条件），以评估积雪深度。无人机得出的 DSM 的分辨率为 0.73–1.98 cm/pix。通过减去 DSM，确定了积雪深度，并与在地面控制点 (GCP) 位置进行的手动雪深测量进行比较，均方根误差 (RMSE) 在 0.08 m 到 0.15 m 之间。将基于无人机的积雪深度与更密集的手动积雪深度测量网络进行比较分析，得出的 RMSE 在 0.16 m 到 0.32 m 之间。LAI 评估对于正确解释森林地区的积雪深度分布至关重要，它基于在森林状况下拍摄的俯视无人机图像。为了从俯视无人机图像中识别冠层特征，使用雪背景代替天空部分。参考了两种有效的冬季 LAI 检索常规方法，即 LAI-2200 植物冠层分析仪和数字半球摄影 (DHP)。与实地调查相比，冠层密度和地面特性对基于无人机成像的 DSM 评估准确性的影响显而易见。基于无人机的 LAI 值提供的估计值与 LAI-2200 植物冠层分析仪和 DHP 得出的值相当。与常规调查的比较表明，使用无人机摄影测量方法高估了春季积雪深度，低估了春季 LAI。由于积雪深度和 LAI 参数对于积雪研究至关重要，因此这种组合方法在未来将具有重要价值，可以简化雪深和雪动力学的 LAI 评估。
应用于干涸的马尔底部
（DSM）是位于墨西哥帕兰格奥的 1.2 千米×1.2 千米干涸的玛珥湖底部的影像。这个玛珥湖的独特之处在于它展示了大量与活跃变形和高反照率沉积物相关的结构。我们使用了一架小型无人机（四轴飞行器）和一台消费级相机，通过使用商用软件 PhotoScan Pro 中的运动结构 (SfM) 算法，开发了分辨率为 4.7 厘米的 DSM 和正射影像。使用 RTK GPS 测量的 31 个地面控制点的坐标，DSM 残差在水平方向上的 RMSE=3.3 厘米，平均值为 2.6 厘米，在垂直方向上的 RMSE=1.8 厘米，平均值=-0.3 厘米。利用这种方法，我们能够构建一个前所未有的详细三维模型，显示由于干床湖的主动变形而形成的所有结构（裂缝、穹顶和悬崖）。我们得出结论，使用 UAV 和 SfM 可以提供精确的高分辨率 DSM，即使在表面反射率高的地区也可以以低成本获得。此外，这种方法可以应用于不同的日期，以创建高分辨率 DSM 的时间序列，可用于确定主动变形区域的沉降或隆升速率。
联合无线（书面输入）
Federated Wireless, Inc.（Federated Wireless）很高兴有机会就国家频谱战略（NSS）的实施提供意见。1 我们赞扬 NTIA 将动态频谱共享（DSS）2 和动态频谱管理系统（DSMS）3 视为使拜登政府能够实现 NSS 中阐明的目标的重要工具。这些目标包括确保频谱的联邦用户能够充分访问关键任务操作所需的资源；最大限度地为广泛的非联邦用户（包括消费者、企业和其他私人网络用户）提供频谱访问选项；鼓励所有用户高效使用频谱；并促进创新和开发实现上述目标的先锋工具、技术和用例。
'AW3D30' ALOS 全球数字表面更新 ...
1 日本遥感技术中心，东急 REIT 虎之门大厦 3F，日本东京都港区 3-17-1 – (takaku, fumi_og, dotsu_masanori)@restec.or.jp 2 日本宇宙航空研究开发机构地球观测研究中心，日本茨城县筑波市浅间 2-1-1 – tadono.takeo@jaxa.jp 委员会 IV，工作组 IV/3 关键词：三线、立体、卫星、光学、高分辨率、DEM/DTM 摘要：2016 年，我们首次使用来自先进陆地观测卫星 (ALOS) 上的立体测绘全色遥感仪 (PRISM) 的立体影像整个档案完成了数字表面模型 (DSM) 的全球数据处理。该数据集以 30 米网格间距免费向公众发布，名为“ALOS World 3D - 30m (AW3D30)”，该数据集由其原始版本生成，该版本以 5 米或 2.5 米网格间距处理。此后，该数据集已更新，通过额外的校准提高了绝对/相对高度精度。但是，应应用最重要的更新来提高数据可用性，即填充空白区域，这相当于约全球覆盖率的 10%，主要是由于云层覆盖。本文介绍了 AW3D30 的更新，通过与其他开放获取 DSM（如航天飞机雷达地形测绘任务 (SRTM) 数字高程模型 (DEM)、先进星载热辐射和反射辐射计全球 DEM (ASTER GDEM)、ArcticDEM 等）之间的相互比较，填补了这些数据集的空白。
2020 年机载激光雷达识别效果...
Guåhan（关岛）是西太平洋玛丽安娜群岛的一部分，拥有近四千年的考古记录。 在这篇有关LIDAR在Guåhan进行考古调查的开创性学术论文中，我们确定可以在视觉上检测到哪些已知地点，以探索在这种情况下LIDAR的有效性。 使用高分辨率2020机载激龙检查了拿铁，西班牙和现代时期的几种考古遗址类型和特征。 我们生成了最常用的数字高程模型（DEM），即数字地形模型（DTM）和数字表面模型（DSMS），并将其视为山顶。 LIDAR被证明可有效地识别所有现代地点以及大多数拿铁咖啡和西班牙时期的地点，尽管某些功能仍然晦涩难懂。 在Guåhan上使用LiDar的主要挑战和局限性是植被，现场大小和视觉歧义。 这项研究使用了常规的激光衍生物，但它通过在未来应用更复杂的激光雷达处理技术来揭示了寻找更多考古遗址的潜力。 LIDAR的好处引起了当地社区的极大兴趣，尤其是土著Chamoru，对非毁灭性方式感兴趣，以协助其文化遗产管理。Guåhan（关岛）是西太平洋玛丽安娜群岛的一部分，拥有近四千年的考古记录。在这篇有关LIDAR在Guåhan进行考古调查的开创性学术论文中，我们确定可以在视觉上检测到哪些已知地点，以探索在这种情况下LIDAR的有效性。使用高分辨率2020机载激龙检查了拿铁，西班牙和现代时期的几种考古遗址类型和特征。我们生成了最常用的数字高程模型（DEM），即数字地形模型（DTM）和数字表面模型（DSMS），并将其视为山顶。LIDAR被证明可有效地识别所有现代地点以及大多数拿铁咖啡和西班牙时期的地点，尽管某些功能仍然晦涩难懂。在Guåhan上使用LiDar的主要挑战和局限性是植被，现场大小和视觉歧义。这项研究使用了常规的激光衍生物，但它通过在未来应用更复杂的激光雷达处理技术来揭示了寻找更多考古遗址的潜力。LIDAR的好处引起了当地社区的极大兴趣，尤其是土著Chamoru，对非毁灭性方式感兴趣，以协助其文化遗产管理。
新南威尔士州主要土壤特性的数字土壤测绘
在过去二十年中，数字土壤测绘 (DSM) 已成为收集重要土壤信息的重要途径。DSM 是通过基于土壤特性或类别与环境之间关系的定量建模技术来准备的。底层模型源于 Dokuchaev (1899) 和 Jenny (1941) 的基本土壤方程：s = f(cl, o, r, p, t, … )，该方程指出土壤是气候、生物、地形、母质和时间的函数。最近，McBratney 等人的“s、c、o、r、p、a、n”方法进一步推进了这一概念模型。(2003)，它具有额外的 s（土壤属性预测因子）和 n（地理位置预测因子）因素，并且还结合了残差误差建模。
DSM 图像匹配器的质量评估...
评估在一个典型的 354 米×185 米大小的城市场景中进行，其中包含建筑物、道路、多变地形和热带植被。DSM 首先由五个软件包生成，然后使用最小二乘 3D 表面匹配将其与地面参考数据配准，从而最小化匹配的 DSM 和地面参考之间的欧几里得差的平方和。RMSE、标准偏差和误差分布（特别是对误差的分析）用于评估固体（建筑物、路面、裸露地面等）和“软”物体（树木、灌木丛等）上的匹配器。分析涵盖完整数据集、仅固体物体的情况以及最终仅建筑物的 DSM。实验结果提供了在考虑的特定 UAV 图像条件下匹配器性能的有用指标。
基于无人机的地形分析...
Tekin SUSAM 摘要：无人机 (UAV) 可以为探索考古遗址的建筑提供非常有用的图像数据集。数字表面模型 (DSM) 是一种可以使用摄影测量材料和方法从无人机图像中获取的数据集。本研究的目的首先是获得非常高分辨率的 DSM，其次，对塞巴斯托波利斯考古遗址进行基于地理信息系统 (GIS) 的地形分析。塞巴斯托波利斯古城位于土耳其黑海地区托卡特省的苏卢萨赖区；该遗址属于希腊化/罗马时期。这项研究表明，多旋翼无人机特别适用于需要在考古遗址上空非常低空飞行的应用，并且以这种方式获取的 DSM 对于详细分析考古遗址的地形结构非常有效。关键词：GIS；非常高分辨率 DSM；无人机 1 简介 记录和分析考古遗址及其环境极其重要 [1, 2]。通过使用空中或非空中视角，考古研究中可以实施许多方法。卫星和其他基于空中的数字高程数据集为考古学家提供了非常有价值的信息平台，可用于分析考古区域 [3-6]。这些数据集使研究人员有机会以比众所周知的测量更高的精度对地形表面进行建模
Agisoft Metashape 用户手册 - 专业版，版本 1.8
该软件允许将来自 RGB、热成像或多光谱相机（包括多相机系统）的图像处理为密集点云、纹理多边形模型、地理参考真正射影像和 DSM/DTM 形式的空间信息。进一步的后处理可以消除模型中的阴影和纹理伪影，计算植被指数并提取农用设备活动图的信息，自动对密集点云进行分类等。得益于分布式处理功能，Metashape 能够在本地集群中处理 50 000 多张照片。或者，可以将项目发送到云端以最大限度地减少硬件投资，同时所有处理选项仍然可用。明智地实施数字摄影测量技术，并结合计算机视觉方法，可形成智能自动化处理系统，一方面，摄影测量领域的新手可以管理该系统，另一方面，该系统为专家提供了许多帮助，他们可以从立体模式等高级功能中受益，并完全控制结果的准确性，并在处理结束时生成详细报告。