XiaoMi-AI文件搜索系统
World File Search SystemObservation
地球观测
正是在这种背景下，IN-SPACe 发布的印度《印度太空经济十年愿景与战略》报告预测，2033 年对地观测的市场潜力将达到 80 亿美元，增长率为 28%。1 印度严重依赖对地观测数据来满足各种关键需求，包括天气监测、气候变化监测、农业部门应用、城市规划、交通、基础设施以及最重要的国家安全。建立主权能力以确保能够获得对地观测数据对于印度的国家利益至关重要。这包括增强气候监测、灾害管理、农业规划和国防行动的能力。除此之外，基础设施、能源和采矿、金融和保险等其他各个行业都可以从基于对地观测数据的应用中受益匪浅。在未来十年内，在国家内部发展专业知识以满足这些需求至关重要。在这方面，本思想领导力详细介绍了基于 EO 的应用的关键价值主张。它还深入探讨了 EO 平台如何支持数据的获取、处理和分析。建立这样的平台将实现下游能力，同时也支持印度的主权需求，加强国际关系，并促进社会经济发展。
地球观测 - OECD
以微克/立方米表示的长期（年平均）室外 PM 2.5 暴露估计值。顶部：PM 2.5 总暴露量。该地图考虑了 PM 2.5 的所有来源，这对于评估暴露的健康后果最为相关。底部：PM 2.5 暴露量，不包括矿物粉尘（例如沙漠中的沙子）和海盐成分。该地图突出显示了更直接的人为来源。但是，人类活动也可能对粉尘排放产生重大影响（例如通过农业实践）。来源：经合组织绿色增长指标 2017（即将发布）。粮农组织高卢办事处 (2014)。
地球观测 - 经合组织
以微克/立方米表示的长期（年平均）室外 PM 2.5 暴露估计值。顶部：PM 2.5 总暴露量。该地图考虑了所有 PM 2.5 来源，这对于评估暴露对健康的影响最为重要。底部：PM 2.5 暴露量，不包括矿物粉尘（例如沙漠中的沙子）和海盐成分。该地图突出显示了更直接的人为来源。但是，人类活动也会在粉尘排放中发挥重要作用（例如通过农业实践）。来源：经合组织绿色增长指标 2017（即将发布）。粮农组织 GAUL（2014 年）。
观测规范编号 2013.1。
1 简介 .。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。1 1.1 目的。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。1 1.2 标准.。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。1 1.3 用户要求.。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2 1.4 一般选址考虑因素 .。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2 1.5 成本考虑。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。3 1.6 维护和访问注意事项。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4 1.7 环境考虑 .。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4
用于地球观测的可解释人工智能
人工智能和机器学习在地球观测 (EO) 和遥感领域无处不在。与它们在计算机视觉领域的成功相一致，它们已被证明可以在 EO 应用中获得高精度。然而，在将复杂的机器学习模型用于特定应用之前，EO 专家还应考虑其弱点。其中一个弱点是复杂的深度学习模型缺乏可解释性。本文回顾了地球观测领域已发表的可解释 ML 或可解释 AI 示例。可解释性方法分为：内在解释与事后解释、模型特定与模型无关、全局解释与局部解释，并提供了每种类型的示例。本文还确定了社会科学和即将出台的联合国教科文组织人工智能伦理监管建议以及欧盟人工智能法案草案中的关键可解释性要求，并分析了这些限制在 EO 领域是否得到充分解决。研究结果表明，对于哪些模型可以被视为可解释或不可解释尚不明确。 EO 应用通常使用随机森林作为“可解释的”基准算法来与复杂的深度学习模型进行比较，尽管社会科学明确指出大型随机森林不能被视为可解释的基准算法。其次，大多数解释针对的是领域专家，而不是算法的潜在用户、监管机构或可能受算法决策影响的人。最后，出版物往往只是提供解释，而没有通过目标受众测试解释的实用性。鉴于这些社会和监管方面的考虑，我们提供了一个框架来指导选择合适的机器学习算法，该框架基于是否有具有高预测精度的更简单的算法以及解释的目的和目标受众。
讨论3 天体物理学和宇宙观测
- 每月最多 470'000 GPU 小时； - 最多 1 PB 工作和 1 PB 存档（无临时配额）； ADA Cloud @ CINECA：71 个交互式 OpenStack 节点，每个节点 2 x CPU Intel CascadeLake 8260，每个节点有 24 个内核，2.4 GHz、768GB RAM 和 2TB SSD 存储 è 系统上有 6600 个 vCPU； - 从 2024 年 1 月 1 日起可用的资源 è 1000 个 vCPU。