XiaoMi-AI文件搜索系统
World File Search SystemSAR
用于检测海面浮油的 SAR 图像
摘要 — 遥感技术是全球海洋表面监测的重要环节，雷达是检测海洋污染的有效传感器。当当局实际使用时，通常必须在覆盖面积和雷达收集的信息量之间进行权衡。为了确定最合适的成像模式，基于接收器操作特性曲线分析的方法已应用于由两个在 L 波段运行的机载系统收集的原始数据集，这两个系统都具有非常低的仪器噪声基底。该数据集是在海上控制释放矿物油和植物油期间获得的。研究了各种与极化相关的量，并评估了它们检测浮油覆盖区域的能力。本文报告了主要极化参数的相对顺序。当传感器的本底噪声足够低时，建议使用 HV，因为它可以提供最强的浮油-海面对比度。否则，VV 被发现是检测海面浮油最相关的参数。在所有研究的四极化设置中，与单极化数据相比，没有发现显着的附加值。更具体地说，通过增加仪器噪声水平，证明了所研究的组合四个极化通道的极化量的检测性能主要由仪器本底噪声驱动，即噪声等效 sigma zero。该结果通过逐步向原始合成孔径雷达 (SAR) 数据添加噪声获得，表明清洁海域和污染区域之间的极化区分主要来自单次反弹散射和噪声之间的差异化行为。因此，使用低仪器噪声基底收集的 SAR 数据证明，矿物和植物油覆盖的海洋表面的雷达散射与布拉格散射没有偏差。
坦桑尼亚 LIWALE 的 L 波段 SAR - SUA IR
作为坦桑尼亚-挪威 REDD+ 监测报告和核查 (MRV) 合作项目的一部分，分别来自 Envisat ASAR 和 ALOS Palsar 的 2007-2011 C 和 L 波段合成孔径雷达 (SAR) 后向散射数据已被处理、分析并用于坦桑尼亚林迪地区 Liwale 区研究区的森林和森林变化制图。国家林业资源监测和评估 (NAFORMA) 项目的森林资源清查地块的土地覆盖观测数据已被用于训练高斯混合模型和 k 均值分类器，这些模型和分类器已被组合起来，以便将研究区域划分为森林、林地和非森林区域。通过对 2007-2011 年 ALOS Palsar 覆盖范围内的 HH 和 HV 极化中的最大后向散射马赛克进行分类，提取了最大森林和林地扩展掩模，并可用于通过过滤非森林地区的变化来有效地绘制年际森林变化图。还分析了 Envisat ASAR APS（交替极化模式），旨在改进基于 ALOS Palsar 的森林/林地/非森林分类。显然，C 波段 SAR 和 L 波段 SAR 的组合提供了有用的信息，可以平滑分类，尤其是增加林地类别，但尚未证实对墙到墙土地类型分类的整体改进。结果的质量评估和验证是使用来自 WorldView、Ikonos 和 RapidEye 以及 NAFORMA 现场观测的非常高分辨率光学数据进行的。
先进的双基地和多基地 SAR 概念和应用
要求 • 覆盖范围广、重访时间短 • 高辐射分辨率和几何分辨率 • 新型数据产品： - 高精度 DEM - 3-D 体积图像（生物量、土壤、冰……） - 动态地图（洋流、交通……） - … • 高可靠性和成本效益
用于检测海面浮油的 SAR 图像
摘要 — 遥感技术是全球海洋表面监测的重要环节，雷达是检测海洋污染的有效传感器。当局在实际使用时，通常必须在覆盖面积和雷达收集的信息量之间做出权衡。为了确定最合适的成像模式，基于接收器操作特性曲线分析的方法已应用于由两个在 L 波段运行的机载系统收集的原始数据集，这两个系统都具有非常低的仪器本底噪声。该数据集是在海上控制释放矿物油和植物油期间获得的。研究了各种与极化相关的量，并评估了它们检测浮油覆盖区域的能力。本文报告了主要极化参数的相对顺序。当传感器的本底噪声足够低时，建议使用 HV，因为它提供最强的浮油 - 海面对比度。否则，VV 被发现是检测海面浮油最相关的参数。在所有研究的四极化设置中，与单极化数据相比，没有发现显著的附加值。更具体地说，通过增加仪器噪声水平，证明了所研究的结合四个极化通道的极化量具有主要由仪器本底噪声（即噪声等效西格玛零）驱动的检测性能。该结果是通过向原始合成孔径雷达 (SAR) 数据逐步添加噪声获得的，表明清洁海域和污染区域之间的极化区分主要源于单次反弹散射和噪声之间的差异化行为。因此，使用以低仪器本底噪声收集的 SAR 数据证明了矿物和植物油覆盖的海面雷达散射与布拉格散射没有偏差。
用于检测海面浮油的 SAR 图像
摘要 — 遥感技术是全球海洋表面监测的重要环节，雷达是检测海洋污染的有效传感器。当局在实际使用时，通常必须在覆盖面积和雷达收集的信息量之间做出权衡。为了确定最合适的成像模式，基于接收器操作特性曲线分析的方法已应用于由两个在 L 波段运行的机载系统收集的原始数据集，这两个系统都具有非常低的仪器本底噪声。该数据集是在海上控制释放矿物油和植物油期间获得的。研究了各种与极化相关的量，并评估了它们检测浮油覆盖区域的能力。本文报告了主要极化参数的相对顺序。当传感器的本底噪声足够低时，建议使用 HV，因为它提供最强的浮油 - 海面对比度。否则，VV 被发现是检测海面浮油最相关的参数。在所有研究的四极化设置中，与单极化数据相比，没有发现显著的附加值。更具体地说，通过增加仪器噪声水平，证明了所研究的结合四个极化通道的极化量具有主要由仪器本底噪声（即噪声等效西格玛零）驱动的检测性能。该结果是通过向原始合成孔径雷达 (SAR) 数据逐步添加噪声获得的，表明清洁海域和污染区域之间的极化区分主要源于单次反弹散射和噪声之间的差异化行为。因此，使用以低仪器本底噪声收集的 SAR 数据证明了矿物和植物油覆盖的海面雷达散射与布拉格散射没有偏差。
选定的采购报告 (SAR) CH-47F 现代化货运飞机...
Acq O&M - 收购相关的运营和维护 ACAT - 收购类别 ADM - 收购决策备忘录 APB - 收购计划基准 APPN - 拨款 APUC - 平均采购单位成本 $B - 十亿美元 BA - 预算授权/预算活动 Blk - 区块 BY - 基准年 CAPE - 成本评估和计划评估 CARD - 成本分析要求说明 CDD - 能力开发文件 CLIN - 合同项目编号 CPD - 能力生产文件 CY - 日历年 DAB - 国防收购委员会 DAE - 国防收购执行官 DAMIR - 国防收购管理信息检索 DoD - 国防部 DSN - 国防交换网络 EMD - 工程和制造开发 EVM - 挣值管理 FOC - 全面作战能力 FMS - 对外军售 FRP - 全速率生产 FY - 财政年度 FYDP - 未来年份国防计划 ICE - 独立成本估算 IOC - 初始作战能力 Inc -增量 JROC - 联合需求监督委员会 $K - 千美元 KPP - 关键性能参数 LRIP - 低速率初始生产 $M - 百万美元 MDA - 里程碑决策机构 MDAP - 重大国防采购计划 MILCON - 军事建设 N/A - 不适用 O&M - 运营与维护 ORD - 作战需求文件 OSD - 国防部长办公室 O&S - 作战与支持 PAUC - 项目采购单位成本
选定的采购报告 (SAR) F-35...... - 突破防御
Acq O&M - 收购 - 相关运营和维护 APB - 收购计划基准 APPN - 拨款 APUC - 平均采购单位成本 BA - 预算授权/预算活动 BY - 基准年 DAMIR - 国防收购管理信息检索 Dev Est - 开发估计 DoD - 国防部 DSN - 国防交换网络 Econ - 经济 Eng - 工程 Est - 估算 FMS - 国外军售 FY - 财政年度 IOC - 初始作战能力 $K - 数千美元 LRIP - 低速率初始生产 $M - 数百万美元 MILCON - 军事建设 N/A - 不适用 O&S - 运营和支持 Oth - 其他 PAUC - 计划收购单位成本 PB - 总统预算 PE - 计划要素 Proc - 采购 Prod Est - 生产估计 QR - 数量相关 Qty - 数量 RDT&E - 研究、开发、测试和评估 SAR -选定的采购报告 Sch - 时间表 Spt - 支持 TBD - 待定 TY - 当年 UCR - 单位成本报告
家庭葬礼偿付能力评估报告（“sar”）...
估值结果 按照中央基准，截至 2023 年 12 月 31 日，该计划的资产为 15,869,065 英镑，负债为 12,723,269 英镑。因此，该计划在年末有盈余 3,145,796 英镑，占负债的 24.7%。截至 2023 年 12 月 31 日，偿付能力比率（即总资产除以负债）为 125%。在 2024 年 4 月 9 日的受托人会议上，该计划的受托人同意提取 600,000 英镑。因此，提取后的盈余为 2,545,796 英镑（相当于负债的 20.0%）。因此，截至 2023 年 12 月 31 日，提款后的偿付能力比率为 120%。根据 FCA 规定，信托需要保持偿付能力超过 100%，并且能够在获得精算师批准的情况下，在偿付能力超过 110% 时提取盈余。值得注意的是，股票和替代品的价值下跌超过 21.4% 将导致提款后的盈余降至零以下。在受托人会议上，迈克尔·洛奇代表 Lodge Bros. Funerals) Limited 同意，如果偿付能力比率低于要求的 100%，将向信托注入资金。
Raven SAR 旋翼机先进旋翼控制概念
5.1.3 – 坚固性 ...................................................................................................................................................................................... 17
使用 SAR 和光学卫星数据进行作物分类
将估算范围从目前的 9 种作物扩展到 17 种作物。 主要作物（水稻和小麦）的分区/街区级作物产量预测。 开发国家作物信息门户。 努力整合基于 NAVIC 和 GAGAN 的导航网络，以改进地理标记应用 基于多边形的地面实况，以提高准确性。 设想/实施基于 AI/ML 的方法来改善作物种植面积和产量估算（水稻、小麦、大豆和玉米）。 将各部委提供的各种数据与 ISRO/SRSC/州政府部门提供的地籍信息进行集成，以用于作物保险、统计数据、作物状况等。