XiaoMi-AI文件搜索系统
World File Search Systemdtms
驻欧洲陆军条例 350-1，2017 年 11 月 16 日
*本条例取代了 2017 年 7 月 31 日的 AE 条例 350-1。 针对指挥官：KAI R. ROHRSCHNEIDER 准将，GS 参谋长 官员：DWAYNE J. VIERGUTZ 欧洲陆军首席文件管理摘要。本条例规定了欧洲陆军的训练政策，必须与 AR 350-1 一起使用。变更摘要。本次修订— ● 更新 USAREUR 任务组织结构图（图 1-1）。 ● 为第 7 军训练司令部指挥官分配额外职责（第 1-10j 和 k 段）。 ● 制定训练能力评估政策并删除有关制定任务必需任务清单 (METL) 的信息（第 1-34 段）。 ● 增加客观任务评估标准矩阵作为指挥官评估 METL 的基础（图 1-4）。 ● 负责在单位层面进行数字训练管理系统 (DTMS) 简报，并让单位成员熟悉 DTMS，以便指挥 DTMS 主培训师（第 1-37c、c(1) 和 c(4)(a) 段）。● 为参加联合兵种训练中心 (CATC) 课程的学生提供报告错过餐食的程序（第 3-3b(1) 段）。
第 4 章 用于追踪森林景观中的水文和生物地球化学途径和过程的数字地形分析方法
数字地形分析 (DTA) 包括一组使用数字高程模型 (DEM) 来模拟各种尺度的地球表面过程的工具。DEM 及其衍生产品是数字地形模型 (DTM) 的更大集合的一部分，用于各个领域，以模拟能量和物质在表面的流动。水文学家工具包中 DTM 的普遍性导致地形属性（例如坡度和上坡贡献区域）被广泛使用，以表征水和相关营养物质在景观中的移动方式。计算地形属性的算法现在已被编入所有商业地理信息系统 (GIS) 软件（例如 ArcGIS、Idrisi），用户只需按一下按钮即可绘制潜在地表水文流模式。虽然派生图层总是看起来很刺激，但现场水文学家经常提出这样的问题：DTM 通常只是有趣的空间模式，与预测实际水文行为没有太大关系吗？本文通过讨论 DTA 对于 21 世纪森林水文学从业人员的意义，批判性地回答了这个问题。自从早期的集水区降雨径流理论提出以来，人们就开始利用地形信息来更好地了解集水区的水文功能（Horton 1945 ；Hewlett 和 Hibbert 1967 ）。然而，在桌面计算出现之前，人们使用集水区规模的属性（例如集水区的面积、长度、周长和地形起伏比（最大地形起伏除以最长流路长度））来研究水文行为，因为只有这些属性才能轻松地从等高线图中得出（Schumm 1956 ）。虽然这些指标有助于解释不同流域之间水和泥沙产量的差异（Garcia-Martino´ 等人 1996 ），
用于跟踪水文的数字地形分析方法...
数字地形分析 (DTA) 包括一组使用数字高程模型 (DEM) 来模拟各种尺度的地球表面过程的工具。DEM 及其衍生产品是数字地形模型 (DTM) 的更大集合的一部分，用于各个领域，以模拟能量和物质在表面的流动。DTM 在水文学家工具包中的普遍性导致地形属性（例如坡度和上坡贡献区域）被广泛使用，以表征水和相关营养物质在景观中的流动方式。计算地形属性的算法现在已被编入所有商业地理信息系统 (GIS) 软件（例如 ArcGIS、Idrisi），用户只需按一下按钮即可绘制潜在地表水文流模式。虽然派生图层总是看起来很刺激，但现场水文学家经常提出这样的问题：DTM 通常只是有趣的空间模式，与预测实际水文行为没有太大关系吗？本文通过讨论 DTA 对 21 世纪森林水文学从业人员的相关性，批判性地回答了这个问题。自从提出了早期的集水区降雨径流理论（Horton 1945 ；Hewlett 和 Hibbert 1967 ）以来，人们就利用地形信息来更好地了解集水区的水文功能。然而，在桌面计算出现之前，集水区的面积、长度、周长和地势比（最大值
（ATSTP）- 美国陆军驻地
本课程为 2.5 小时，由陆军安全中心 ATSTP 承包商 IAW AR 385-10 提供。它旨在为年龄在 26 岁以下、首次接受任务的军人提供 1.5 小时的单位驾驶员安全培训和当地交通危险培训。本课程将完成 4 小时的强制性驾驶员培训。它提供并强化了积极的驾驶态度、个人责任感、对常规和紧急驾驶情况的正确反应以及与其他用户安全共享道路。这将在 DTMS 上进行注释。
在落叶条件下基于无人机的数字地形模型生成，以支持热带干旱森林中的柚木种植园库存。厄瓜多尔沿海地区案例
摘要：遥感正在彻底改变森林研究的方式，而最近的技术进步，例如无人机 (UAV) 的运动结构 (SfM) 摄影测量，正在提供更有效的方法来协助 REDD（减少毁林和森林退化造成的排放）监测和森林可持续管理。这项工作的目的是开发和测试一种基于无人机 SfM 的方法，以在位于厄瓜多尔沿海地区（干旱热带森林）的柚木种植园（Tectona grandis Linn. F.）上生成高质量的数字地形模型 (DTM)。在旱季（叶子物候期），使用 DJI Phantom 4 Advanced © 四轴飞行器在位于瓜亚斯省（厄瓜多尔）的三个不同种植园的 58 个边长为 36 米的柚木方形地块上收集了无人机重叠图像。完成了一个工作流程，包括基于实地测量的地面控制点的 SfM 绝对图像对齐、非常密集的点云生成、地面点过滤和异常值移除以及从标记的地面点进行 DTM 插值。使用非常精确的地面激光扫描 (TLS) 得出的地面点作为地面参考，以估计每个参考图中的 UAV-SfM DTM 垂直误差。获得的地块级 DTM 呈现出较低的垂直偏差和随机误差（平均分别为 - 3.1 厘米和 11.9 厘米），显示出这些参考图中的统计上显著更大的误差
居住区景观中采用不同滤波方法从机载 LiDAR 点云提取的数字地形模型的比较分析
光探测和测距 (LiDAR) 是一种成熟的主动遥感技术，可以提供地形和非地面物体（如植被和建筑物等）的精确数字高程测量。需要去除非地面物体才能创建数字地形模型 (DTM)，该模型是仅代表地面点的连续表面。本研究旨在比较分析三种主要的去除非地面物体的滤波方法，即高斯低通滤波器、焦点分析均值滤波器和基于不同窗口大小的 DTM 斜率滤波器，以从机载 LiDAR 点云创建可靠的 DTM。分析中使用了 ISPRS WG III/4 提供的在德国 Vaihingen 上空捕获的纯住宅区 LiDAR 数据样本。视觉分析表明，高斯低通滤波器使衰减的高频物体的 DTM 变得模糊并强调了低频物体，而在较大的窗口大小下它可以更好地去除非地面物体。与高斯低通滤波器相比，焦点分析均值滤波器表现出更好的非地面物体去除效果，尤其是在窗口尺寸较大的情况下，非地面物体的细节在窗口尺寸为 25 × 25 及更大的 DTM 中几乎消失了。基于斜率的 DTM 滤波器创建的裸地模型在非地面物体的位置充满了缝隙，这些缝隙的尺寸和数量有所增加
无人机获取的图像对 alt 数字地形模型的重叠影响
摘要 摄影测量数据在多个领域被系统地使用。数字地形模型 (DTM) 等产品提供了详细的表面信息，但与 GNSS RTK 地形测量收集的数据相比，这些产品的几何可靠性值得怀疑。本研究评估了使用无人机 (UAV) 在不同参数、重叠百分比和飞行方向获得的 DTM 的质量，并将结果与地形方法全球导航卫星系统 - 实时动态 (GNSS RTK) 的结果进行比较。制定了 12 个飞行计划，具有不同的重叠度（90x90、80x80、80x60、70x50、70x30 和 60x40%）和方向（横向和纵向于种植线）。高度（地面以上 - AGL）和速度参数分别固定在 90 m 和 3 m/s，所有飞行的地面采样距离 (GSD) 均为 0.1 m。总体来看，横向重叠度70x50%的飞行效果最好，总处理时间为12分17秒（比90x90%快了大约1.5小时），均方根误差（RMSE）为0.589米，满足60x30%航空摄影测量所要求的最小重叠度，且与90x90%和80x80%的高重叠度在统计上并无差异。
无人机获取的图像对 alt 数字地形模型的重叠影响
摘要 摄影测量数据在多个领域被系统地使用。数字地形模型 (DTM) 等产品提供了详细的表面信息，但与 GNSS RTK 地形测量收集的数据相比，这些产品的几何可靠性值得怀疑。本研究评估了使用无人机 (UAV) 在不同参数、重叠百分比和飞行方向获得的 DTM 的质量，并将结果与地形方法全球导航卫星系统 - 实时动态 (GNSS RTK) 的结果进行比较。制定了 12 个飞行计划，具有不同的重叠度（90x90、80x80、80x60、70x50、70x30 和 60x40%）和方向（横向和纵向于种植线）。高度（地面以上 - AGL）和速度参数分别固定在 90 m 和 3 m/s，所有飞行的地面采样距离 (GSD) 均为 0.1 m。总体来看，横向重叠度70x50%的飞行效果最好，总处理时间为12分17秒（比90x90%快了大约1.5小时），均方根误差（RMSE）为0.589米，满足60x30%航空摄影测量所要求的最小重叠度，且与90x90%和80x80%的高重叠度在统计上并无差异。
pyforestscan：用于计算LIDAR POINT CLOIN DATA
pyforestscan是一个开源python库，旨在根据光检测和范围（LIDAR）点云数据计算森林结构指标。它计算了关键的生态指标，例如树叶高度多样性（FHD），植物面积密度（PAD），冠层高度，植物面积指数（PAI）和数字地形模型（DTMS），有效地处理大型激光雷达数据集，并支持包括输入格式，包括输入格式，包括Entwine Point Tile（ept）形式（ETT）形式（Mannning）和2024.24和202。文件。除了指标计算外，该库还支持Geotiff输出的产生，并与地理空间库（如Point Cloud Data Abstraction库（PDAL）（PDAL））集成（Butler等，2021，2024），使其成为用于森林，碳核算和生态研究的宝贵工具。
CATS 提供训练援助 - Army.mil
大约一年前，我审查了陆军条令参考出版物 (ADRP) 7-0《训练单位和培养领导者》，并了解了许多变化。新条令将作战流程应用于训练管理，修订了任务基本任务清单 (METL) 概念，并引入了关键集体任务 (KCT) 的概念。新训练条令还包括联合兵种训练策略 (CATS)。CATS 提供基于任务、事件驱动的训练策略，以协助指挥官规划和执行训练活动，从而建立和维持士兵、领导者和单位在 METL 方面的熟练程度。CATS 是数字训练管理系统 (DTMS) 的一部分，这是一个基于网络的工具，可帮助规划、资源和管理各级单位和个人训练。所有这些资源都可以在陆军训练网络 (ATN) 上找到，这是一个提供一站式培训产品和服务的商店 - https://atn.army.mil。通过 ATN 的“询问培训师”功能，我询问了使用 CATS 规划工具进行 METL 开发的情况。CATS 项目团队回答了我所有的问题，今年 1 月，我邀请他们来到第 72 步兵旅战斗队的训练中心。CATS 团队分析师就更新后的训练原则和自动化工具提供了指导。我们向分析师提供了更新单位 CATS 的反馈和建议。这次访问非常有价值，因此我们邀请 CATS 团队回来为整个旅的领导层（每位军官、指挥军士长 [CSM] 和作战 NCO）提供 CATS 指导，作为营级和连级 METL 开发的先行者。CATS 团队的协助可以帮助任何步兵部队改善训练、培养领导者并实施陆军训练理论。CATS 计划是陆军部 (DA) 计划，由堪萨斯州莱文沃斯堡的联合兵种中心训练 (CAC-T) 管理。 CATS 于 2007 年取代了陆军任务训练计划 (MTP)，现在是部队训练指导的主要参考。CAC-T 派遣机动训练队 (MTT) 到各部队训练、教育和协助士兵和领导者使用 CATS、DTMS 和 ATN。这些团队还在陆军条令出版物 (ADP) 7-0 和 ADRP 7-0 中阐明了训练条令。在过去六个月中，CATS MTT 进行了大约 20 次单位访问，并且