XiaoMi-AI文件搜索系统
World File Search Systemisprs
热带或温带气旋：是什么导致了美国东南大西洋沿岸的复合洪水灾害、影响和风险？
海湾。第 2 部分：评估气候变化驱动的沿海灾害和社会经济影响的工具。J Mar Sci Eng 6(3)。https://doi.org/10.3390/jmse6030076 Erikson LH、Herdman L、Flahnerty C、Engelstad A、Pusuluri P、Barnard PL、Storlazzi CD、Beck M、Reguero B、Parker K (2022) 在预计的 CMIP6 风和海冰场的影响下，使用全球尺度数值波浪模型模拟的海浪时间序列数据：美国地质调查局数据发布。 https://doi.org/10.5066/P9KR0RFM Esch T、Heldens W、Hirner A、Keil M、Marconcini M、Roth A、Zeidler J、Dech S、Strano E（2017 年）在从太空绘制人类住区地图方面取得新突破——全球城市足迹。ISPRS J Photogramm Remote Sens 134：30–42。 https://doi.org/10.1016/j.isprsjprs.2017.10.012 Florczyk AJ、Corbane C、Ehrlich D、Freire S、Kemper T、Maffenini L、Melchiorri M、Pesaresi M、Politis P、Schiavina M、Sabo F、Zanchetta L（2019）GHSL 数据包 2019。在：欧盟出版物办公室，卷 JRC117104，7 月期。https://doi.org/10.2760/290498 Giardino A、Nederhoff K、Vousdoukas M（2018）小岛屿沿海灾害风险评估：评估气候变化和减灾措施对埃贝耶（马绍尔群岛）的影响。 Reg Environ Change 18(8):2237–2248。https://doi.org/10.1007/s10113-018-1353-3 Gonzalez VM、Nadal-Caraballo NC、Melby JA、Cialone MA（2019 年）概率风暴潮模型中不确定性的量化：文献综述。ERDC/CHL SR-19–1。密西西比州维克斯堡：美国陆军工程兵研究与发展中心。https://doi.org/10.21079/11681/32295 Gori A、Lin N、Xi D（2020 年）热带气旋复合洪水灾害评估：从调查驱动因素到量化极端水位。地球的未来 8(12)。 https://doi.org/10.1029/2020EF001660 Guo Y、Chang EKM、Xia X (2012) CMIP5 多模型集合投影全球变暖下的风暴轨道变化。J Geophys Res Atmos 117(D23)。https://doi.org/10.1029/2012JD018578 Guo H、John JG、Blanton C、McHugh C (2018) NOAA-GFDL GFDL-CM4 模型输出为 CMIP6 ScenarioMIP ssp585 准备。下载 20190906。地球系统网格联盟。 https://doi.org/10. 22033/ESGF/CMIP6.9268 Han Y, Zhang MZ, Xu Z, Guo W (2022) 评估 33 个 CMIP6 模型在模拟热带气旋大尺度环境场方面的表现。Clim Dyn 58(5–6):1683–1698。https://doi.org/ 10.1007/s00382-021-05986-4 Hauer ME (2019) 按年龄、性别和种族划分的美国各县人口预测，以控制共同的社会经济路径。科学数据 6:1–15。 https://doi.org/10.1038/sdata.2019.5 Hersbach H、Bell B、Berrisford P、Hirahara S、Horányi A、Muñoz-Sabater J、Nicolas J、Peubey C、Radu R、Schepers D、Simmons A、Soci C、Abdalla S、Abellan X、Balsamo G、Bechtold P、Biavati G、Bidlot J, Bonavita M 等人 (2020) ERA5 全局再分析。 QJR Meteorol 协会。 https://doi.org/10.1002/qj. 3803 Homer C，Dewitz J，Jin S，Xian G、Costello C、Danielson P、Gass L、Funk M、Wickham J、Stehman S、Auch R、Riitters K (2020) 来自 2016 年国家土地覆盖数据库的 2001-2016 年美国本土土地覆盖变化模式。ISPRS J Photogramm Remote Sens 162（二月）：184-199。https://doi.org/10.1016/j.isprsjprs.2020.02.019 Huang W、Ye F、Zhang YJ、Park K、Du J、Moghimi S、Myers E、Péeri S、Calzada JR、Yu HC、Nunez K、Liu Z (2021) 飓风哈维期间加尔维斯顿湾周边极端洪灾的复合因素。海洋模型 158：101735。 https://doi.org/10.1016/j.ocemod.2020.101735 Huizinga J、de Moel H、Szewczyk W (2017) 全球洪水深度-损害函数。在：联合研究中心 (JRC)。https://doi.org/10.2760/16510 跨机构绩效评估工作组 (IPET) (2006) 新奥尔良和路易斯安那州东南部飓风防护系统绩效评估跨机构绩效评估工作组第 VIII 卷最终报告草案——工程和运营风险与可靠性分析。Jyoteeshkumar Reddy P、Sriram D、Gunthe SS、Balaji C (2021) 气候变化对季风后孟加拉湾强烈热带气旋的影响：一种伪全球变暖方法。 Clim Dyn 56(9–10):2855–2879。https://doi.org/10.1007/s00382-020-05618-3 Knapp KR、Kruk MC、Levinson DH、Diamond HJ、Neumann CJ（2010）国际气候管理最佳轨迹档案（IBTrACS）。Bull Am Meteor Soc 91(3):363–376。https://doi.org/ 10.1175/2009BAMS2755.1 Knutson TR、Sirutis JJ、Zhao M、Tuleya RE、Bender M、Vecchi GA、Villarini G、Chavas D（2015）根据 CMIP5/RCP4.5 情景的动态降尺度对 21 世纪末强烈热带气旋活动的全球预测。 J Clim 28(18):7203–7224。https://doi.org/10.1175/ JCLI-D-15-0129.1 Kron W（2005）洪水风险 = 危害 • 价值 • 脆弱性。Water Int 30(1):58–68。https://doi.org/10.Gunthe SS、Balaji C (2021) 气候变化对季风后孟加拉湾强烈热带气旋的影响：一种伪全球变暖方法。Clim Dyn 56(9–10):2855–2879。https://doi.org/10.1007/s00382-020-05618-3 Knapp KR、Kruk MC、Levinson DH、Diamond HJ、Neumann CJ (2010) 气候管理国际最佳轨迹档案 (IBTrACS)。Bull Am Meteor Soc 91(3):363–376。 https://doi.org/ 10.1175/2009BAMS2755.1 Knutson TR、Sirutis JJ、Zhao M、Tuleya RE、Bender M、Vecchi GA、Villarini G、Chavas D（2015 年）根据 CMIP5/RCP4.5 情景的动态降尺度对 21 世纪末强烈热带气旋活动的全球预测。J Clim 28(18):7203–7224。https://doi.org/10.1175/ JCLI-D-15-0129.1 Kron W（2005 年）洪水风险 = 危害 • 价值 • 脆弱性。Water Int 30(1):58–68。https://doi.org/10.Gunthe SS、Balaji C (2021) 气候变化对季风后孟加拉湾强烈热带气旋的影响：一种伪全球变暖方法。Clim Dyn 56(9–10):2855–2879。https://doi.org/10.1007/s00382-020-05618-3 Knapp KR、Kruk MC、Levinson DH、Diamond HJ、Neumann CJ (2010) 气候管理国际最佳轨迹档案 (IBTrACS)。Bull Am Meteor Soc 91(3):363–376。 https://doi.org/ 10.1175/2009BAMS2755.1 Knutson TR、Sirutis JJ、Zhao M、Tuleya RE、Bender M、Vecchi GA、Villarini G、Chavas D（2015 年）根据 CMIP5/RCP4.5 情景的动态降尺度对 21 世纪末强烈热带气旋活动的全球预测。J Clim 28(18):7203–7224。https://doi.org/10.1175/ JCLI-D-15-0129.1 Kron W（2005 年）洪水风险 = 危害 • 价值 • 脆弱性。Water Int 30(1):58–68。https://doi.org/10.
一种用于机载激光扫描数据的使用布料模拟和浮雕幅度的自适应表面插值滤波器
摘要：将点云分离为地面点和非地面点是处理用于各种应用的机载激光扫描 (ALS) 数据的重要步骤。基于插值的滤波算法通常用于滤波 ALS 点云数据。然而，大多数传统的基于插值的算法在保留突变地形特征方面表现出缺点，导致这些区域的算法精度较差。为了克服这一缺点，本文提出了一种改进的自适应表面插值滤波器，该滤波器具有多级层次结构，使用布料模拟和地形起伏幅度。该方法使用三个层次的临时数字高程模型 (DEM) 栅格表面和薄板样条 (TPS) 插值，基于自适应残差阈值将地面点与未分类点分离。采用布料模拟算法生成足够有效的初始地面种子，以构建高质量的地形表面。根据被检查区域的起伏幅度自适应地构建残差阈值，以在分类过程中捕捉复杂的景观特征。使用来自国际摄影测量与遥感学会 (ISPRS) 委员会的 15 个样本来评估所提算法的性能。实验结果表明，所提方法在平坦区域和陡峭区域都能产生令人满意的结果。与其他方法相比，该方法在滤波结果方面表现出优异的性能，遗漏错误率最低；特别是，所提方法保留了陡坡和阶地等不连续的地形特征。
混合获取高质量训练数据...
3D 点云的自动语义解释对于地理空间数据分析领域的许多任务至关重要。为此，需要标记的训练数据，这些数据通常由专家手动提供。主动学习 (AL) 是一种最大限度地减少人机交互成本的方法。目的是仅处理未标记数据集的子集，这对于类别分离特别有用。在这里，机器识别信息实例，然后由人类标记，从而提高机器的性能。为了完全避免专家的参与，可以通过众包解决这种耗时的注释。因此，我们提出了一种将 AL 与付费众包相结合的方法。尽管结合了人机交互，但我们的方法可以完全自动运行，因此只需要提供未标记的数据集和固定的财务预算来支付众包工人的费用。我们对 ISPRS Vaihingen 3D 语义标记基准数据集 (V3D) 进行了 AL 过程的多个迭代步骤，并特别评估了众包在标记 3D 点时的表现。我们通过使用从基于众包的 AL 方法中派生出的标签对测试数据集进行分类来证明我们的概念。分析概述了通过仅标记 0.4% 的训练数据集并花费不到 145 美元，我们训练的随机森林和稀疏 3D CNN 分类器在总体准确率上的差异与在完整的 V3D 训练集上训练的相同分类器相比不到 3 个百分点。
Demetre P. Argialas 教授，理学硕士、博士
雅典国立技术大学。Argialas 教授（1977 年毕业，雅典国立技术大学（农村和测量工程），1979 年硕士，田纳西大学空间研究所，1985 年博士，土木工程，俄亥俄州立大学，路易斯安那州立大学助理教授，1985-1991 年）。Argialas 教授教授过照片解释、遥感、数字图像分析、地形分析、知识型专家系统、数值分析、PASCAL 编程和工程测量等课程。他曾担任美国、欧盟和希腊 30 多个研究项目的首席或联合首席研究员或研究员，并在国际期刊和同行评审会议上发表了 130 多篇与拟议项目科学领域相关的科学出版物。他有 1600 多次引用。他教授过 15 多门本科和研究生课程。他指导过 100 多篇本科和研究生论文，并且指导过七 (7) 篇论文，目前正在指导两 (2) 篇论文。Argialas 教授在遥感图像分析、模式识别和基于知识的专家系统方面拥有丰富的经验和重大贡献。在过去的几年里，他的研究兴趣集中在：对象检测和提取、监督和非监督分类、面向对象的图像分析、模式识别、专家系统、本体、地形建模和表示、变化检测和地图更新、环境地理过程的短期和长期监测。他最近协调了五个跨学科研究项目，目前正在四个跨学科的大学研究生硕士课程中任教。他曾担任 ASCE、ASPRS、IEEE、TRB、ISPRS、SPIE、WARM 的审稿人、ASPRS 的会议主席和 PE&RS (ASPRS) 的客座编辑。他还曾担任各机构研究提案的审稿人。(http://users.ntua.gr/argialas)
使用分层 K 函数进行激光雷达数据分类 ...
使用分层 K 均值聚类的激光雷达数据分类 Nesrine Chehata a,b , Nicolas David b , Frédéric Bretar b a Institut EGID - Université Bordeaux 3 - Equipe GHYMAC Allée Daguin 33607 Pessac- Nesrine.Chehata@egid.u-bordeaux3.fr乙国家地理研究所 - MATIS Av. 实验室Pasteur 94165 St. Mandé cedex, France- nicolas.david@ign.fr, frederic.bretar@ign.fr Commission III, WG III/3 关键词：遥感、LIDAR、层次分类、DTM、多分辨率 摘要：本文涉及使用激光雷达点云过滤和分类来建模地形，更一般地用于场景分割。在本研究中，我们建议使用众所周知的 K 均值聚类算法来过滤和分割（点云）数据。K 均值聚类非常适合激光雷达数据处理，因为可以根据所需的类别使用不同的特征属性。当仅处理 3D 点云时，属性可能是几何或纹理的，但当联合使用光学图像和激光雷达数据时，属性也可能是光谱的。该算法基于固定的邻域大小，可以处理植被茂密的陡峭地貌、山区区域和呈现微地形的地形。我们的算法的新颖之处在于提供分层分割聚类来提取地面点。聚类分割的数量用于自动限定分类可靠性。这一点在以前的工作中很少被处理。此外景观< /div>
修正垂直干旱指数 (MPDI)
土壤水分和植被生长是干旱事件最直接、最重要的指标，因此，了解植被和土壤的光谱行为对于干旱评估至关重要。最近，Ghulam 等人 [Ghulam, A., Qin, Q., Zhan, Z., 2006. Designing of the vertical dirt index. Environmental Geology, doi:10.1007/s00254-006-0544-2 (accessed March 8, 2007).] 建立了垂直干旱指数 (PDI)，该指数基于对 NIR-Red 光谱空间中土壤水分空间分布特征的广泛分析。本文提出了一种改进的干旱监测方法，即改进的垂直干旱指数 (MPDI)，引入了植被分数，同时考虑了土壤水分和植被生长。为了验证本文提出的干旱指数的有效性，利用不同时刻、不同干旱条件下不同生态系统的增强型专题制图仪 (ETM+) 和中分辨率成像光谱仪 (MODIS) 影像，计算了地面测点的 PDI 和 MPDI。然后将 PDI 和 MPDI 与通过卫星同步进行的田间测量获得的现场干旱指数进行比较，该指数包括不同土壤深度的土壤总含水量、田间持水量、萎蔫系数等。从结果可以看出，PDI 和 MPDI 与现场干旱值高度一致，相关性最高 ( R 2 =0.
![arXiv:1908.06673v1 [cs.CV] 2019 年 8 月 19 日](/simg/g:\will\search\icon\source\6\66c89fbf34bc913fc5bec08cad97a41c01e802c6.webp)
arXiv:1908.06673v1 [cs.CV] 2019 年 8 月 19 日
点云分类在各种机载光检测和测距 (LiDAR) 应用中发挥着重要作用，例如地形测绘、森林监测、电力线检测和道路检测。然而，由于机载 LiDAR 系统的传感器噪声、高冗余、不完整性和复杂性，点云分类具有挑战性。传统点云分类方法大多侧重于开发手工制作的点几何特征，并采用基于机器学习的分类模型进行点分类。近年来，深度学习模型的进步使得研究人员将重点转向基于机器学习的模型，特别是深度神经网络，来对机载 LiDAR 点云进行分类。这些基于学习的方法首先将非结构化的 3D 点集转换为常规的 2D 表示，例如特征图像集合，然后采用 2D CNN 进行点分类。此外，这些方法通常需要计算额外的局部几何特征，如平面度、球度和粗糙度，以利用原始三维空间中的局部结构信息。然而，3D到2D的转换会导致信息丢失。在本文中，我们提出了一种方向约束的全卷积神经网络（D-FCN），它可以将原始三维坐标和激光雷达强度作为输入；因此，它可以直接应用于非结构化三维点云进行sem
Akkulam，Thiruvanantapuram，喀拉拉邦-695011，印度... div>
Shailesh Nayak博士目前是班加罗尔国家高级研究所的主任。 他是2008年8月至2015年8月，他是地球科学部（MOES）的地球系统科学组织（ESSO）和印度政府秘书。 他为领导者提供了与气候变化，天气服务，P校验科学，地球科学，海洋科学和建模，海洋调查，RES RCES和技术有关的计划。 他目前的研究兴趣包括建立蓝色经济，可持续发展和科学外交的战略。 Nayak博士获得了硕士学位和博士学位。 D. 1980年Baroda M.S的地质学位。 他于1978年加入了印度n空间研究组织（ISRO）的空间应用中心，并随后成为直接或玛丽ne nd wat er Resources s的升级。他负责概念化，制定和执行许多国家的evel proj ects cor to to satel lite dat a of col col col我们的整数沿海地区管理，雪和冰川研究和冰川研究和水资源的应用。 Nayak博士被任命为印度国家海洋信息服务中心（INCOIS）的主任，海得拉巴，自治机构，Unde ReSso，In Ma y 2006。 a s eSso-incois，he se t u p e t u p e t a t e t e t e t ear t eart t ssunami和印度洋风暴潮的警告系统。 在即兴咨询服务中，促进了电流捕鱼区，海洋州的预测和印度Argo Project。 考虑他的研究对社会的影响，政府。 DR。Shailesh Nayak博士目前是班加罗尔国家高级研究所的主任。他是2008年8月至2015年8月，他是地球科学部（MOES）的地球系统科学组织（ESSO）和印度政府秘书。他为领导者提供了与气候变化，天气服务，P校验科学，地球科学，海洋科学和建模，海洋调查，RES RCES和技术有关的计划。他目前的研究兴趣包括建立蓝色经济，可持续发展和科学外交的战略。Nayak博士获得了硕士学位和博士学位。D. 1980年Baroda M.S的地质学位。他于1978年加入了印度n空间研究组织（ISRO）的空间应用中心，并随后成为直接或玛丽ne nd wat er Resources s的升级。他负责概念化，制定和执行许多国家的evel proj ects cor to to satel lite dat a of col col col我们的整数沿海地区管理，雪和冰川研究和冰川研究和水资源的应用。Nayak博士被任命为印度国家海洋信息服务中心（INCOIS）的主任，海得拉巴，自治机构，Unde ReSso，In Ma y 2006。 a s eSso-incois，he se t u p e t u p e t a t e t e t e t ear t eart t ssunami和印度洋风暴潮的警告系统。 在即兴咨询服务中，促进了电流捕鱼区，海洋州的预测和印度Argo Project。 考虑他的研究对社会的影响，政府。 DR。Nayak博士被任命为印度国家海洋信息服务中心（INCOIS）的主任，海得拉巴，自治机构，Unde ReSso，In Ma y 2006。a s eSso-incois，he se t u p e t u p e t a t e t e t e t ear t eart t ssunami和印度洋风暴潮的警告系统。在即兴咨询服务中，促进了电流捕鱼区，海洋州的预测和印度Argo Project。考虑他的研究对社会的影响，政府。DR。DR。Nayak博士是印度国家科学院，新德里，印度科学院，班加罗尔，国家科学院，印度国家科学院，阿拉哈巴德，国际摄影和远程感官学会（ISPRS）和国际天线学院的院士。 Na Yak博士在国际和纳蒂·奥纳尔（Nati onal Journals）上发布了190名纸纸，并在国家和国际福拉（National and International Fora）进行了大约200次受邀演讲。 印度授予了他，这是科学领域的平民荣誉“帕德玛·什里”和2024年的工程。 naya k i f ig u -har I narai n Lifeti n lifeti me Achieveme nt awa rd in Geosciences -2012 3，这是Ca Vikr Am Sarab Hai纪念奖2012，Bhaskara奖，Bhaskara奖，2009年获得了遥感，Dehradun的印度社会，Dehradun和许多其他认可。Nayak博士是印度国家科学院，新德里，印度科学院，班加罗尔，国家科学院，印度国家科学院，阿拉哈巴德，国际摄影和远程感官学会（ISPRS）和国际天线学院的院士。Na Yak博士在国际和纳蒂·奥纳尔（Nati onal Journals）上发布了190名纸纸，并在国家和国际福拉（National and International Fora）进行了大约200次受邀演讲。印度授予了他，这是科学领域的平民荣誉“帕德玛·什里”和2024年的工程。naya k i f ig u -har I narai n Lifeti n lifeti me Achieveme nt awa rd in Geosciences -2012 3，这是Ca Vikr Am Sarab Hai纪念奖2012，Bhaskara奖，Bhaskara奖，2009年获得了遥感，Dehradun的印度社会，Dehradun和许多其他认可。
抽象iCecer24 Landmine.pdf
[1] M.[2] H. Aoyama，K。Ishikawa，J。Seki，M。Okamura，S。Ishimura和Y. Satsumi，“矿山检测机器人系统的开发”，《国际高级机器人系统杂志》，第1卷。4，不。2，p。 25，2007。[在线]。可用：https：//doi.org/10.5772/5693 [3] S. B. I Badia，U。Bernardet，A。Guanella，P.Pyk和P.4，不。2，p。 21，2007。[在线]。可用：https：//doi.org/10.5772/5697 [4] ICBL-CMC，“地雷监视器2015”，禁止地雷的国际运动 - 加拿大集群弹药联盟，加拿大，2015年。[5] I. Makki，R。Younes，C。Francis，T。Bianchi和M. Zucchetti，“使用高光谱成像进行地雷检测的调查”，ISPRS摄影测量和遥感杂志，第1卷。124，pp。40 - 53，2017。[在线]。Available: http://www.sciencedirect.com/science/article/pii/S0924271616306451 [6] D. Guelle, M. Gaal, M. Bertovic, C. Mueller, M. Scharmach, and M. Pavlovic, “South-east europe interim report field trial croatia: Itep- project systematic test and evaluation of metal detectors - STEMD，”联邦材料研究与测试研究所（BAM），柏林，德国，2007年。[7] C. Castiblanco，J。Rodriguez，I。Mondrag´on，C。Parra和J. Colorado，用于爆炸性地雷检测的空中无人机，2014年1月1日，第1卷。253，pp。107–114。7，不。3，pp。813–819，2014。[8] X.[9] C. P. Gooneratne，S。C。Mukhopahyay和G. S. Gupta，“地雷检测的传感技术的审查：基于车辆的方法：无人车的方法”，pp。401–407，2004年12月。[10] P. Gao和L. M. Collins，“陆地矿山和小型未探索的陆地矿山的二维一般性似然比测试”，Signal Processing，第1卷。80，不。8，pp。1669 - 1686，2000。[在线]。可用：http：//www.sciendirect.com/science/article/pii/s0165168400001006 [11]7，pp。107 259–107 269，2019。[12] J. Colorado，I。Mondragon，J。Rodriguez和C. Castiblanco，“地理映射和视觉缝制，以使用低成本无人机来支持地雷检测”，《国际早期机器人系统杂志》，第1卷。12，否。9，p。 125，2015。[在线]。可用：https：//doi.org/10.5772/61236 [13] K. Kuru，D。Ansell，W。Khan，W。Khan和H. Yetgin，“分析和优化无人驾驶的物流群：智能交付平台：IEEE EEEE Access，第1卷。7，pp。15 804–31，2019。[14] K. Kuru，“使用新颖的框架计划智慧城市的未来，以完全自动的无人驾驶飞机进行，” IEEE Access，第1卷。9，pp。6571–6595，2021。[15] K. Kuru，D。Ansell，D。Jones，B。Watkinson，J。M. Pinder，J。A. Hill，E。Muzzall，C。Tinker-Mill，K。Stevens和A. Gardner，“使用自动驾驶无人驾驶航空车对牲畜进行智能的空降监测”，在第11届欧洲精密牲畜耕种会议上，2024年。[16] K. Kuru和H. Yetgin，“新工业革命中先进的机电一体化系统的转变：一切自动化（AOE）的新颖框架”，IEEE Access，第1卷。7，pp。41 395–41 415，2019。[17] K. Kuru，“地理分布的智能管理：在锻造云平台（FCP）上作为服务（DINSAA）的深入见解”，《平行与分布式计算》，第1卷。149，pp。103–118，3月2021。[18] L.-S. Yoo，J.-H。 Lee，Y.-K。 Lee，S.-K。 Jung和Y. Choi，“无人机磁力机系统在非军事区的军事矿山检测中的应用”，《传感器》，第1卷。21，否。9，2021。[在线]。可用：https：//www.mdpi.com/1424-8220/21/9/3175 [19] L.-S. Yoo，J.-H。 Lee，S.-H。 KO，S.-K。 Jung，S.-H。李和Y.-K。 Lee，“装有磁力计的无人机检测地雷”，IEEE地球科学和遥感信件，第1卷。17，否。12，pp。2035–2039，2020。[20] Jirigalatu，V。Krishna，E。LimaSim〜oes Da Silva和A. Dossing，“使用混合无人驾驶飞机（UAV）（无人机）的可移植机载磁力测定系统的磁干扰实验”，《地球仪器仪器，方法，方法和数据系统》，第1卷。10，否。1，pp。25–34，2021。[在线]。10，否。1，pp。可用：https：//gi.copernicus.org/articles/10/10/25/2021/ [21] L. E. Tuck，C。Samson，C。Lalibert´e和M. Cunningham，“磁干扰图映射四种无人飞机系统的无人飞机系统，用于空气磁性测量，地理位置仪器，”地理学仪器系统，”系统，数据，方法，方法，方法，方法，方法，方法，方法，方法，方法。101–112，2021。[在线]。可用：https：//gi.copernicus.org/articles/10/10/101/2021/ [22] O. Maidanyk，Y。Meleshko和S. Shymko，“研究四倍体工位设计的影响及其在地面对象监控过程中的Quadrocopter Design及其对质量的质量的影响，“先进信息系统”，“先进信息系统”，第1卷。5，不。4，p。 64–69，2021年12月。[在线]。可用：http：//dx.doi.org/10.20998/2522-9052.2021.4.4.4.10 [23] K. Kuru，“使用磁力计集成无人机和智能应用程序的地雷场磁场映射”，2024年。[在线]。可用：https：//dx.doi.org/10.21227/ebny-b828 [24] K. Kuru，“元社会：使用智能城市数字双胞胎迈向沉浸式城市元网络，”，IEEE Access，第1卷。11，pp。43 844–68，2023。[25] K. Kuru和D. Ansell，“ Tcitysmartf：将城市转变为智能城市的全面系统框架”，IEEE Access，第1卷。8，pp。18 615–18 644，2020。[26] K. Kuru，D。Ansell，B。Jon Watkinson，D。Jones，A。Sujit，J。M. Pinder和C. L. Tinker-Mill，“智能自动化，快速，快速安全的地雷和未爆炸的军械法官（UXO）检测（UXO）检测，使用多个传感器进行衡量的仪器，在自动驾驶员上进行量子，iNemos and triment and trimose and imanee everrone and iever> ieee eyee eyee eyee eyee everient 9，pp。 923–948，2021。 transp。 Syst。，卷。9，pp。923–948，2021。transp。Syst。，卷。[27] K. Kuru和W. Khan，“一个与智能城市的完全自动地面车辆协同整合的框架”，IEEE Access，第1卷。[28] K. Kuru，“在城市环境中具有完全自动的自动驾驶汽车的人类触觉触觉近距离的概念化”，IEEE Open J. Intell。2，pp。448–69，2021。[29] K. Kuru，“自动驾驶和车辆决策的传感器和传感器融合”，2023年。[30] K. Kuru，“ Trustfsdv：建立和维持对自动驾驶汽车的信任的框架”，IEEE Access，第1卷。10，pp。82 814–82 833，2022。[31] K. Kuru，“对城市环境中自动驾驶汽车的多目标深钢筋学习奖励功能的定义”，IEEE Trans。车辆。Technol。，卷。11，pp。1-12，3月2024。