XiaoMi-AI文件搜索系统
World File Search Systemsurveys
遥感和机器学习以改善空中野生动植物种群调查
遥感和机器学习的技术和方法论进步为推进野生动植物调查创造了新的机会。我们组建了一个实践社区（COP），以利用这些发展，以探索从管理层的角度来提高空中野生动植物监测的效率和有效性。COP的核心目标是组织遥感和机器学习方法的开发和测试，以改善支持管理决策的空中野生动植物种群调查。从2020年开始，COP合作确定了由野生动植物调查数据所告知的自然资源管理决策，重点是水鸟和海洋野生动植物。我们调查了我们的会员资格以建立1）他们使用野生动植物数量数据的管理决定； 2）在遥感/机器学习方法出现之前，如何收集这些计数数据； 3）过渡到遥感/机器学习方法学框架的动力； 4）从业者过渡到此框架时面临的挑战。本文记录了这些发现，并确定了朝着基于遥感的野生动植物调查迈向野生动植物管理方面的研究优先级。
传感器显示了印度农村地区购买的改进的厨师的长期疾病，而调查完全是
单独的用户调查不能准确测量现场改进的烹饪炉的实际使用。我们介绍了在印度马哈拉施特拉邦的两项监测研究中比较调查报告和传感器录制的烹饪事件或使用持续时间的结果。第一个是向159个家庭提供的伯克利 - 印度炉子（BIS）的免费试验，我们平均监视厨师炉灶的使用时间为10天（SD = 4.5）（称为“自由审判研究”）。在第二项研究中，我们以91个家庭对BIS的使用平均468天（SD = 153），他们以大约三分之一的家庭月收入（称为“购买后研究”）购买的价格购买了BI（SD = 153）。研究从2019年2月到2021年3月。我们发现，在自由审判研究中，有34％的家庭（n = 88）过度报告了双BIS的使用，分别在第一次（n = 75）和第二次（n = 69）的调查中，在允许后期研究的第一个（n = 75）和第二个家庭中使用了46％和28％的家庭。两项研究中的平均过度报告均在询问家庭使用二元问题格式的使用情况下减少，但是这种方法提供了较少的粒度。值得注意的是，在购买后的研究中，传感器表明，即使他们用自己的钱购买了大多数家庭，他们也会分离厨师炉灶。调查未能检测到库克炉使用情况的长期下降趋势。实际上，调查表明，在研究期间，CookStoves的采用率保持不变。一些传感器记录使用零的家庭报告了库克炉燃料节省，快速烹饪和更少的烟雾。家庭倾向于报告使用标称使用的响应，例如每周0、7或14个烹饪事件（对应于每天0、1或2次），这表明一周内召回精确使用天数的困难。此外，我们发现调查还可能在不支持传感器数据的情况下对用户报告的CookStove福利提供误导性的定性发现，从而导致我们高估了影响。这些发现表明，根据炉子减少对健康损害或减少现实世界实施中的排放的能力，调查可能不可靠或不足以为补贴提供稳固的基础数据。
fishglob_data：通过科学底部拖网调查取样的鱼类生物多样性的集成数据集
科学的底部拖网调查是沿着大陆货架和海洋和海洋的斜坡进行的生态观察计划，这些计划采样了与海底相关的海洋社区。这些调查报告了时空的发生，丰度和/或体重的发生，并有助于渔业管理以及人口和生物多样性研究。底部拖网调查是在世界各地进行的，代表了了解海洋生物地理，宏观生态学和全球变化的独特机会。但是，将这些数据结合在一起以进行跨生态系统分析仍然具有挑战性。在这里，我们提供了一个综合数据集，该数据集由29个公开可获得的底段调查，在18个国家/地区的国家水域进行了标准化和预处理，总共涵盖了2,170个采样的鱼类分类单元，并从1963年至2021年收集了216,548次拖船。我们描述了创建数据集，标志和标准化方法的处理步骤，我们开发了这些方法，以帮助用户使用稳定的区域调查足迹进行时空分析。该数据集的目的是在全球变化的背景下支持研究，海洋保护和管理。
Dawes评论10：深度学习对分析星系调查的影响
过去几年，现代银河调查提供的数据的数量和复杂性一直在稳步增加。新设施将很快提供成像和频谱数亿个星系。从这些大型和多模式数据集中提取一致的科学信息仍然是社区和数据驱动的方法（例如深度学习）的开放问题，它已迅速成为解决一些持久挑战的潜在强大解决方案。这种热情在使用神经网络的前所未有的出版物的指数增长中反映了这种热情，这些指数从2015年的少数作品变成了2021年在Galaxy Surveys领域的平均每周一篇论文。在提到深度学习的第一批发表的工作中，在新的大数据集（例如欧几里得和LSST）开始启动之后不久，我们相信，我们相信及时回顾这项新技术在轨道中的真正影响及其潜在的潜力，以解决新数据集群的规模和复杂性提出的关键挑战。 因此，这篇综述的目的是两个方面。 我们首先要在一个共同的文件中总结深度学习的主要应用程序，用于到目前为止出现的星系调查。 然后，我们提取了所学到的主要成就和经验教训，并突出了关键的开放问题和局限性，在我们看来，这将需要在未来几年中特别关注。 总体而言，天文学界迅速采用了最先进的深度学习方法，反映了这些方法的民主化。 分类，分割）。在新的大数据集（例如欧几里得和LSST）开始启动之后不久，我们相信，我们相信及时回顾这项新技术在轨道中的真正影响及其潜在的潜力，以解决新数据集群的规模和复杂性提出的关键挑战。因此，这篇综述的目的是两个方面。我们首先要在一个共同的文件中总结深度学习的主要应用程序，用于到目前为止出现的星系调查。然后，我们提取了所学到的主要成就和经验教训，并突出了关键的开放问题和局限性，在我们看来，这将需要在未来几年中特别关注。总体而言，天文学界迅速采用了最先进的深度学习方法，反映了这些方法的民主化。分类，分割）。本评论表明，使用深度学习的大多数作品都符合计算机视觉任务（例如这也是应用程序的领域，深度学习带来了迄今为止最重要的突破。但是，我们还报告说，应用程序变得越来越多样化，深度学习用于估计星系特性，识别异常值或限制宇宙学模型。这些作品中的大多数仍处于探索性水平，这可能部分解释了引用方面的有限影响。在进行未来调查的处理中，很可能需要解决一些共同的挑战。例如，不确定性量化，可解释性，数据标记和领域转移问题从模拟的训练中转移问题，这构成了天文学的共同实践。
减少红树林库存生态系统，原因是非法伐木，结合了无人机图像和现场调查
背景和目标：红树林栖息地在全球碳循环中起着至关重要的作用，减少温室气体排放并减轻气候变化的影响。卫星图像和航空摄影已被广泛用于绘制红树林生态系统的动力学。这些照片被用作包括印度尼西亚在内的国际政策协议的投入，以定义有关二氧化碳排放到森林砍伐和土地利用变化引起的大气中的法规。这项研究旨在绘制森林以识别森林砍伐区域，并评估非法伐木对印度尼西亚北萨姆特拉（North Sumtera）Lubuk Kertang Village在印度尼西亚北萨姆特拉（Lubuk Kertang Village）的红树林碳库存的影响。方法：使用Da-Jiang Innovations Phantom 4 Professional在150米高度的高分辨率卫星图像中获得光度数据分析。仔细部署飞行路径以获得高度准确性的最佳图像捕获准确性，从8月5日至8月5日进行了90％。卫星图像在某些地区被捕获，例如修复的红树林和油棕种植园。两个研究地点都产生了正驱动器和数字表面模型，以及将无人驾驶飞机与光度法方法的整合导致数据处理运动方法从结构开发。的发现：这项研究比较了2022年卢布克·库尔塔村红树林的碳储存量与2023年的碳库存，或者使用无人驾驶飞机摄影测量现场调查的非法日志记录复发。在红树林中的地上生物量的分布覆盖了2022年的253.4公顷土地，每公顷15.819 megagram。与此同时，在2023年，地上生物质为每公顷70.94兆格兰，总碳为每公顷8.927兆格兰。这项研究表明，卢布克·科尔本村（Lubuk Kertang Village）的红树林比上一年损失了约56％。结论：非法记录对碳固存/股票造成了重大威胁。这种现象强调了需要改进监测和保护策略的必要性。遥感技术和现场调查的组合为蓝色碳库存，红树林保护计划以及监测沿海生态系统中的气候，社区和生物多样性项目提供了强大的工具。
实现和维持口服霍乱疫苗覆盖率的挑战：从刚果民主共和国霍乱流行社区的系列横断面代表性调查中获得的见解
摘要 背景 在刚果民主共和国乌维拉开展大规模霍乱疫苗接种运动后，我们进行了三次连续的横断面代表性调查，以 (1) 估计疫苗接种覆盖率并探索地理和人口因素的异质性；(2) 研究疫苗接种的障碍和促进因素，以及 (3) 描述覆盖率随时间的变化并预测未来的覆盖率。 方法 我们收集了 2021 年 8 月、2022 年 4 月和 2023 年 4 月（接种疫苗后约 11、19 和 30 个月）的社会人口统计数据、自我报告的疫苗接种状况、人口流动以及与灭活口服霍乱疫苗 (kOCV) 相关的知识、态度和行为。我们比较了按疫苗接种状况划分的参与者的特征，并探讨了人口流动作为低覆盖率的潜在作用。我们使用指数衰减模型根据年龄别覆盖率预测随时间推移接种≥1 剂 kOCV 的人口比例。结果 我们在所有调查中招募了来自 1433 个家庭的 8735 名参与者。在调查 1（2021 年 8 月）中，≥1 剂 kOCV 的覆盖率为 55%（95% CI 51 至 60），≥2 剂的覆盖率为 23%（95% CI 20 至 27）。拒绝疫苗与对疫苗安全性缺乏信心有关，29% 未接种疫苗的成年人报告说，如果在他们所在地区开展额外的大规模疫苗接种运动，他们不太可能接受 kOCV。≥1 剂 kOCV 的覆盖率平均每年下降 18%（95% 可信区间 14 至 23），到调查 3 时（第二剂运动后约 30 个月）为 39%（95% CI 36 至 43）。结论我们的研究结果表明，在乌维拉这样的环境中，需要努力增强疫苗信心以实现更高的疫苗接种覆盖率，而通过更频繁和协调的地理疫苗接种工作可以减少疫苗覆盖率的稀释。
彩绘树老鼠的分布和栖息地（Callistomys Pictus）：评估未来调查和保护工作的领域
了解知名威胁物种的潜在分布和位置的知识对于指导保护策略和新的现场调查至关重要。彩绘的树鼠（Cal-Listomys Pictus）是巴西南巴伊亚南部大西洋森林的单一特异性，稀有且濒临灭绝的Echimyid啮齿动物。在过去20年中没有记录该物种的记录，该地区遭受了森林损失和降级的重大记录。根据IUCN，以前仅报告了13个标本，在Ilhe´us的北部和邻近的市政当局发现了12个标本，距该地区约200公里，这表明其分布可能更宽。我们旨在搜索c的未发表和最新记录。Pictus，通过咨询灰色文献（包括环境影响研究（EIA）报告，巴西红色列表以及保护区的管理计划），科学收藏，在线数据库和该地区工作的毛so族学家。我们根据气候适应性和森林覆盖率等因素，使用生态利基建模估算了该物种的潜在分布，以确定最有可能支持该物种的区域，城市和保护区。我们报告了该物种的三个新发现，包括保护区域内的第一个。我们估计了23,151公里2的适当气候条件，其中9,225 km 2具有很高的携带物种潜力。Itacare'和Valenc.之间的面积需要更广泛的调查工作，因为它具有很高的栖息地适用性，到目前为止，只有一张记录得到了证实。同时，Una和Ilhe´us之间的区域紧急需要栖息地保护计划。该物种的分布可能比预先想象的要广泛，但其已知事件仅限于几个位置，在保护区中，合适的栖息地不足。此外，目击事件的稀有性继续表明有关保护状况。
SARS-COV-2传输2021-2022，美国马萨诸塞州的基于人群的血清保护症
结论：这项调查表明，尽管随着时间的流逝，峰蛋白抗体的抗体增加了，但在社会人口学因素中中和抗体的中和抗体没有差异，这表明在疫苗覆盖率覆盖率或跨州的抗原抗体抗体或跨各个状态的调查时，在监视时没有重大健康差异。一些人口群体（高加索人，高收入和妇女的家庭）的反应率更高，因此，过度采样和加权允许估计较大的马萨诸塞州人口。我们的发现，在人口统计组中中和抗体中没有统计学上的显着差异，这表明所有组都受到SARS-COV-2感染的影响。这些结果突出了马萨诸塞州在保护所有人口统计学中的个人方面的成功。
pinetree：宽场星系调查的生成，快速和可区分的光晕模型
上下文。准确的模拟晕圈目录是用于开发和验证宇宙学推断管道的必不可少的数据产品。生成模拟目录的一个主要挑战是对光环或星系偏置进行建模，这是从物质密度到暗物质光环或可观察的星系的映射。为此，n个体代码生成了最先进的目录。然而，为大容量的大量N体模拟产生了大量的N体模拟，尤其是在包括磁水动力学的情况下，需要大量的计算时间。目标。我们介绍和基准测试了一个可区分和物理信息的神经网络，该网络可以生成与从完整的N体代码获得的模拟光环目录相当的质量。模型设计在训练程序和大型模拟目录套房的生产上具有计算有效的效率。方法。我们提出了一个神经网络，仅依靠18至34个可训练的参数，该参数可从暗物质过度密度场中产生光环目录。通过将首先原理动机的对称性纳入我们的模型体系结构来实现网络权重的减少。我们使用不同分辨率，红移和大型垃圾箱的仅黑色n体模拟训练了我们的模型。我们使用不同的n点相关函数将最终模拟目录与N体晕目录进行了比较，从而验证了最终模拟目录。结果。此外，我们发现该网络可以在近似密度字段上进行培训，以进一步降低计算成本。我们的模型生成了与参考模拟一致的模拟光环目录，这表明该新型网络是生成模拟数据的一种有希望的方法，该数据由于其计算效率而即将进行的宽场调查。我们还介绍了如何解释训练有素的网络参数，以洞悉结构形成的物理。最后，我们讨论了我们的模型的当前局限性，以及从这项研究中可以明显看出的近似Halo模拟产生的一般要求和陷阱。
数字时代非技术教育者采用 AI 工具的障碍 Rohit Reddy Chananagari Prabhakar cprohit1998@gmail.com 摘要：人工智能工具与教育的结合有望带来显著的益处，从个性化学习到管理效率。然而，非技术教育者面临着阻碍他们采用此类技术的障碍。本文通过混合方法研究了这些障碍，结合文献综述以及对来自不同学术背景的教育者进行的调查和访谈。确定的关键障碍包括缺乏技术培训、抵制变革、基础设施缺陷、对数据隐私的担忧以及对 AI 特定资源的有限访问。还探讨了其他挑战，例如 AI 工具与课程需求不一致、对工作流失的担忧以及 AI 与传统教学法结合的复杂性。该研究的结果强调需要有针对性的专业发展、资源配置和基础设施改进，以促进 AI 工具在教育环境中的有效整合。关键词：人工智能工具采用、非技术教育者、人工智能集成的障碍、教育数字化转型、人工智能驱动的教学法、教育技术、教育者的技术培训、人工智能采用的阻力、教育基础设施挑战、教育数据隐私、传统教学法中的人工智能、教育人工智能的伦理问题、人工智能集成的专业发展、人工智能与数字鸿沟
数字时代非技术教育者采用 AI 工具的障碍 Rohit Reddy Chananagari Prabhakar cprohit1998@gmail.com 摘要：人工智能工具与教育的结合有望带来显著的益处，从个性化学习到管理效率。然而，非技术教育者面临着阻碍他们采用此类技术的障碍。本文通过混合方法研究这些障碍，结合文献综述以及对来自不同学术背景的教育者进行的调查和访谈。确定的关键障碍包括缺乏技术培训、抵制变革、基础设施缺陷、对数据隐私的担忧以及对 AI 特定资源的有限访问。还探讨了其他挑战，例如 AI 工具与课程需求不一致、对工作流失的担忧以及 AI 与传统教学法结合的复杂性。该研究的结果强调需要有针对性的专业发展、资源配置和基础设施改进，以促进 AI 工具在教育环境中的有效整合。关键词：人工智能工具采用、非技术教育者、人工智能集成的障碍、教育数字化转型、人工智能驱动的教学法、教育技术、教育者的技术培训、人工智能采用的阻力、教育基础设施挑战、教育数据隐私、传统教学法中的人工智能、教育人工智能的伦理问题、人工智能集成的专业发展、人工智能与数字鸿沟