XiaoMi-AI文件搜索系统
World File Search System光谱带
在具有选定光谱带的沿海地区有效塑料检测
海洋塑料污染构成了重大的生态，经济和社会挑战，需要创新发现，管理和缓解解决方案。光谱成像和光学遥感在水生环境中检测和表征大型塑料方面已证明有价值的工具。尽管许多研究着重于短波红外频谱中感兴趣的频段，但该范围内的传感器的高成本使得很难在长期和大规模应用中大量生产它们。因此，我们介绍了各种机器学习模型在四个数据集中的评估和传输，以识别用于检测和分类海洋环境中最普遍的塑料的关键频段，并在可见的和近边缘（VNIR）范围内检测到最普遍的塑料。我们的研究使用四个不同的数据库，从实验室条件下的维珍塑料到田间条件下的天气塑料。我们使用顺序特征选择（SFS）和随机森林（RF）模型进行最佳频带选择。同质背景对于准确检测的重要性是由97％的精度突出显示的，并且数据集之间的成功频段转移（87％ - 91％）表明，在各种情况下适用的传感器的可行性。但是，模型传输需要为每个特定数据集进行进一步的培训，以实现最佳精度。结果强调了通过持续改进和扩展培训数据集的更广泛应用的潜力。我们的发现提供了有价值的信息，以开发引人注目的负担得起的检测传感器来解决沿海地区的塑料污染。这项工作为增强全球海洋垃圾检测和减少的准确性铺平了道路，从而为我们的海洋带来了可持续的未来。
从越野设置中的长波高光谱图像
近年来，自主导航变得越来越流行。但是，大多数现有的方法在公路导航方面有效，并利用了主动传感器（例如LIDAR）。本文使用Passive传感器，特别是长波（LW）高光谱（HSI）的遍历性估计，重点介绍了自主越野导航。我们提出了一种方法，用于选择一部分高光谱带，该方法通过设计一个最小的传感器设计带选择模块，该模块设计一个最小的传感器，该模块设计了一个最小的传感器，该模块可以测量稀疏采样的光谱带，同时共同训练语义段网络网络，以进行遍历性估计。使用我们的LW HSI数据集在包括森林，沙漠，雪，池塘和开放式田野的各种越野场景中证明了我们方法的有效性。我们的数据集包括在各种天气条件下白天和夜间收集的图像，包括具有广泛障碍的具有挑战性的场景。使用我们的方法，我们学习了所有HSI频段中的一个小子集（2％），这些子频段可以在利用所有高光谱带时获得竞争性或更好的遍历性估计精度。仅使用5个频段，我们的方法能够实现平均类别的效果，该级别仅比使用完整的256波段HSI低1.3％，而仅比使用250频段HSI实现的效果仅比使用了0.1％，这证明了我们方法的成功。
利用太空图像进行矿产勘探
WorldView-3 于 2014 年发射，是一个由 DigitalGlobe（现为 Maxar Technologies）开发、Ball Aerospace & Technologies 建造的卫星星座。WorldView-3 遥感平台部分设计用于地质勘探。其单一全色 (pan) 光谱带用于快速收集高分辨率图像，这对于捕捉清晰的图像细节（30 厘米/12 英寸像素分辨率）特别有用。可见光和近红外 (VNIR) 系统收集八个高分辨率（1.2 米/4 英尺，1 英寸像素分辨率）多光谱带，主要用于铁矿物、稀土元素、植被健康以及沿海和土地利用应用。全色和 VNIR 系统由八个短波红外 (SWIR) 波段（3.7 米/12 英尺，2 英寸像素分辨率）补充，用于测量和绘制粘土矿物，以及一个称为 CAVIS（云、气溶胶、蒸汽、冰和雪）的大气传感器，该传感器带有另外 12 个光谱波段。CAVIS 波段可对图像进行非常精确的大气校正，以消除云、气溶胶、蒸汽、冰和雪的影响。
低成本遥控飞机系统 (RPAS) 配备多光谱传感器，用于绘制和分类潮间带生物牡蛎礁
低空遥感用 RPAS 技术和增强成像用微型传感器的蓬勃发展，推动了海洋生态应用的增加。然而，可见电磁波谱中传感器的 RPAS 的普遍性可能会限制沿温带潮间带岩礁的生物海洋栖息地的精细测绘、监测和识别应用。在这里，我们使用低成本 RPAS 结合多光谱传感器 (MicaSense® RedEdge™) 和基于对象的图像分析 (OBIA) 工作流程，在新西兰奥克兰怀特玛塔港制作生物牡蛎礁的超高分辨率地图。结果表明，可见电磁波谱以外的光谱带逐渐增强了图像上的特征检测，并增加了在异质海洋生态系统中描绘目标特征的潜力。使用基于规则的分类技术提取目标特征，基于分割后的光谱特征，总体准确率为 83.9%，kappa 系数为 69.8%。使用附加光谱带可提高牡蛎礁栖息地测绘的光谱分辨率。高空间尺度监测和测绘浑浊的潮间带岩礁带来了独特的挑战，但这些挑战可以通过在理想的气象和海洋条件下使用 RPAS 进行目标飞行来缓解。
低成本遥控飞机系统 (RPAS) 配备多光谱传感器，用于绘制和分类潮间带生物牡蛎礁
用于低空遥感的 RPAS 技术和用于增强成像的微型传感器的蓬勃发展，导致了海洋生态应用的增加。然而，带有可见电磁波谱传感器的 RPAS 的普遍性可能会限制沿温带潮间带岩礁的生物海洋栖息地的精细测绘、监测和识别应用。在这里，我们使用低成本的 RPAS 结合多光谱传感器 (MicaSense® RedEdge™) 和基于对象的图像分析 (OBIA) 工作流程，在新西兰奥克兰怀特玛塔港制作了生物牡蛎礁的超高分辨率地图。结果表明，具有可见电磁波谱以外的光谱带逐渐增强了图像上的特征检测，并增加了在异质海洋生态系统中描绘目标特征的潜力。使用基于规则的分类技术提取目标特征，基于分割后的光谱特征，总体准确率为 83.9%，kappa 系数为 69.8%。使用附加光谱带可提高牡蛎礁栖息地测绘的光谱分辨率。高空间尺度监测和测绘浑浊的潮间带岩石礁带来了独特的挑战，但这些挑战可以通过在理想的气象和海洋条件下使用 RPAS 进行瞄准飞行来缓解。
Vision-1 图像：用户指南 - ESA Earth Online
表 1-1：Vision-1 的主要特性 ...................................................................................... 5 表 1-2：预期产品和传感器图像质量性能指标 .............................................................. 6 表 2-1：三种成像模式：条带模式、立体模式和区域模式 ...................................................... 7 表 3-1：Vision-1 光谱带 ...................................................................................................... 8 表 3-2：Vision-1 相对光谱带响应 ...................................................................................... 8 表 3-3：每个 Vision-1 波段的太阳光谱辐照度 ............................................................................. 10 表 5-1：DIMAP 元数据文件描述 ............................................................................................. 15 表 5-2：通用 Vision-1 产品文件结构 ............................................................................................. 16 表 5-3： 和 详细描述 ............................................................................. 17 表 5-4：Vision-1 产品文件 ............................................................................................................. 17 表 6-1：一项任务摘要 ............................................................................................................. 18 表 6-2：One Tasking 选项概述 ...................................................................................................... 19 表 6-3：OneDay 参数 .............................................................................................................. 20 表 6-4：OneNow 参数 ............................................................................................................ 21 表 6-5：OnePlan 参数 ............................................................................................................. 22 表 6-6：OneSeries 常规参数 ............................................................................................. 24 表 6-7：OneSeries 关键参数 ............................................................................................. 24 表 6-8：多周期监控所需的详细信息 ............................................................................................. 25 表 6-9：定期监控所需的详细信息 ............................................................................................. 26 表 6-10：One Tasking 规范 ............................................................................................................. 28 表 8-1：订单通知 ............................................................................................................................. 31 表 8-2：根据处理级别的交付时间 ............................................................................................. 31
超核
卫星现在通常用于测量水和陆地表面的反射，因此与环境相关的参数，例如水生叶绿素浓度和陆地植被指数。对于每个卫星任务，对于所有光谱带的大气底部都需要放射线验证，并涵盖将使用卫星数据的所有典型条件。现有的网络，例如水和陆地的Radcalnet等现有网络提供了至关重要的验证信息，但是（Aeronet-OC）不涵盖所有光谱带或（Radcalnet）不涵盖所有表面类型和查看角度。在这篇文章中，我们讨论了光辐射测定法中仪器，测量方法和不确定性估计的最新进展，并提出了以下观点，即需要一个新的自动化高光谱辐射仪网络来进行多损新的水和陆地表面反射率的多效率辐射验证。描述了联合网络概念的超网络，为网络特定方面的研究论文提供了背景。该网络在其对土地和水面的共同方法方面都是独一无二的。解释了土地和水测量之间的共同方面和差异。基于对面向验证的研讨会的HyperNET数据的早期热情，我们认为，这种新的自动高光谱辐射仪网络将有助于对水和多角度的多端辐射验证和多角度土地表面反射的反射。HyperNet网络与其他测量网络具有很强的协同作用（Aeronet，
超核
卫星现在通常用于测量水和陆地表面的反射，因此与环境相关的参数，例如水生叶绿素浓度和陆地植被指数。对于每个卫星任务，对于所有光谱带的大气底部都需要放射线验证，并涵盖将使用卫星数据的所有典型条件。现有的网络，例如水和陆地的Radcalnet等现有网络提供了至关重要的验证信息，但是（Aeronet-OC）不涵盖所有光谱带或（Radcalnet）不涵盖所有表面类型和查看角度。在这篇文章中，我们讨论了光辐射测定法中仪器，测量方法和不确定性估计的最新进展，并提出了以下观点，即需要一个新的自动化高光谱辐射仪网络来进行多损新的水和陆地表面反射率的多效率辐射验证。描述了联合网络概念的超网络，为网络特定方面的研究论文提供了背景。该网络在其对土地和水面的共同方法方面都是独一无二的。解释了土地和水测量之间的共同方面和差异。基于对面向验证的研讨会的HyperNET数据的早期热情，我们认为，这种新的自动高光谱辐射仪网络将有助于对水和多角度的多端辐射验证和多角度土地表面反射的反射。HyperNet网络与其他测量网络具有很强的协同作用（Aeronet，
环境遥感
摘要：遥感技术克服了地面测量在时间和空间上的限制，增强了大规模生物多样性监测，并可以同时评估多种植物性状。每个个体的全部性状及其随时间的变化都是特定的，可以揭示有关森林群落遗传组成的信息。在空间和时间上连续测量同一物种个体之间的性状变异是监测遗传多样性的关键组成部分，但很难用地面方法实现。如果能够建立光谱和遗传信息之间的充分联系，使用成像光谱的遥感方法可以提供高光谱、空间和时间覆盖，以推进遗传多样性的监测。我们评估了 11 年来从瑞士同一温带森林上空 69 次机载棱镜实验 (APEX) 飞行中获得的欧洲山毛榉单株树的反射光谱。我们获得了 68 棵冠层树的反射光谱，并将这些光谱的差异与 68 个个体中微卫星标记得出的遗传差异关联起来。我们计算了不同时间点、波长区域和波长区域之间相对差异的相关性。高相关性表示光谱遗传相似性高。然后，我们测试了从几天到几年的时间尺度上获得的环境变量对光谱遗传相似性的影响。我们对辐射测量进行了不确定性传播，以提供这些相关性的质量指标。我们观察到遗传相似的个体具有更相似的反射光谱，但这在不同的波长区域和不同的环境变量之间有所不同。受水吸收影响的光谱短波红外区域似乎提供了有关高温下种群遗传结构的信息，而光谱的可见部分和受树冠散射特性影响的近红外区域在较长时间尺度上显示出与遗传结构更一致的模式。在研究光谱带之间的相对差异（最大相关性：0.40）时，遗传相似性与反射光谱相似性的相关性比研究反射数据（最大相关性：0.33）时更容易检测。结合光谱测量的不确定性，基于单个光谱带的分析的光谱遗传相似性提高了 36%，光谱带之间的相对差异提高了 20%。这项研究突出了密集多时相机载成像光谱数据在检测森林群落遗传结构方面的潜力。我们认为，观察到的反射光谱的时间轨迹表明植物对环境变化的反应存在生理和可能的遗传限制。