XiaoMi-AI文件搜索系统
World File Search System地理知识
有关空间和地点的本土知识的数据
Agnew, J. (2011)。空间与地点。SAGE 地理知识手册（第 316 – 331 页）。英国伦敦：SAGE 出版物。 Agrawal, A. (1995)。消除本土知识与科学知识之间的鸿沟。发展与变革，26 (3)，413 – 439。https://doi.org/10.1111/j.1467-7660.1995.tb00560.x Agrawal, A. (2002)。本土知识与分类政治。国际社会科学杂志，54 (173)，287 – 297。https://doi.org/10.1111/1468-2451.00382 Aikenhead, GS 和 Ogawa, M. (2007)。重新审视本土知识与科学。科学教育文化研究，2（3），539 – 620。https://doi.org/10.1007/s11422-007-9067-8
PLOS气候 - CERES研究存储库
1牛津可持续基础设施系统计划（OPSIS），环境变化研究所，牛津大学，牛津大学，牛津大学，英国牛津大学，2 ihcantabria，Instiatuto de Hidraulica Ambiental de la la la la la la la de la de Cantabria，西班牙桑坦德，西班牙桑坦德，西班牙桑坦德，3，3 3，苏黎世，Zurich，Zurich，switerd，switser，switerd，switem，Zurich，4阿姆斯特丹，荷兰，剑桥大学5号工程系，剑桥大学，英国剑桥市，6，6座航空运输管理中心，克兰菲尔德大学，克兰菲尔德，英国克兰菲尔德，7地理和地理知识科学，乔治·梅森大学，美国费尔法克斯，弗吉尼亚州，美国，美国，美国8号。苏黎世，瑞士
气候变化：增加向量的驱动程序
1牛津可持续基础设施系统计划（OPSIS），环境变化研究所，牛津大学，牛津大学，牛津大学，英国牛津大学，2 ihcantabria，Instiatuto de Hidraulica Ambiental de la la la la la la la de la de Cantabria，西班牙桑坦德，西班牙桑坦德，西班牙桑坦德，3，3 3，苏黎世，Zurich，Zurich，switerd，switser，switerd，switem，Zurich，4阿姆斯特丹，荷兰，剑桥大学5号工程系，剑桥大学，英国剑桥市，6，6座航空运输管理中心，克兰菲尔德大学，克兰菲尔德，英国克兰菲尔德，7地理和地理知识科学，乔治·梅森大学，美国费尔法克斯，弗吉尼亚州，美国，美国，美国8号。苏黎世，瑞士
万亿像素 GeoAI 挑战赛研讨会
AI 人工智能 ANL 阿贡国家实验室 API 应用程序编程接口 AWS 亚马逊网络服务 BigEarth BigEarth 欧洲研究委员会 CADES 科学计算和数据环境 CNCF 云原生计算基金会 CV 计算机视觉 CVPR 计算机视觉和模式识别会议 DARPA 国防高级研究计划局 DARPA STO 国防高级研究计划局战略技术办公室 DHS 国土安全部 DL 深度学习 DOE 能源部 EO 地球观测 FEMA 联邦紧急事务管理局 FPGA 现场可编程门阵列 FTP 文件传输协议 GCP 谷歌云平台 GDAL 地理空间数据抽象库 GeoAI 用于地理知识发现的人工智能 GIS 地理信息科学 HDD 硬盘驱动器 HPC 高性能计算 HTTP 超文本传输协议 IoT 物联网 MIT 麻省理工学院 ML 机器学习 NAIP 国家农业图像计划 NASA 美国国家航空航天局 Navy 海军信息战中心太平洋 NCCS 国家计算科学中心 NDAAS NSG 数据分析建筑服务 NDWI 归一化差异 水指数 NGA 国家地理空间情报局 NISR 巴西 国家空间研究所 巴西
教育和伦理中的人工智能
人工智能 (AI) 最初应用于教育领域大约 50 年前，而人工智能本身作为一个研究领域成立仅十年左右，于 1956 年在美国新罕布什尔州汉诺威的达特茅斯学院研讨会上首次亮相（例如，参见 Moor，2006 年）。1970 年，Carbonell 的论文“CAI 中的人工智能：一种用于计算机辅助教学的人工智能方法”描述了一种基于语义网络的地理学辅导和创作系统，名为 SCHOLAR（Carbonell，1970 年）。这种“面向信息结构 (ISO)”的辅导将其教学策略与其对南美地理的了解分开，原则上，可以将世界其他地区的地理情况插入其中，并将教学策略应用于那里，或者将不同的教学策略应用于南美地理。此外，由于通过语义网络明确表示地理知识，系统可以对其知识进行推理，得出未明确编码的结论，并回答有关其所知的问题。因此，其“混合主动”教学策略可以包含系统利用上下文和问题的相关性向学生提问，以及学生向系统提问，两者都使用非常有限的英语。系统通过标记语义网络的相关部分来跟踪学生已经理解了地理领域的哪些部分，从而创建了学生知识的不断发展的模型。这种对个体学习者的适应是该系统与之前的计算机辅助教学 (CAI) 系统的区别之一。该系统还体现了面向学习者的教育人工智能 (AIEd) 系统的标准概念架构。
ISCED-编码波恩大学 生物医学数据科学和生物信息学的博士后（... W3农业机器学习教授 跨学科研究奖Tra²2024
教师研究领域（可以包含不同的学科）主题区域旧天主教研讨会老式天主教神学0221-新教神学新教神学的宗教与神学教师0221-天主教神学的宗教与神学学院天主教神学0221-宗教和神学教师宗教和神学教师教师教师农业教师 - 农业教师0.0991919.农业食品和营养科学0819-农业，没有其他地方的农业教师地理学和地理知识0532-地球数学和自然科学的地球科学生物学0511生物学0511-生物学生物学学院 - 数学和自然科学的自然科学0531-化学训练 - 地球科学数学和自然科学学院环境风险与人类安全硕士0532 - Earth sciences Faculty of Mathematics and Natural Sciences Geosciences 0532 - Earth sciences Faculty of Mathematics and Natural Sciences Computer science 0619 - Information and Communication Technologies (ICTs), not elsewhere classified Faculty of Mathematics and Natural Sciences Life & Medical Scienes (LIMES) 0519 - Biological and related sciences, not elsewhere classifed数学和自然科学学院数学0541-数学和自然科学的数学学院气象学0532-地球数学与自然科学的地球科学学院分子细胞生物学（和生物技术）M.Sc.0519-生物学和相关科学，而不是其他地方分类的数学和自然科学学院药房0916-数学与自然科学的药学学院物理学0533-物理医学学院全球健康硕士M.Sc.0919-健康，没有其他地方的医学免疫科学和感染学院M.Sc.
审查灌溉信息从太空及其用户的效用
1个地质流水学研究所，国家研究委员会（CNR），麦当娜·阿尔塔（Madonna Alta）126，06128意大利佩鲁吉亚（Perugia）； sara.modanesi@irpi.cnr.it（S.M.）; jacopo.dari@unipg.it（J.D.）; angelica.tarpanelli@irpi.cnr.it（A.T。）; silvia.barbetta@irpi.cnr.it（S.B.）; luca.brocca@irpi.cnr.it（l.b。）2地球与环境科学系，库伊文（Ku Leuven），Celestijnenlaan 200E，3001鲁汶，比利时； Alexander.gruber@kuleuven.be（A.G.）; gabrielle.delannoy@kuleuven.be（G.J.M.D.L.）3佛罗伦萨大学民用与环境工程系（DICEA），通过DI S. Marta 3，50139意大利佛罗伦萨4号，佩鲁吉亚大学民用与环境工程系，Via G. Duranti 93，06125 Perugia，意大利佩鲁吉亚，意大利，意大利5号，环境科学与政策部5 94720-3114，美国； mgirotto@berkeley.edu 6 Observatori de l'eb，Ramon Llull大学，Carrer Horta Alta 38，43520 Roquetes，西班牙； pquintana@obsebre.es 7 Cesbio，CNES/CNRS/CNRS/INRAE/IRD/UPS，18大道Edouard Belin，Edouard Belin，CEDEX 9，31401 Toulouse Universiationédetoulex Univers; michel.le_page@ird.fr（M.L.P.）; lionel.jarlan@ird.fr（L.J.）; mehrez.zribi@ird.fr（M.Z。）; nadia.ouaadi@univ-tlse3.fr（n.o。）8 LMFE，科学学院Smlalia物理系，卡迪·阿亚亚德大学，马拉喀什4000，摩洛哥9，摩洛哥9号地球和地理知识系，TechnisscheUniversität维也纳（Tu Wien），WiednerHauptraße8-10，1040 Vienna，Outtia，Outhia，WiednerHauptstraße8-10，1040 Vienna; mariette.vreugdenhil@geo.tuwien.ac.at（M.V.）; luca.zappa@geo.tuwien.ac.at（L.Z.）; wouter.dorigo@geo.tuwien.ac.at（W.D.）;拖船。 brumbacher@eleaf.com（J.B。）; （H.P.）; Pauline.jaquot@eleaf.com（P.J.）11 Global，33 Zithe King，2763卢森堡，卢森堡；西班牙，1，弗拉斯卡蒂，00044罗马，意大利；他们（E.V.）; Diego.fernand@sa.int（D.F.P。）*正确：基督徒。
推进AI驱动的地理空间分析和数据生成
近年来见证了人工智能（AI）技术的革命，这是由于生成AI和地理空间人工智能（GEOAI）的兴起所强调的。与通用AI不同，Geoai在地理知识的整合中与众不同，将其定位在地理空间科学研究，AI技术和高性能计算的交集中。这种融合对于应对数据和计算密集型地理空间挑战至关重要[1，2]。这些进步是由可用的地理空间数据，机器学习（ML）硬件和GEOAI模型的大量地理空间数据以及对创新分析方法的日益增长的需求助长的，以解决社会和环境研究中的关键知识差距[3，4]。因此，我们在空间信息的映射，提取，生成和分析中看到了很大的进步。特刊（SI）“ AI驱动的地理空间分析和数据生成的进步”旨在展示地理信息科学（Giscience）社区在利用替代计算技术（尤其是AI）来解决复杂地理问题的努力。符合Giscience Research的这一趋势，在著名的期刊上组织了几个相关的特殊问题，例如《国际地理信息科学杂志》，GeoJournal，Geoinformatica，Geoinformatica，Geographing，Geographies或Applied Sciences。这些收藏集中在空间显式模型[1，2]以及Urban Analytics [5]，图像分类和土地覆盖映射[6]，人群图像和文本分析[7]，自然资源管理[8]和基础设施监控[9，10]中的应用[9，10]。此外，最近的系统文献评论还强调了在相关学科中Geoai的日益增长的使用。例如，人类地理学家利用Geoai使用大规模时空数据来探索城市功能区域，城市动态，人类行为和社会感测[11，12]。这种集成为传统领域提供了强大的新工具，可以实现大规模的定量分析。Geoai也在物理地理研究中成为主要领域，并在地球扎华评估，环境变化模拟，生物多样性监测和行星科学等领域中进行了应用[13]。在制图中，Geoai用于增强地理输出评估和地图质量，并改善图像对象检测，地图概括和地图设计[14]。此外，在应对城市增长，社会经济偏见和社会感知等复杂挑战方面，明确的GEOAI模型的发展和可用性显着提高了准确性。这些模型通过直接合并空间依赖性和异质性
小麦（TRITICUM ...）的农业品种
尽管多年来它有过各种各样的名字，但目前这才是真正有效的名称。 Koernicke（1873 年）和 Koernicke 和 Werner（1885 年）对小麦进行了迄今为止最完整的分类，并创建了小麦属不同种类的植物变种。 1915 年（5），Flaksberger 发表了一篇有关俄罗斯小麦的长篇著作。然而，正是瓦维洛夫 (27) 在 1916 年对伊朗北部的考察中，收集并研究了代表小麦所有物种和品种的最大数量的材料，确定了这种草的不同起源中心。 1921 年（19），英国的珀西瓦尔（Percival）因其关于小麦的经典著作，而将自己的名字列入了小麦分类学家之列。 1923 年（28），俄罗斯的瓦维洛夫 (Vavilov) 为他的植物育种研究所组织了最完整的小麦收集工作，通过在俄罗斯全境和其他国家进行长期收集。他的收藏品达31,000件标本，涵盖680个品种，超过了英国珀西瓦尔组织的收藏。通过将他的差别系统学方法应用于这种丰富材料的研究，并进一步借助细胞学和遗传数据，瓦维洛夫为小麦的植物地理知识建立了新的基础。 1927 年，智利的 Opazo (16) 发表了有关该国小麦种植和分类的信息。 1929 年（10），阿根廷的 Klein 对 12 个品种的特征进行了研究，观察了通过谷粒特征识别它们的可能性。 1933 年（25），葡萄牙的 Vasconcelos 描述并系统化了大多数本国和引进的小麦栽培类型。 1934 年，阿根廷的 Cios (4) 和 Hirschhorn (7) 发表了小麦品种鉴定的结果，前者利用形态特征，后者利用 1% 石炭酸对种子、穗和茎秆的作用。 1935 年（6），Flaksberger 发表了对世界各地小麦物种和品种的起源和分类进行长期研究后获得的新成果。 1939 年，阿根廷的 Horovitz (8) 描述了 92 个最重要的商业品种，并将其列入分类表；1940 年 (18)，Patron 描述了另外 35 个品种。 1942 年，美国的 Clark 和 Bayles (3) 发表了关于 16 个不同物种的 212 个变种的大量研究成果。在葡萄牙，Vasconcelos 于 1943 年 (26) 开始出版一部著作，更新葡萄牙小麦的系统分类，以符合 Flaksberger 于 1935 年发布的新分类概念 (6)。 Paiva 于 1947 年 (17) 研究了南里奥格兰德州的小麦分类，在巴西首次对这种草进行了系统的研究。 1948 年，葡萄牙的 Beliz (2) 继承了 Vasconcelos 的工作，发表了 10 个小麦新品种的描述。