XiaoMi-AI文件搜索系统
World File Search System地面测量
对雪水等效预测中机器学习的评论
摘要3 1简介3 1.1 SWE的定义3 1.2 SWE估算的意义和动机4 1.3当前的操作SWE监视5 1.3.1地面测量6 1.3.2模型产品7 1.4 ML 9 1.5当前挑战9 2。SWE估计方法的历史发展10 2.1经验方法10 2.2基于物理的方法11 2.3数据驱动方法13 3.当前基于机器学习的SWE估计研究15 3.1早期努力（2000-2014）15 3.2最新技术（现状）（现状）（2014年至今）18 4。ml福利和瓶颈20 5。讨论和未来方向26 5.1 SWE的广义AI 26 5.2 SWE的自学习剂26 5.3将SWE AI纳入较大的地球AI模型27 6.结论28作者贡献28致谢28资金28参考28
洞穴和裂缝的机载红外热探测
摘要：空气中的红外热扫描仪可用于检测裂缝和洞穴开口，但仅在某些条件下。首先，空隙内的温度必须与外部条件显着不同。其次，必须存在某种机制将这种热差异带到可以被扫描仪检测到的表面。此外，必须确定其他事件是否影响这种机制。在裂缝的情况下，传导和对流都在改变裂缝上的雪桥表面温度方面的作用。对于洞穴，对流是带来温度改变的机制。对流与呼吸周期有关，而呼吸周期又是由气压压力变化引起的。可以从内部温度，外部温度和大气压力的地面测量中选择飞行时间，从而提供最有利的情况。洞穴信号更多是一个问题，因为它经常被其他事件引起的相似信号所包围。为格陵兰岛的裂隙场和波多黎各的洞穴系统提供了结果。
统一内在和外在校准... - KIT
配备足够传感器的无人驾驶飞行器 (UAV) 可在昂贵的大规模机载遥感和耗时的小规模地面测量之间实现新的应用。要执行这些应用，相机和激光扫描仪是很好的传感器组合，因为它们具有互补特性。要利用这种传感器组合，必须知道各个相机的内在参数和相对姿势以及相机和激光扫描仪的相对姿势。在本文中，我们提出了一种多相机系统和激光扫描仪统一内在和外在校准 (UCalMiCeL) 的方法。该方法的创新之处在于它是从单个相机到线激光扫描仪校准的扩展，它是一种统一的捆绑调整步骤，以确保对整个传感器系统进行最佳校准。我们使用通用相机模型，包括针孔、全向和鱼眼相机。对于我们的方法，激光扫描仪和每个相机必须共享一个联合视野，而各个相机的视野可能不相交。校准方法通过由两个鱼眼相机和一个线激光扫描仪组成的传感器系统进行测试，范围测量精度为 30 毫米。我们使用基于控制点的多相机系统附加校准方法定量评估相机之间的估计相对姿势，这些控制点由 mo
清水、浅水、使用数字摄影测量法测量砾石河床
摘要 对新西兰北阿什伯顿河清澈浅水砾石河段的数字摄影测量测量所获得的数字高程模型 (DEM) 质量进行了评估。使用自动校正程序处理与水下地形相关的点误差，该程序基于对空气-水界面折射的校正。还考虑了收集参数变化对 DEM 质量的影响。使用独立数据集评估水下地形 DEM 的准确度和精度。结果表明，如果将数字摄影测量与图像分析技术结合使用，可以成功用于提取砾石河床的高分辨率 DEM，但水下地形表示的质量在很大程度上取决于图像采集时的水深。有人提出，数字摄影测量表面与“实际”河床表面（由地面测量确定）之间的差异将在一定程度上反映定义砾石覆盖表面真实高程的问题。数字摄影测量测量通常会看到砾石鹅卵石的顶部，而手持测量人员则倾向于记录石头之间的高程。还讨论了误差的命名法，并得出结论，所采用的表面质量测量应与 DEM 的应用一致。
一种基于布料模拟的简单易用的机载 LiDAR 数据滤波方法
摘要：将点云分离为地面和非地面测量是从机载 LiDAR（光检测和测距）数据生成数字地形模型 (DTM) 的重要步骤。然而，大多数滤波算法需要仔细设置许多复杂参数才能实现高精度。在本文中，我们提出了一种新的滤波方法，该方法只需要几个易于设置的整数和布尔参数。在所提出的方法中，反转 LiDAR 点云，然后使用刚性布料覆盖反转的表面。通过分析布料节点和相应的 LiDAR 点之间的相互作用，可以确定布料节点的位置以生成地面的近似值。最后，通过比较原始 LiDAR 点和生成的表面，可以从 LiDAR 点云中提取地面点。使用 ISPRS（国际摄影测量与遥感学会）工作组 III/3 提供的基准数据集来验证所提出的滤波方法，实验结果平均总误差为 4.58%，与大多数最先进的滤波算法相当。所提出的易于使用的滤波方法可以帮助没有太多经验的用户更轻松地在自己的应用中使用 LiDAR 数据和相关技术。
最终工程量清单 - 孟买观景廊
在软/风化岩石、砂岩、硬粘土、砾石、鹅卵石、硬红土、水结碎石、湿混碎石、任何类型的沥青混合料地毯、沥青路面、底板、小路和硬核、石灰混凝土、普通水泥混凝土、石工和所有类型的地下砖/砌块砌体、岩石巨石等中开挖地基、下部结构、水箱、水坑、墙壁、洞室、人孔、沟渠、电线杆、坑和一般建筑工程，深度/升程达 1.5 米。从地面测量，包括修整/修剪两侧、平整底部、人工脱水、清除茂盛植被、回填厚度不超过 200 毫米的层、浇水、固结、压实以达到不低于 97% 的改良普洛克特密度（符合相关 IS）、堆成可测量的堆以备将来在业主空间内使用或根据指示在 150 米的初始范围内处置、装载、卸载、平整（不包括支撑、支撑等），按照主管工程师的指示完成。注意：1）费率包括处理/支持现有公用设施，如电缆、排水管、管道、水管等。2）还包括特许权使用费和其他税费（如果有）。
面向用户友好的太空全天空表面长波向下辐射：总体方案和产品
摘要：长波下行辐射（LWDR）是气候与水文模型中的重要驱动参数。与传统地面测量相比，遥感在估算全球 LWDR 方面具有独特的优势。然而，对于目前的遥感任务而言，与典型的具有全球覆盖和小时时间分辨率的卫星 LWDR 产品一样，云和地球辐射能量系统-天气图（CERES-SYN）大气顶部和地表通量以及云的空间分辨率较低（1°×1°）。现有的遥感 LWDR 产品在精度、时空分辨率以及解释和量化不同尺度上长波辐射变化的能力方面仍有很大改进空间。为了克服这些限制，本文基于中分辨率成像光谱仪（MODIS）测量，开发了一种新的全球 LWDR 产品，该产品具有更高的精度（全球 RMSE < 30 W m −2）、高时间分辨率（小时）和空间分辨率（5 km）。它是长期地球系统时空无缝辐射收支数据集（简称LessRad）中的一个LWDR产品，作为第一个长期高分辨率时空连续的LWDR产品（2002-22，1小时，5公里），LessRad在研究更精细尺度上的LWDR时空变异性方面显示出优势，并为分析陆气相互作用、量化气候反馈等各种应用提供了宝贵的数据源，对理解地球能量收支和动态具有潜在的帮助。
工作范围 海岸线测绘 - NGS
附件 A. 机场摄影 SOW B. 项目说明 C. 航空摄影要求 D. SHAPEFILE 要求 E. 沿海制图对象属性源表 [C-COAST] F. C-COAST 词汇表 G. 电子邮件状态报告格式 H. EED 文件检查程序 I. 航空三角测量报告大纲 J. 潮汐协调要求 K. 特征汇编 L. 项目完成报告 M. 沿海测绘程序词汇表 N. 测量磁盘图 O. 地面照片控制 P. 地面测量 Q. 测量表格：Q1 - WDDPROC 打印输出，原件描述 @ Q2 - 标记恢复条目，在线 Q3 - 标记恢复条目，在线（样本） Q4 - NGS 站描述/恢复表 (2p) Q5 - NGS 站描述/恢复表（样本，2p） Q6 - GPS 观测日志 (2p) Q7 - GPS 观测日志（样本，2p） Q8 - NGS 能见度障碍图 Q9 - NGS 能见度障碍图（样本） Q10 - 站铅笔拓印表 Q11 - 站铅笔拓印表（样本） Q12 - 站位置草图和能见度图 Q13 - 站位置草图和能见度图（样本） Q14 - 控制站识别表 Q15 - 控制站识别表 (样本)
沉积物输送率评估 - ASPRS
简介 地貌学涉及地形和地形变化的描述和测量。地貌理论的测试和过程建模越来越需要各种尺度的高分辨率地形和地形变化定量数据。摄影测量已被用作各种地貌应用中的地形信息来源（Welch 和 Jordan，1983 年；Collin 和 Chisholm，1991 年），但分析摄影测量和最近的数字摄影测量的出现为摄影测量在获取地貌数据方面开辟了新的应用（Lane 等人，1993 年；Fryer 等人，1994 年；Brunsden 和 Chandler，1996 年；Dixon 等人，1996 年）。与地面测量相比，摄影测量的主要优势在于它能够从照片中获取高空间分辨率的连续数据，从而提供地形的永久记录。在需要对快速变化的形式进行详细调查的情况下，这变得更加有利。以前将分析摄影测量应用于地形变化包括研究斜坡形态和稳定性。倾斜航空照片已用于监测离散点的斜坡不稳定性（Fraser，1983 年）并获取用于描述斜坡形态的地形数据（Chandler 等人，1987 年；Chandler 和 Moore，1989 年）并量化随时间的变化（Chandler 和 Brunsden，1995 年）。
增强座舱下无人机的方法...
摘要：在林冠下使用无人机系统 (UAS) 为在茂密的林冠和灌木丛地区进行地面测量提供了一种潜在的宝贵替代方案。这项研究介绍了在具有挑战性的森林和地形条件下在林冠下飞行的消费级 UAS 的研究结果。部署该 UAS 是为了评估林冠下 UAS 摄影测量作为现场测量的替代方案，以获取树干直径以及森林研究地点的超高分辨率（~400,000 点/平方米）3D 模型。在一片原生、未经管理的桉树林中，在混合林下条件和陡峭地形下，从 99 根树干采集了 378 个基于胶带的直径测量值。这些测量值被用作基线，以评估基于林冠下 UAS 的摄影测量点云的直径测量精度。使用一种创新的基于胶带的方法，在不受数字地形模型影响的情况下评估了直径测量精度。介绍了一种创建这些点云的实用且详细的方法。最后，定义了一个称为圆周完整性指数 (CCI) 的指标，以解决在测量森林点云的树干直径时缺乏明确定义的点覆盖测量值的问题。建议在未来的研究中采用平均 CCI 的测量，以便能够使用不同的方法对森林点云的覆盖率进行一致的比较